一种基于像素向量不变关系特征的工业零件缺损检测算法制造技术

本发明专利技术涉及一种基于像素向量不变关系特征的工业零件缺损检测算法。包括以下步骤：步骤1：对待检测轮廓或局部纹理进行轮廓提取，得到待检测边缘像素；步骤2：定义检测窗口宽度大小，并根据定义的像素线性关系判定函数对检测窗口宽度进行优化调节，实现窗口内像素间方向向量的提取；以预设步长沿待检测边缘滑动该检测窗口，完成所有待检测边缘像素向量的提取；步骤3：计算待检测边缘像素向量的不变关系特征，与标准零件边缘像素间的不变关系特征进行比较，确定零件缺陷与否。本发明专利技术能利用轮廓像素在局部位置关系上的差异构建边缘像素向量，并利用向量方向或者向量模值之间的不变信息进行差异匹配，实现缺损检测。

【技术实现步骤摘要】
一种基于像素向量不变关系特征的工业零件缺损检测算法
本专利技术属于模式识别与自动化
，具体涉及一种基于像素向量不变关系特征的工业零件缺损检测算法。
技术介绍
随着科学技术的发展，生产过程自动化和机械加工的广泛应用，对生产加工的零件精度、质量、加工效率的要求不断提高。同时，零件的缺损检测问题也越来越引起人们的重视。零件缺陷检测是保证零件使用安全的重要手段。传统的零件破损检测方法主要依靠人工鉴别，存在速度慢、数据纪录麻烦、容易造成检测者的视觉疲劳等缺点，而且检测结果具有主观性，难以保证检测的精度和零件的质量定标。但是用机器视觉检测方法可在提高生产效率和生产的自动化程度的同时实现缺陷检测的客观性和标准化。目前，基于图像的缺损检测技术(defectdetection/inspection)大体上可以分为两类：一类是检测工件的纹理缺损(texturedefectdetection/inspection)。另一类是检测工件的结构缺损(patterndefectdetection/inspection)。纹理缺损主要指纹理表面的破损。纹理图像在灰度和结构上具有规律性变化，针对图像的局部纹理区域常使用区域的尺寸，可分辨灰度元素的数目以及这些灰度元素的相互关系来描述。常用检测方法有变换方法、数学形态学法等。结构缺损包括表面裂纹、划痕、凹坑等。作为结构缺损的一种，零件边缘缺损检测主要是通过被测零件与标准零件边缘之间的差异测量的，通过被测零件与标准零件之间进行差异匹配，如果该差异超出一定范围，即为边缘缺损。但是当缺损大小存在不同尺度或者被测零件在视场中的位置与模板之间具有随机的角度偏移时，如何定义这种测量差异将是一个很难解决的问题。针对零件缺损的特征描述往往需要根据缺损种类和状态具体分析，有时候结构缺损在零件表面或视场中的表现形式更类似于一种局部纹理结构的缺损，对它的检测需要参考纹理特征设计的思想来设计描述特征。因此，对设计一种能够克服零件角度偏移，适应零件缺损尺度变化，实现对零件边缘及局部纹理缺损进行描述的特征提出了需求。
技术实现思路
针对现有技术中的不足，实现存在明显边缘轮廓或局部纹理差异的零件缺损特征描述及缺损检测，设计并提出一种基于像素向量不变关系特征的工业零件缺损检测算法：但凡被测零件缺损部位边缘轮廓或局部纹理存在能够被人眼识别的明显缺损差异，其轮廓像素必将存在局部位置关系上的差异，利用这些差异信息构建边缘像素向量，并利用向量方向或者向量模值之间的不变信息进行差异匹配，实现缺损检测。本专利技术为实现上述目的所采用的技术方案是：一种基于像素向量不变关系特征的工业零件缺损检测算法，包括以下步骤：步骤1：对待检测轮廓或局部纹理进行轮廓提取，得到待检测边缘像素；步骤2：定义检测窗口宽度大小，并根据定义的像素线性关系判定函数对检测窗口宽度进行优化调节，实现窗口内像素间方向向量的提取；以预设步长沿待检测边缘滑动该检测窗口，完成所有待检测边缘像素向量的提取；步骤3：计算待检测边缘像素向量的不变关系特征，与标准零件边缘像素间的不变关系特征进行比较，确定零件缺陷与否。所述步骤1包括：步骤1.1：选取梯度阈值并运用Canny边缘检测算法，实现对待检测图像中的缺损感兴趣区域的边缘检测，得到边缘连通域轮廓二值图像；步骤1.2：对提取到的边缘连通域轮廓二值图像根据轮廓位置进行筛选，提取待检测的连通域轮廓像素；步骤1.3：对待检测的连通域轮廓像素进一步提取存在缺损差异的局部像素连通域，得到待检测边缘像素。所述步骤2包括：步骤2.1：定义初始检测窗口宽度w0；步骤2.2：从步骤1中得到的待检测边缘像素，选取检测窗口内待检测边缘像素的坐标作为二维像素坐标系的坐标点(xi,yi),i＝1,2……mj；其中，i＝1,2……mj，mj为检测窗口内像素点的总个数，j为当前缩小检测窗口的次数；步骤2.3：计算窗口内像素向量提取的初始判定函数Rldc；步骤2.4：若初始判定函数Rldc＝0，则缩小检测窗口宽度到wj重新返回步骤2.2；wj＝w0-j*ΔL，(3)其中，△L为缩小检测窗口的预设步长，j为到当前缩小检测窗口的次数；步骤2.5：若初始判定函数Rldc＝1，则采用最小二乘法拟合当前检测窗口内的所有像素点得到拟合直线求解两个待定参数和其中，代表斜率，代表截距；变量x代表像素的列坐标，y代表像素的行坐标；步骤2.6：计算窗口内像素向量提取的第二个判定函数Rrc；步骤2.7：若判定函数Rrc＝0，则进一步缩小检测窗口宽度到wj重新返回步骤2.2；wj＝w0-j*ΔL，(3)其中，△L为缩小检测窗口的预设步长，j为到目前为止缩小检测窗口的次数；步骤2.8：若判定函数Rrc＝1，此时步骤2.5中计算得到的拟合直线方向就是待求方向向量的方向，即参数而待求方向向量的模值|v|由检测窗口的宽度和拟合直线的斜率，根据勾股定理得到：步骤2.9：当当前检测窗口内方向向量求取结束后，返回步骤2.1以当前检测窗口的宽度为预设步长沿待检测边缘滑动检测窗口，保证前后窗口的无缝连接，完成所有待检测边缘像素向量的提取。所述步骤2.3中计算窗口内像素向量提取的初始判定函数Rldc，包括：定义窗口内像素向量提取的初始判定函数Rldc如下：上式中，r代表线性相关系数，Tr表示线性相关的判定阈值；线性相关系数r表示两组数据线性相关的程度，即同时增大或减小的程度；当检测窗口内像素坐标点的线性相关系数大于期望判定阈值Tr时，表明窗口内待检测像素坐标点具有线性相关性，此时判定函数值Rldc置1，否则表明该像素坐标点之间无明显线性相关特性，判定函数值Rldc置0；线性相关系数r定义如下：其中，mj表示窗口内待拟合像素坐标点的个数，r表示两变量之间的函数关系与线性的符合程度，r∈[-1,1]；当|r|→1，表示xi、yi间线性关系好；当|r|→0，表示xi、yi间无线性关系；(xi,yi)为检测窗口内像素点的坐标，i＝1,2……mj，mj为检测窗口内像素点的总个数，j为当前缩小检测窗口的次数。所述步骤2.5中的两个待定参数和的求解过程为：计算残差平方和Q值最小：上式分别对a、b求偏导得：整理后得到方程组：解上述方程组(7)便可求得直线参数a和b的最佳估计值：其中，mj为检测窗口内像素坐标点的个数，j为当前缩小检测窗口的次数。所述步骤2.6中的计算窗口内像素向量提取的第二个判定函数Rrc包括：将上式代入(4)式求得残差平方和的最小值Qmin，并得到窗口内像素向量提取的第二个判定函数Rrc；其中，残差平方和的最小值Qmin，表示窗口内像素坐标点与线性最优估计之间的线性离散程度，Ts为线性离散程度的阈值；当Qmin小于线性离散程度阈值Ts时，表明像素坐标点集中分布在最优估计周围，此时置判定系数Rrc为1；当Qmin大于线性离散程度阈值Ts时，表明像素坐标点在最优估计周围的分布并不是很集中，此时置判定函数Rrc为0。所述步骤3中的，包括：步骤3.1：定义标准完整零件的不变特征：指标准完整零件的相邻方向向量之间存在如下夹角关系：TLI≤θIJ≤THI(12)其中，θIJ表示第I个方向向量与相邻的第J个方向向量之间的夹角大小，其中J＝I+1；TLI为θIJ的低阈值，THI为θIJ的高阈值；步骤3.2：本文档来自技高网...

【技术保护点】
1.一种基于像素向量不变关系特征的工业零件缺损检测算法，其特征在于，包括以下步骤：步骤1：对待检测轮廓或局部纹理进行轮廓提取，得到待检测边缘像素；步骤2：定义检测窗口宽度大小，并根据定义的像素线性关系判定函数对检测窗口宽度进行优化调节，实现窗口内像素间方向向量的提取；以预设步长沿待检测边缘滑动该检测窗口，完成所有待检测边缘像素向量的提取；步骤3：计算待检测边缘像素向量的不变关系特征，与标准零件边缘像素间的不变关系特征进行比较，确定零件缺陷与否。

【技术特征摘要】
1.一种基于像素向量不变关系特征的工业零件缺损检测算法，其特征在于，包括以下步骤：步骤1：对待检测轮廓或局部纹理进行轮廓提取，得到待检测边缘像素；步骤2：定义检测窗口宽度大小，并根据定义的像素线性关系判定函数对检测窗口宽度进行优化调节，实现窗口内像素间方向向量的提取；以预设步长沿待检测边缘滑动该检测窗口，完成所有待检测边缘像素向量的提取；步骤3：计算待检测边缘像素向量的不变关系特征，与标准零件边缘像素间的不变关系特征进行比较，确定零件缺陷与否。2.按照权利要求1的一种基于像素向量不变关系特征的工业零件缺损检测算法，其特征在于，所述步骤1包括：步骤1.1：选取梯度阈值并运用Canny边缘检测算法，实现对待检测图像中的缺损感兴趣区域的边缘检测，得到边缘连通域轮廓二值图像；步骤1.2：对提取到的边缘连通域轮廓二值图像根据轮廓位置进行筛选，提取待检测的连通域轮廓像素；步骤1.3：对待检测的连通域轮廓像素进一步提取存在缺损差异的局部像素连通域，得到待检测边缘像素。3.按照权利要求1所述的一种基于像素向量不变关系特征的工业零件缺损检测算法，其特征在于，所述步骤2包括：步骤2.1：定义初始检测窗口宽度w0；步骤2.2：从步骤1中得到的待检测边缘像素，选取检测窗口内待检测边缘像素的坐标作为二维像素坐标系的坐标点(xi,yi),i＝1,2……mj；其中，i＝1,2……mj，mj为检测窗口内像素点的总个数，j为当前缩小检测窗口的次数；步骤2.3：计算窗口内像素向量提取的初始判定函数Rldc；步骤2.4：若初始判定函数Rldc＝0，则缩小检测窗口宽度到wj重新返回步骤2.2；wj＝w0-j*ΔL，(3)其中，△L为缩小检测窗口的预设步长，j为到当前缩小检测窗口的次数；步骤2.5：若初始判定函数Rldc＝1，则采用最小二乘法拟合当前检测窗口内的所有像素点得到拟合直线求解两个待定参数和其中，代表斜率，代表截距；变量x代表像素的列坐标，y代表像素的行坐标；步骤2.6：计算窗口内像素向量提取的第二个判定函数Rrc；步骤2.7：若判定函数Rrc＝0，则进一步缩小检测窗口宽度到wj重新返回步骤2.2；wj＝w0-j*ΔL，(3)其中，△L为缩小检测窗口的预设步长，j为到目前为止缩小检测窗口的次数；步骤2.8：若判定函数Rrc＝1，此时步骤2.5中计算得到的拟合直线方向就是待求方向向量的方向，即参数而待求方向向量的模值|v|由检测窗口的宽度和拟合直线的斜率，根据勾股定理得到：步骤2.9：当当前检测窗口内方向向量求取结束后，返回步骤2.1以当前检测窗口的宽度为预设步长沿待检测边缘滑动检测窗口，保证前后窗口的无缝连接，完成所有待检测边缘像素向量的提取...

【专利技术属性】
技术研发人员：华春生，马立永，何玉庆，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁,21