一种基于机器视觉的工件缺陷检测方法技术

本发明专利技术公开了一种基于机器视觉的工件缺陷检测方法，包括以下部分：读取拍摄的模板工件图片与待测工件图片；将待测工件图片与模板工件图片整体进行粗匹配，获得与模板图片重合度最高的待测图片；将校正处理后的待测工件图片与原来的模板工件图片进行相同区域分割，对分割后的每块子区域进行精匹配；对校正处理后的每块待测工件子区域图片与对应的模板工件子区域图片进行对比分析找出缺陷，获得每块子区域最终的缺陷检测结果；将每块子区域的缺陷检测结果在模板图上进行标记，输出完成缺陷标记的模板图。本发明专利技术能满足多种类型待测工件与模板工件图像的高精度匹配，在缺陷检测上有较高的准确率。

【技术实现步骤摘要】
一种基于机器视觉的工件缺陷检测方法
本专利技术涉及一种机器视觉的智能检测方法，具体涉及一种基于机器视觉的汽车保险丝盒工件缺陷检测方法。
技术介绍
产品检测是工业生产中不可缺少的一环，对产品质量的提高起着重要作用。通常情况下，工业制造的工件存在一定的次品率，传统方法是对工件进行人工检测，这样一方面造成了工件出货效率低下，同时准确率也难以保证，另一方面增加了工件整体的加工成本，影响生产效益。现代工业注重在线、实时、快速、非接触的检测方式，确保产品质量的前提下，提高产品的生产效率。汽车保险盒质量对于汽车电路安全起到至关重要的作用。目前通过人工检测汽车保险盒缺陷的方法具有效率低、成本高等缺点，急需汽车保险盒缺陷自动检测系统，以达到能快速、准确地筛选出不合格产品，提高生产效率，降低安全隐患。同时，由于汽车保险丝盒内部结构复杂，工件的主要缺陷类型是多胶、少胶，缺陷小且不起眼，大大增加人工检测的难度，平均每个工件的检测时间在5分钟，导致工件每天实际的产出量并不高。为了解决传统工件检测方法带来的弊端，本专利技术提出了一套基于机器视觉的汽车保险盒工件缺陷检测方法。
技术实现思路
本专利技术的目标在于开发一种能够检测保险盒待测工件与模板工件之间的差异，并将存在差异的缺陷标记出来的方法。为了解决上述技术问题，本专利技术采用如下技术方案：一种基于机器视觉的工件缺陷检测方法，包括以下步骤：(a)读取拍摄的模板工件图片与待测工件图片；(b)将待测工件图片与模板工件图片进行粗匹配，匹配时对待测图片进行旋转和平移校正，使其与模板图片重合度最高；(c)将校正处理后的待测工件图片与原来的模板工件图片进行相同区域分割，对分割后的每块子区域进行精匹配，匹配时对待测子区域图片进行平移校正，使其与对应模板子区域图片重合度最高；(d)对校正处理后的待测的子区域图片与对应的模板子区域图片进行对比分析找出缺陷，获得每块子区域的缺陷检测结果；(e)将每块子区域的缺陷检测结果在模板工件图片上进行标记，并提示最后总的缺陷数量。作为优选，所述步骤(b)粗匹配时具体为在模板工件图片和待测工件图片中选择方位相同的一对对角区域，两个对角区域分别选出一对理想匹配点，用于待测图片平移与旋转校正，使其与模板图片重合度最高。作为优选，所述步骤(c)具体为对校正后的待测图片以及模板图片进行相同的区域分割，得到多个子区域，在分割后的一个子区域中找出一对理想匹配点，对待测的子区域图片进行平移校正，使其与对应模板子区域图片重合度最高。接着对待测的子区域分别进行上下左右四个方向上的单位像素微调，对比微调前的重合度获得重合度最高的待测的子区域图片，其他子区域执行相同操作。作为优选，所述步骤(b)中的粗匹配具体包括以下步骤：(b1)从待测工件图片中的两对对角区域中选出特征点数总和较多的一对对角区域，进行理想匹配点对获取；(b2)找出其中欧氏距离最小的前n对匹配点，计算每对匹配点x轴方向上的绝对差值Xc，以及y轴方向上的绝对差值Yc，找出Xc与Yc的最大值，记录为Lc；找出所有Lc中的最小值Lmc，以Lmc为准，将Lmc分为0～Lmc，Lmc～Lmc+10，Lmc+10～Lmc+20,Lmc+20～Lmc+30.....Lmc+10×(T-2)～Lmc+10×(T-1)这样T个等级(T>＝1)。将每对匹配点的Xc、Yc与Lmc进行比较，当且仅当Xc与Yc均小于Lmc的第m个等级，同时Xc或Yc大于Lmc的第m-1个等级，将其定级为m。将对角区域n对匹配点中等级大于T的匹配点对滤除。另一个对角区域执行相同操作。(b3)两个对角区域各自留下来一定数量的匹配点对，两个对角区域各取一对匹配点构成一个组合，其中欧氏距离较小的一对匹配点用于待测工件图片平移校正，较大的用于旋转校正，遍历所有组合，选择与模板图片重合度最高的校正后的待测图片。作为优选，所述步骤(c)中的精匹配具体包括以下步骤：(c1)对校正后的待测图片以及原来的模板图片进行相同的区域分割，得到多个子区域；(c2)以一个子区域为例，找出其中汉明距离最小的前n’对匹配点，获得其中汉明距离最小值，记为S。以S值遍历区域中所有汉明距离值Sa，找出与S值相等的所有匹配点对，计算每对匹配点x轴方向上的绝对差值Xc’，以及y轴方向上的绝对差值Yc’，找出Xc’与Yc’的最大值，记录为Lc’；找出所有Lc’中的最小值Lmc’，以Lmc’为准，将Lmc’分为0～Lmc’，Lmc’～Lmc’+10，Lmc’+10～Lmc’+20,Lmc’+20～Lmc’+30.....Lmc’+10×(T’-2)～Lmc’+10×(T’-1)这样T’个等级(T’>＝1)。在n’对匹配点中，计算每对匹配点的Xc’、Yc’，并与Lmc’进行比较，当且仅当Xc’与Yc’均小于Lmc’的第m’个等级，同时Xc’或Yc’大于Lmc’的第m’-1个等级，将其定级为m’，滤除匹配点对中等级大于T’的。(c3)剩余的匹配点对中，每个匹配点对对应一种平移校正后的待测工件子区域图片，从中获得与模板子区域图片重合度最高的，记为Rs；(c4)对Rs分别进行上、下、左、右四个方向单位像素平移的操作，每个方向与平移前的进行重合度比较，获得重合度最高的待测子区域图片，每个子区域皆按步骤(c2)-(c4)执行。作为优选，步骤(b1)中在两对对角区域选择一对对角区域时通过以下方法进行选择：(1)对角区域的特征点数总和SUM(2)对角区域特征点数的比值RATESUM＝S1+S2其中S1、S2分别表示两个对角区域的特征点总数，选取SUM较大的一对对角区域，特征点数比值记为RATE1，另一对对角区域记为RATE2。如果RATE1<RATE2,则选择该对对角区域；否则扩展一次该对对角区域，并选择扩展后的对角区域。作为优选，步骤(c1)中的进行区域分割时，使用附加区域的区域分割方式，具体方法为：先用若干条分割线将模板工件图片和待测工件图片均分成多个小区域，在每条分割线的两侧分别画出两条与该分割线平行的辅助分割线，将每个小区域中以分割线为边的边界向外扩展至临近的辅助分割线，从而得到子区域，从分割线扩展至辅助分割线的区域记为重叠区域。作为优选，步骤(c4)中的单位像素微调操作具体为：首先统计微调前的待测子区域Rs的匹配重合度记为s0，接着对其分别进行上、下、左、右四个方向微调并统计微调后的匹配重合度s1,s2,s3,s4。如果s0最小，则输出；否则，将s1,s2,s3,s4中最小的一个作为新的s0，重新进行四个方向的微调统计，如此迭代。作为优选，在步骤(c4)中设置一个最多迭代次数u保证迭代正常终止。本专利技术的有益效果是：本专利技术首先对待测工件图片与模板工件图片进行粗匹配，再对经过粗匹配校正的待测工件图片与原来的模板工件图片进行相同的区域分割，对分割后的每个子区域进行精匹配，在精匹配的基础上对每块子区域分别进行缺陷检测，并将最后缺陷检测结果整合到模板工件图片上并标记，提高了缺陷检测精度，保证缺陷检测的准确性。本专利技术能满足多种类型待测工件与模板工件图像的高精度匹配，在缺陷检测上具有高准确率。附图说明图1是本专利技术的流程示意图；图2是工件图像；图3是工件缺陷图像；图4是区域分割示意图。具体实施方式下面结合附图和具体实本文档来自技高网...

【技术保护点】
一种基于机器视觉的工件缺陷检测方法，其特征在于，包括以下步骤：(a)读取拍摄的模板工件图片与待测工件图片；(b)将待测工件图片与模板工件图片进行粗匹配，匹配时对待测图片进行旋转和平移校正，使其与模板图片重合度最高；(c)将校正处理后的待测工件图片与原来的模板工件图片进行相同区域分割，对分割后的每块子区域进行精匹配，匹配时对待测子区域图片进行平移校正，使其与对应模板子区域图片重合度最高；(d)对校正处理后的待测的子区域图片与对应的模板子区域图片进行对比分析找出缺陷，获得每块子区域的缺陷检测结果；(e)将每块子区域的缺陷检测结果在模板工件图片上进行标记，并提示最后总的缺陷数量。

【技术特征摘要】
1.一种基于机器视觉的工件缺陷检测方法，其特征在于，包括以下步骤：(a)读取拍摄的模板工件图片与待测工件图片；(b)将待测工件图片与模板工件图片进行粗匹配，匹配时对待测图片进行旋转和平移校正，使其与模板图片重合度最高；(c)将校正处理后的待测工件图片与原来的模板工件图片进行相同区域分割，对分割后的每块子区域进行精匹配，匹配时对待测子区域图片进行平移校正，使其与对应模板子区域图片重合度最高；(d)对校正处理后的待测的子区域图片与对应的模板子区域图片进行对比分析找出缺陷，获得每块子区域的缺陷检测结果；(e)将每块子区域的缺陷检测结果在模板工件图片上进行标记，并提示最后总的缺陷数量。2.如权利要求1所述的基于机器视觉的工件缺陷检测方法，其特征在于，所述步骤(b)粗匹配时具体为在模板工件图片和待测工件图片中选择方位相同的一对对角区域，两个对角区域分别选出一对理想匹配点，用于待测图片平移与旋转校正，使其与模板图片重合度最高。3.如权利要求1所述的基于机器视觉的工件缺陷检测方法，其特征在于，所述步骤(c)具体为对校正后的待测图片以及模板图片进行相同的区域分割，得到多个子区域，在分割后的一个子区域中找出一对理想匹配点，对待测的子区域图片进行平移校正，使其与对应模板子区域图片重合度最高。接着对待测的子区域分别进行上下左右四个方向上的单位像素微调，对比微调前的重合度获得重合度最高的待测的子区域图片，其他子区域执行相同操作。4.如权利要求2所述的基于机器视觉的工件缺陷检测方法，其特征在于，所述步骤(b)中的粗匹配具体包括以下步骤：(b1)从待测工件图片中的两对对角区域中选出特征点数总和较多的一对对角区域，进行理想匹配点对获取；(b2)找出其中欧氏距离最小的前n对匹配点，计算每对匹配点x轴方向上的绝对差值Xc，以及y轴方向上的绝对差值Yc，找出Xc与Yc的最大值，记录为Lc；找出所有Lc中的最小值Lmc，以Lmc为准，将Lmc分为0～Lmc，Lmc～Lmc+10，Lmc+10～Lmc+20,Lmc+20～Lmc+30.....Lmc+10×(T-2)～Lmc+10×(T-1)这样T个等级(T>＝1)。将每对匹配点的Xc、Yc与Lmc进行比较，当且仅当Xc与Yc均小于Lmc的第m个等级，同时Xc或Yc大于Lmc的第m-1个等级，将其定级为m。将对角区域n对匹配点中等级大于T的匹配点对滤除。另一个对角区域执行相同操作；(b3)两个对角区域各自留下来一定数量的匹配点对，两个对角区域各取一对匹配点构成一个组合，其中欧氏距离较小的一对匹配点用于待测工件图片平移校正，较大的用于旋转校正，遍历所有组合，选择与模板图片重合度最高的校正后的待测图片。5.如权利要求3所述的基于机器视觉的工件缺陷检测方法，其特征在于，所述步骤(c)中的精匹配具体包括以下步骤：(c1)对校正后的待测图片以及原来的模板图片进行相同的区域分割，得到多个子区域；(c2)以一个子区域为例...

【专利技术属性】
技术研发人员：徐贵力，曾瑞篷，姜斌，程月华，王正盛，田祥瑞，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32