CN117455801A - 一种防滑垫圈生产质量视觉检测方法 - Google Patents
一种防滑垫圈生产质量视觉检测方法 Download PDFInfo
- Publication number
- CN117455801A CN117455801A CN202311785143.3A CN202311785143A CN117455801A CN 117455801 A CN117455801 A CN 117455801A CN 202311785143 A CN202311785143 A CN 202311785143A CN 117455801 A CN117455801 A CN 117455801A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- pixel
- gray
- point
- texture edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 30
- 230000000007 visual effect Effects 0.000 title claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 46
- 230000008859 change Effects 0.000 claims description 25
- 230000007547 defect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 20
- 238000011179 visual inspection Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005286 illumination Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种防滑垫圈生产质量视觉检测方法,该方法包括:获取防滑垫圈图像,根据防滑垫圈图像上像素点的灰度分布得到疑似纹理边缘序列,获取疑似纹理边缘序列中各像素点为纹理边缘像素点的可能性,进而获取纹理边缘像素点,获取各像素点搜索范围的弧长及宽度,计算各像素点与参照点的相似性,对防滑垫圈图像中的像素点进行去噪,对去噪后的图像利用阈值分割完成生产质量视觉检测。本发明旨在提高防滑垫圈生产质量检测的准确率,实现防滑垫圈生产质量的精确检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种防滑垫圈生产质量视觉检测方法。
背景技术
随着科技的发展,一些基于机器视觉的缺陷检测逐渐替代了人为的流水线式质检。比如一些体积较小且精度较高的防滑垫圈,采用机器对其进行质检节省了人力成本的同时也提高了检测效率。本发明对防滑垫圈进行缺陷检测,防滑垫圈通常用于连接和密封管道、容器、阀门和其他设备中,尤其在高温、高压、腐蚀性或有害环境下,对其进行缺陷检测具有较为重要的必要性。
在对图像进行缺陷检测之前,对其进行去噪有利于缺陷的表现便于对其识别。在采用非局部均值滤波对图像进行去噪的过程中,一般的搜索范围为矩形,对于防滑垫圈这种圆环形的物体,在像素点矩形搜索范围内选取参照点计算相似性时,相似性结果可信度不高。因此,本发明的防滑垫圈图像在采用非局部均值滤波去噪的过程中调整搜索范围为弧形,并依据像素点的位置及光照变化对搜索范围的弧长和宽度进行自适应,提高搜索范围内参照点选取结果的可靠性,进而提高去噪效果,便于防滑垫圈图像的缺陷检测。
发明内容
为了解决上述技术问题,本发明提供一种防滑垫圈生产质量视觉检测方法,以解决现有的问题。
本发明的一种防滑垫圈生产质量视觉检测方法采用如下技术方案:
本发明一个实施例提供了一种防滑垫圈生产质量视觉检测方法,该方法包括以下步骤:
采集防滑垫圈图像;
获取防滑垫圈图像中的灰度突变像素点;根据灰度突变像素点的分布得到各个疑似纹理边缘序列;根据疑似纹理边缘序列得到各灰度突变像素点为纹理边缘像素点的可能性;根据各灰度突变像素点为纹理边缘像素点的可能性得到各纹理边缘像素点;根据纹理边缘像素点的分布得到防滑垫圈图像中各像素点的搜索范围的弧长;获取各像素点的搜索范围的宽度;根据搜索范围的弧长和宽度确定搜索范围;将各像素点的搜索范围内所有其他像素点作为各像素点的参照点;结合搜索范围的弧长和宽度得到各像素点与搜索范围内参照点的相似性,根据相似性调整各像素点灰度值完成防滑垫圈图像去噪;根据去噪后的防滑垫圈图像完成防滑垫圈生产质量视觉检测。
优选的,所述获取防滑垫圈图像中的灰度突变像素点,包括:
针对各像素点,分别计算与所在圆周方向上左相邻像素点、右相邻像素点的灰度值差值绝对值,若所述差值绝对值均大于预设阈值,则将像素点作为灰度突变像素点,所述圆周方向为以防滑垫圈的圆心为中心、以像素点与圆心之间的距离作为半径得到圆,将圆的弧长作为像素点的圆周方向。
优选的,所述根据灰度突变像素点的分布得到各个疑似纹理边缘序列,包括:
将同一圆周方向上的所有灰度突变像素点作为一个疑似纹理边缘序列。
优选的,所述根据疑似纹理边缘序列得到各灰度突变像素点为纹理边缘像素点的可能性,表达式为:
式中,表示灰度突变像素点/>为纹理边缘像素点的可能性,/>为灰度突变像素点/>的灰度值,/>表示灰度突变像素点/>在其圆周方向上的左相邻像素点的灰度值,/>表示灰度突变像素点/>在其圆周方向上的右相邻像素点的灰度值,/>表示灰度突变像素点/>与灰度突变像素点/>所在的疑似纹理边缘序列中第/>个灰度突变像素点的欧式距离,/>表示灰度突变像素点/>所在的疑似纹理边缘序列中灰度突变像素点的个数。
优选的,所述根据各灰度突变像素点为纹理边缘像素点的可能性得到各纹理边缘像素点,包括:
计算各灰度突变像素点为纹理边缘像素点的可能性的归一化值,若所述归一化值大于预设阈值,则表面灰度突变像素点为纹理边缘像素点,反之,则表面灰度突变像素点不是纹理边缘像素点。
优选的,所述根据纹理边缘像素点的分布得到防滑垫圈图像中各像素点的搜索范围的弧长,包括:
针对各像素点,计算像素点所在圆周半径与防滑垫圈内圆半径的差值,计算像素点与像素点所在圆周方向左侧第一个纹理边缘像素点的欧式距离,记为第一距离,计算像素点与像素点所在圆周方向右侧第一个纹理边缘像素点的欧式距离,记为第二距离,第一距离与第二距离的和值乘以所述差值的结果作为各像素点的搜索范围的弧长。
优选的,所述获取各像素点的搜索范围的宽度,包括:
建立三维坐标系,以防滑垫圈圆心作为原点o,过圆心的直线为x轴,与x轴垂直的方向为y轴,与防滑垫圈平面垂直的方向为z轴,z轴表示的是像素点的灰度值,对于防滑垫圈图像中灰度值最大的像素点,选取所述灰度值最大的像素点所在圆周方向上左侧预设数量个像素点、右侧预设数量个像素点作为拟合像素点,将拟合像素点在三维坐标系中获取拟合曲线;
各像素点的搜索范围的宽度的表达式为:
式中,表示像素点i的搜索范围的宽度,/>表示拟合曲线的峰度,/>为拟合像素点到拟合曲线的垂直距离,/>为像素点i与灰度最大值像素点之间的欧式距离,/>为灰度最大值像素点所在圆周方向上的左右像素点个数预设值。
优选的,所述结合搜索范围的弧长和宽度得到各像素点与搜索范围内参照点的相似性,包括:
将确定弧长和宽度的搜索范围等比例缩小预设值作为搜索框,各像素点与搜索范围内参照点的相似性的表达式为:
式中,表示像素点i与其搜索范围内参照点q的相似性,/>表示像素点i的搜索框内第/>个像素点与参照点q的搜索框内对应位置第/>个像素点的欧式距离,/>为标准差为1.5的高斯核,/>表示高斯核中的第/>个元素,/>表示高斯核中所有元素的个数,/>表示搜索框内像素点的个数。
优选的,所述根据相似性调整各像素点灰度值完成防滑垫圈图像去噪,包括:
针对各像素点的搜索范围,计算所有参照点与像素点的相似性的和值,计算各参照点与像素点的相似性在所述和值中的占比,计算各参照点的灰度值与所述占比的乘积,将所有参照点的所述乘积的和值作为各像素点调整后的灰度值,完成防滑垫圈图像去噪。
优选的,所述根据去噪后的防滑垫圈图像完成防滑垫圈生产质量视觉检测,包括:
采用大津阈值算法获取去噪后的防滑垫圈图像的分割阈值,将小于分割阈值的像素点标记为前景区域,将大于等于分割阈值的像素点标记为背景区域,前景区域作为防滑垫圈的缺陷区域。
本发明至少具有如下有益效果:
本发明在搜索范围调整的过程中,依据各像素点在防滑垫圈图像上的相对位置以及光照的方向变化,对各像素点的搜索范围大小进行自适应,在搜索范围内选取参照点进行相似性计算,提高图像去噪效果的同时也进一步提高了图像缺陷检测结果的准确性;
本发明调整像素点的搜索范围为弧形,提高像素点搜索范围内参照点选取结果的可靠性,进而提高相似性结果,便于对各像素点的灰度进行调整,提高图像去噪效果,便于对图像进行缺陷检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种防滑垫圈生产质量视觉检测方法的步骤流程图;
图2为防滑垫圈视觉检测指标获取流程图;
图3为搜索范围示意图;
图4为像素点定位示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种防滑垫圈生产质量视觉检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种防滑垫圈生产质量视觉检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种防滑垫圈生产质量视觉检测方法的步骤流程图,该方法包括以下步骤:
步骤S001,通过图像采集装置获取防滑垫圈图像,并进行预处理。
具体的,首先本实施例将通过使用CMOS相机在垫片加工机器下方的传输带另一端获取防滑垫圈的表面RGB图像,作为防滑垫圈缺陷检测的数据来源,需要说明的是,防滑垫圈图像的获取方法有很多,具体的图像获取方法可通过现有技术实现,不在本实施例保护范围内,不做相关详细阐述;
然后,将防滑垫圈图像转化为灰度图像,具体方法为平均值法,由于平均值法为现有公知技术,在此不做详细陈述。
至此,即可根据本实施例上述方法获取防滑垫圈表面灰度图像,作为后续防滑垫圈缺陷检测的数据基础。
步骤S002,设置初始搜索范围为弧形,依据防滑垫圈上纹理分布以及光照影响对搜索范围的弧长以及宽度进行修正,根据修正后的搜索范围计算相似性对防滑垫圈图像进行去噪。
具体的,本实施例将根据防滑垫圈图像上像素点的灰度分布得到疑似纹理边缘序列,获取疑似纹理边缘序列中各像素点为纹理边缘像素点的可能性,进而获取纹理边缘像素点,获取各像素点搜索范围的弧长及宽度,计算各像素点与参照点的相似性,对防滑垫圈图像中的像素点进行去噪,对去噪后的图像利用阈值分割完成生产质量视觉检测,具体防滑垫圈视觉检测指标获取流程图如图2所示。防滑垫圈图像中各像素点调整后的灰度值的构建过程具体为:
防滑垫圈为圆环形且其表面有纹理分布,其纹理间隙区域由打磨产生并且表面不光滑,表现在灰度图上为模糊区域。在对防滑垫圈图像进行缺陷检测时,该模糊区域相当于一个噪声区域,影响防滑垫圈图像的缺陷检测。因此在对防滑垫圈图像缺陷检测之前需对图像去噪,对去噪后的防滑垫圈图像进行图像分割检测缺陷,有利于缺陷的发现。
本实施例采用非局部均值滤波对防滑垫圈图像进行去噪,非局部均值滤波去噪算法为现有公知技术,本实施例在此不做详细赘述,在对像素点的搜索范围依据参照点进行相似性计算时,传统的搜索范围为矩形,而防滑垫圈为圆环形,采用矩形搜索范围选取参照点所计算的相似性可靠性不高。因此,本实施例将传统的矩形搜索范围改进为弧形搜索范围,提高搜索范围内像素点与参照点相似性结果的可靠性。依据像素点在垫圈上的相对位置确定搜索范围弧长,并且考虑光照的表现方向对搜索范围的宽度进行调整,实现像素点的搜索范围自适应。
像素点搜索范围依据参照点的相似性进行调整,完成图像去噪,对去噪后的图像进行图像分割以识别图像缺陷。
对去噪后的防滑垫圈图像进行缺陷检测,并在去噪过程中调整搜索范围形状大小,提高去噪效果的同时也便于缺陷检测。
设置像素点的初始搜索范围为弧形,宽度为,弧长为/>,/>为防滑垫圈外圆半径,本实施例中/>,/>,实施者可根据实际情况自行设定,本实施例对此不做限制,搜索范围示意图如图3所示。
防滑垫圈纹理的分布呈环形,其间隙宽度沿着防滑垫圈半径由内之外的方向上由窄变宽,因此不同位置的像素点对应的搜索范围弧长不同。并且光照角度不同也会导致防滑垫圈图像中像素点的表现不同,光照在垫片上横向分布还是纵向分布,影响像素点搜索范围内其余像素点的表现,会影响像素点与参照点的相似性计算结果可靠性,因此在对像素点搜索范围进行自适应时还需结合光照角度对搜索范围大小进行调整。
在对防滑垫圈图像进行去噪时首先要获得图像纹理,便于后续调整像素点的搜索范围大小。
防滑垫圈图像中纹理边缘像素点有一定的灰度突变,并且纹理边缘像素点在其所在圆周上的排列间隔有一定规律并且边缘像素点的梯度方向与其所在圆上过该像素点的半径方向垂直,根据上述特征,由于防滑垫圈为圆环形,因此,针对防滑垫圈图像中的任一像素点,均可根据防滑垫圈的圆心确定一个圆周,故针对防滑垫圈图像中的任一像素点,分析该像素点所在圆周上的各像素点,计算各像素点与圆周上左相邻像素点、右相邻像素点的差值绝对值,若两差值绝对值均大于,则将该像素点记为灰度突变像素点,本实施例中,实施者可根据实际情况自行设定,本实施例对此不做限制。本实施例中所有圆周方向均为以防滑垫圈的圆心为中心、以像素点与圆心之间的距离作为半径得到圆,将圆的弧长作为各像素点的圆周方向。
将防滑垫圈图像上所有的灰度突变像素点,将位于同一圆周上的所有灰度突变像素点记为一个疑似纹理边缘序列,其中/>表示同一圆周上的第/>个灰度突变像素点,这些灰度突变像素点的梯度方向与其所在圆上过该像素点的半径方向越垂直,则这些灰度突变像素点为纹理边缘像素点的可能性越大。
针对防滑垫圈图像中的各个疑似纹理边缘序列,计算疑似纹理边缘序列中的灰度突变像素点为纹理边缘像素点的可能性,具体表达式为:
式中,表示灰度突变像素点/>为纹理边缘像素点的可能性,/>为灰度突变像素点/>的灰度值,/>表示灰度突变像素点/>在其圆周方向上的左相邻像素点的灰度值,/>表示灰度突变像素点/>在其圆周方向上的右相邻像素点的灰度值,/>表示灰度突变像素点/>与灰度突变像素点/>所在的疑似纹理边缘序列中第/>个灰度突变像素点的欧式距离,/>表示灰度突变像素点/>所在的疑似纹理边缘序列中灰度突变像素点的个数,/>越小说明疑似纹理边缘序列/>中的像素点排列越具有规律,即该序列内像素点为纹理边缘像素点的可能性就越大;
表示像素点/>与其圆周方向上的左右相邻两像素点的灰度差异和,灰度差异和越大表面该像素点为灰度突变像素点的可能性越大。
由此得到防滑垫圈图像中各个灰度突变像素点为纹理边缘像素点的可能性,设定阈值,若灰度突变像素点的/>,则表面灰度突变像素点/>为纹理边缘像素点,反之,则表面灰度突变像素点/>不是纹理边缘像素点,其中/>为归一化函数,本实施例中,实施者可根据实际情况自行设定,本实施例对此不做限制。
不同位置的像素点所对应的搜索范围不同,在对像素点进行定位的过程中,应依据像素点与防滑垫圈内圆圆周的距离进行定位。
因为防滑垫圈呈圆环形,其表面纹理之间的间隙沿着防滑垫圈半径由内至外的方向由窄变宽,因此,像素点距离防滑垫圈内圆圆周的距离越近,像素点所对应搜索范围弧长应越短。
防滑垫圈表面纹理之间的间隙由打磨所致,在图像去噪过程中,在灰度图上表现为模糊区域,影响缺陷识别,需着重对纹理间隙区域进行去噪。可依据像素点的所在圆周上沿着圆周方向距离左右纹理边缘的距离和识别其是否为纹理间隙像素点,距离和越大,像素点为纹理间隙区域的可能性就越大,属于纹理间隙像素点的可能性就越大,搜索范围的弧长就应越长。具体的像素点定位示意图如图4所示。
针对防滑垫圈图像中的各像素点,计算对应搜索范围的弧长,具体表达式为:
式中,表示像素点i的搜索范围的弧长,/>为像素点i所在圆周上的半径,/>为防滑垫圈的内圆半径,/>表示像素点i与像素点i所在圆周方向上左侧第一个纹理边缘像素点间的欧式距离,/>表示像素点i与像素点i所在圆周方向上右侧第一个纹理边缘像素点间的欧式距离。/>记为第一距离,/>记为第二距离。
表示像素点i距离防滑垫圈内圆圆周的距离;/>表示像素点i在其所在圆周上沿着圆周方向距离左右纹理边缘像素点间的距离。
依据像素点在防滑垫圈上的相对位置调整其弧长,提高像素点搜索范围的弧长的准确性,进而提高其搜索范围内与参照点像素点相似性计算的可信度。
在对像素点i的搜索范围进行调整的过程中,光照变化也会影响搜索范围的大小。光照横向与纵向分布在图像上,影响像素点i的搜索范围内与参照点的相似性计算结果可靠性。若光照横向分布在图像上,则像素点i的搜索范围应调整为纵向,因为纵向搜索范围内所选取的参照点受光照影响较大,影响相似性计算结果可信度。
金属材质的防滑垫圈因其材质反光,导致光照区域的像素点在图像中灰度最大,若光照为横向,则该像素点左右两侧的像素点灰度值会缓慢递减,即光照部分像素点的灰度值变化呈钟型曲线且峰度低。选择整幅防滑垫圈图像中灰度值最大的像素点,分析其所在圆周方向上左右各个像素点,建立三维坐标系,以防滑垫圈圆心作为原点o,过圆心的直线为x轴,与x轴垂直的方向为y轴,与防滑垫圈平面垂直的方向为z轴,z轴表示的是像素点的灰度值,以所述/>个像素点的灰度值以及在xoy平面的位置利用最小二乘法在建立的三维坐标系中进行曲线拟合,计算拟合曲线的峰度,峰度越低,则光照为横向的可能性越大,本实施例中/>,实施者可根据实际情况自行设定,本实施例对此不做限制。其中最小二乘法及峰度的计算均为现有公知技术,本实施例在此不做详细赘述。
综上所述,图像中灰度值最大的像素点所在圆周方向上左右各个像素点的拟合曲线的峰度越低,光照为横向分布的可能性就大,则像素点的搜索范围应调整为纵向,即搜索范围的宽度越大。
计算像素点对应搜索范围的宽度,具体表达式为:
式中,表示像素点i的搜索范围的宽度,/>表示拟合曲线的峰度,/>为拟合像素点到拟合曲线的垂直距离,垂直距离之和越小表明拟合效果越好;/>为像素点i与灰度最大值像素点之间的欧式距离,距离越近表明像素点距离光照区域越近,受其影响越大,该像素点的搜索范围宽度就越大,/>为灰度最大值像素点所在圆周方向上的左右像素点个数预设值。
至此,防滑垫圈图像中各像素点的搜索范围便可根据弧长及宽度进行确定。
依据光照的横纵变化调整搜索范围宽度,提高像素点搜索范围的宽度调整结果,进而提高像素点搜索范围内与参照像素点的可信度。
依据像素点的搜索范围,进行相似性计算。对于各像素点的搜索范围,将搜索范围内的其余所有像素点作为参照点,以参照点为中心设置搜索框,搜索框大小为将搜索范围等比例缩小十分之一,搜索框大小实施者可根据实际情况自行设定,本实施例对此不做限制。依据参照点与像素点的相似性进行像素点的灰度调整,进而获得去噪后的图像。
以像素点i为例,针对像素点i的搜索范围,取像素点i的搜索框及搜索范围内各参照点的搜索框进行分析,计算像素点i与其搜索范围内参照点q的相似性,具体表达式为:
式中,表示像素点i与其搜索范围内参照点q的相似性,/>表示像素点i的搜索框内第/>个像素点与参照点q的搜索框内对应位置第/>个像素点的欧式距离,/>为标准差为1.5的高斯核,/>表示高斯核中的第/>个元素,/>表示高斯核中所有元素的个数,/>表示搜索框内像素点的个数。
结合像素点i的搜索范围内所有参照点,调整像素点i的灰度值,具体表达式为:
式中,表示像素点i的灰度值,/>表示参照点q的灰度值,m为像素点i的搜索范围内参照点的个数,/>表示像素点i与其搜索范围内参照点q的相似性。
对防滑垫圈图像内各像素点计算调整后的灰度值,至此,完成防滑垫圈图像的去噪。
步骤S003,对去噪后的防滑垫圈图像进行阈值分割,检测缺陷。
对去噪后的防滑垫圈图像利用大津阈值算法获取分割阈值,将小于分割阈值的像素点标记为前景区域,将大于等于分割阈值的像素点标记为背景区域,输出为二值化后的防滑垫圈图像,防滑垫圈图像中前景区域作为防滑垫圈的缺陷区域,将具有缺陷区域的防滑垫圈标记为次品,完成生产质量检测,其中大津阈值分割为现有公知技术,本实施例在此不做详细赘述。
综上所述,本实施例解决了传统非局部均值滤波去噪算法由于搜索范围为矩形在防滑垫圈图像去噪时可靠性低的问题,通过分析防滑垫圈图像的纹理特征及光照影响获取弧形的搜索范围,提高了防滑垫圈图像去噪的准确率,进而提高了防滑垫圈视觉检测的精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种防滑垫圈生产质量视觉检测方法,其特征在于,该方法包括以下步骤:
采集防滑垫圈图像;
获取防滑垫圈图像中的灰度突变像素点;根据灰度突变像素点的分布得到各个疑似纹理边缘序列;根据疑似纹理边缘序列得到各灰度突变像素点为纹理边缘像素点的可能性;根据各灰度突变像素点为纹理边缘像素点的可能性得到各纹理边缘像素点;根据纹理边缘像素点的分布得到防滑垫圈图像中各像素点的搜索范围的弧长;获取各像素点的搜索范围的宽度;根据搜索范围的弧长和宽度确定搜索范围;将各像素点的搜索范围内所有其他像素点作为各像素点的参照点;结合搜索范围的弧长和宽度得到各像素点与搜索范围内参照点的相似性,根据相似性调整各像素点灰度值完成防滑垫圈图像去噪;根据去噪后的防滑垫圈图像完成防滑垫圈生产质量视觉检测。
2.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述获取防滑垫圈图像中的灰度突变像素点,包括:
针对各像素点,分别计算与所在圆周方向上左相邻像素点、右相邻像素点的灰度值差值绝对值,若所述差值绝对值均大于预设阈值,则将像素点作为灰度突变像素点,所述圆周方向为以防滑垫圈的圆心为中心、以像素点与圆心之间的距离作为半径得到圆,将圆的弧长作为像素点的圆周方向。
3.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据灰度突变像素点的分布得到各个疑似纹理边缘序列,包括:
将同一圆周方向上的所有灰度突变像素点作为一个疑似纹理边缘序列。
4.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据疑似纹理边缘序列得到各灰度突变像素点为纹理边缘像素点的可能性,表达式为:
式中,表示灰度突变像素点/>为纹理边缘像素点的可能性,/>为灰度突变像素点/>的灰度值,/>表示灰度突变像素点/>在其圆周方向上的左相邻像素点的灰度值,/>表示灰度突变像素点/>在其圆周方向上的右相邻像素点的灰度值,/>表示灰度突变像素点/>与灰度突变像素点/>所在的疑似纹理边缘序列中第/>个灰度突变像素点的欧式距离,/>表示灰度突变像素点/>所在的疑似纹理边缘序列中灰度突变像素点的个数。
5.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据各灰度突变像素点为纹理边缘像素点的可能性得到各纹理边缘像素点,包括:
计算各灰度突变像素点为纹理边缘像素点的可能性的归一化值,若所述归一化值大于预设阈值,则表面灰度突变像素点为纹理边缘像素点,反之,则表面灰度突变像素点不是纹理边缘像素点。
6.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据纹理边缘像素点的分布得到防滑垫圈图像中各像素点的搜索范围的弧长,包括:
针对各像素点,计算像素点所在圆周半径与防滑垫圈内圆半径的差值,计算像素点与像素点所在圆周方向左侧第一个纹理边缘像素点的欧式距离,记为第一距离,计算像素点与像素点所在圆周方向右侧第一个纹理边缘像素点的欧式距离,记为第二距离,第一距离与第二距离的和值乘以所述差值的结果作为各像素点的搜索范围的弧长。
7.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述获取各像素点的搜索范围的宽度,包括:
建立三维坐标系,以防滑垫圈圆心作为原点o,过圆心的直线为x轴,与x轴垂直的方向为y轴,与防滑垫圈平面垂直的方向为z轴,z轴表示的是像素点的灰度值,对于防滑垫圈图像中灰度值最大的像素点,选取所述灰度值最大的像素点所在圆周方向上左侧预设数量个像素点、右侧预设数量个像素点作为拟合像素点,将拟合像素点在三维坐标系中获取拟合曲线;
各像素点的搜索范围的宽度的表达式为:
式中,表示像素点i的搜索范围的宽度,/>表示拟合曲线的峰度,/>为拟合像素点到拟合曲线的垂直距离,/>为像素点i与灰度最大值像素点之间的欧式距离,/>为灰度最大值像素点所在圆周方向上的左右像素点个数预设值。
8.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述结合搜索范围的弧长和宽度得到各像素点与搜索范围内参照点的相似性,包括:
将确定弧长和宽度的搜索范围等比例缩小预设值作为搜索框,各像素点与搜索范围内参照点的相似性的表达式为:
式中,表示像素点i与其搜索范围内参照点q的相似性,/>表示像素点i的搜索框内第/>个像素点与参照点q的搜索框内对应位置第/>个像素点的欧式距离,/>为标准差为1.5的高斯核,/>表示高斯核中的第/>个元素,/>表示高斯核中所有元素的个数,/>表示搜索框内像素点的个数。
9.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据相似性调整各像素点灰度值完成防滑垫圈图像去噪,包括:
针对各像素点的搜索范围,计算所有参照点与像素点的相似性的和值,计算各参照点与像素点的相似性在所述和值中的占比,计算各参照点的灰度值与所述占比的乘积,将所有参照点的所述乘积的和值作为各像素点调整后的灰度值,完成防滑垫圈图像去噪。
10.根据权利要求1所述的一种防滑垫圈生产质量视觉检测方法,其特征在于,所述根据去噪后的防滑垫圈图像完成防滑垫圈生产质量视觉检测,包括:
采用大津阈值算法获取去噪后的防滑垫圈图像的分割阈值,将小于分割阈值的像素点标记为前景区域,将大于等于分割阈值的像素点标记为背景区域,前景区域作为防滑垫圈的缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785143.3A CN117455801A (zh) | 2023-12-25 | 2023-12-25 | 一种防滑垫圈生产质量视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785143.3A CN117455801A (zh) | 2023-12-25 | 2023-12-25 | 一种防滑垫圈生产质量视觉检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117455801A true CN117455801A (zh) | 2024-01-26 |
Family
ID=89591402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311785143.3A Withdrawn CN117455801A (zh) | 2023-12-25 | 2023-12-25 | 一种防滑垫圈生产质量视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455801A (zh) |
-
2023
- 2023-12-25 CN CN202311785143.3A patent/CN117455801A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082464B (zh) | 除尘机焊接过程中焊缝数据的识别方法及系统 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN116758061B (zh) | 基于计算机视觉的铸件表面缺陷检测方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN107228860B (zh) | 一种基于图像旋转周期特性的齿轮缺陷检测方法 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN116168026A (zh) | 基于计算机视觉的水质检测方法及系统 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN115294120A (zh) | 基于图像识别的阀门表面质量检测方法 | |
CN113239930A (zh) | 一种玻璃纸缺陷识别方法、系统、装置及存储介质 | |
CN115082462A (zh) | 一种流体输送管外观质量检测方法及系统 | |
CN117649412B (zh) | 一种铝材表面质量的检测方法 | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN116703251B (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN115063429B (zh) | 一种用于机械配件的质量检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
CN117152129B (zh) | 一种电池盖板的表面缺陷视觉检测方法及系统 | |
CN116993742B (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
CN116664569A (zh) | 一种焊瘤缺陷检测方法 | |
CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240126 |