一种基于机器视觉的夹片锚具尺寸缺陷检测方法技术

本发明专利技术公开了一种基于机器视觉的夹片锚具尺寸缺陷检测方法，属夹片锚具自动检测技术领域，包括如下步骤：相机标定；图像采集；图像预处理；ROI图像的提取；角点检测；尺寸测量；合格判定。本发明专利技术可准确的检出夹片锚具的真实物理尺寸,提高了夹片锚具自动化检测水平，有效地解决了目前人工检测速度慢、效率低、成本高的问题,为实现智能生产、智能制造奠定了基础。

【技术实现步骤摘要】
一种基于机器视觉的夹片锚具尺寸缺陷检测方法
本专利技术涉及夹片锚具自动检测
，尤其涉及一种基于机器视觉的夹片锚具尺寸缺陷检测方法。
技术介绍
随着预应力锚具技术的发展，夹片锚具(简称夹片)在预应力锚具工程中所占比例越来越大，被广泛应用于各种桥梁道路建筑施工中，夹片锚具是预应力锚固体系的重要基础件之一,其尺寸的好坏直接影响预应力构筑物的安全，如果存在尺寸缺陷的工件流入市场，严重时可能导致建筑发生安全事故,极大地破坏了社会安全和人民财产,同样给生产企业带来极大的经济损失和责任风险。因此,对夹片锚具尺寸缺陷的检测是非常重要的环节。目前生产线上采用的检测方法为人工检测,其不足是：检测速度慢、效率较低、成本高、容易造成人为误差检测。
技术实现思路
针对现有技术的不足，本专利技术所解决的问题是如何解决人工检测速度慢、容易造成人为误差的问题。为解决上述技术问题，本专利技术采用的技术方案是一种基于机器视觉的夹片锚具尺寸缺陷检测方法，包括如下步骤：(1)相机标定，使用基准的夹片锚具对象作为标定参照物，测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx，测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky，世界坐标和像素坐标的对应关系为：其中(i,j)是像素坐标，(x,y)是像素坐标对应的世界坐标；(2)图像采集，在红色的碗灯光源下采集夹片锚具图像；(3)图像预处理，采集到的夹片锚具图像进行灰度转换、滤波去除噪声、增强图像对比度；(4)ROI图像的提取，对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取；(5)角点检测,用Harris角点检测ROI区域图像，具体步骤如下：a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M：其中I(x,y)灰度值，Ix为图像I的x方向的梯度；Iy为y方向的梯度；b)对图像进行高斯滤波,得到新的矩阵M：其中G为高斯模板；c)计算原图像上对应每个像素点的角点响应函数CRF的值：CRF(x,y)＝det(M)-K(trace(M))2其中，det(M)表示矩阵M的行列式，trace(M)表示矩阵的迹，K一般取为0.04；d)选取局部极值点；e)设定阈值，选取角点，得到角点集：corner(x,y)；(6)尺寸测量，对角点集corner(x,y)进行相机标定，将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸，两角点之间真实尺寸计算公式如下：其中A(m1,n1)和B(m2,n2)为图像中任意两角点的像素坐标，Δx＝Kx(m2-m1)、Δy＝Ky(n2-n1)、ΔAB分别为真实距离的水平分量、垂直分量和AB间的真实距离；(7)合格判定,采用设置上下偏差的方法进行合格产品的判别,判别公式如下：其中,i＝{1,2,3,4,5}分别代表夹片锚具尺寸的基本参数类型,fti是测试夹片锚具的某一尺寸参数值,fsi为对应的标准参数最优值,Ti是判别容许的上下偏差,该值决定着对夹片锚具尺寸的包容程度,g(fti)是特征判别的结果函数,当函数值等于1时,判别夹片锚具该尺寸参数为合格,否则判其不合格，当且仅当夹片锚具所有的尺寸参数都为合格，才判别其尺寸合格。本专利技术的技术方案具有较高的检测准确率和鲁棒性，缺陷检测的准确率可以达到96％；基于机器视觉的夹片锚具尺寸缺陷检测方法，将机器视觉测量技术引入到夹片锚具的尺寸测量，其检测流程不受操作人员的经验、测量工具、疲劳度等因素的影响，保证了测量的精度，检测速度快，速度可以达到0.2秒每片，有效地提高了夹片锚具工件生产自动化程度和产品的质量。附图说明图1为本专利技术的原理流程图。具体实施方式下面结合附图和实施例对本专利技术的具体实施方式作进一步的说明，但不是对本专利技术的限定。图1示出了一种基于机器视觉的夹片锚具尺寸缺陷检测方法，包括如下步骤：(1)相机标定，图像采集系统调试完成后，需进行相机标定,把夹片锚具图像的像素尺寸转换为毫米尺寸；本方法中的相机标定是采用像素尺寸标定；使用基准的夹片锚具对象作为标定参照物，测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx，测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky，世界坐标和像素坐标的对应关系为：其中(i,j)是像素坐标，(x,y)是像素坐标对应的世界坐标；(2)图像采集，CCD工业相机在红色的碗灯光源下采集夹片锚具图像；(3)图像预处理，采集到的夹片锚具图像进行灰度转换、滤波去除噪声、增强图像对比度；(4)ROI图像的提取，对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取；(5)角点检测,用Harris角点检测ROI区域图像，具体步骤如下：a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M：其中I(x,y)灰度值，Ix为图像I的x方向的梯度；Iy为y方向的梯度；b)对图像进行高斯滤波,得到新的矩阵M：其中G为高斯模板；c)计算原图像上对应每个像素点的角点响应函数CRF的值：CRF(x,y)＝det(M)-K(trace(M))2其中，det(M)表示矩阵M的行列式，trace(M)表示矩阵的迹，K一般取为0.04；d)选取局部极值点；e)设定阈值，选取角点，得到角点集：corner(x,y)；(6)尺寸测量，对角点集corner(x,y)进行相机标定，将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸，两角点之间真实尺寸计算公式如下：其中A(m1,n1)和B(m2,n2)为图像中任意两角点的像素坐标，Δx＝Kx(m2-m1)、Δy＝Ky(n2-n1)、ΔAB分别为真实距离的水平分量、垂直分量和AB间的真实距离；(7)合格判定,采用设置上下偏差的方法进行合格产品的判别,判别公式如下：其中,i＝{1,2,3,4,5}分别代表夹片锚具尺寸的基本参数类型,fti是测试夹片锚具的某一尺寸参数值,fsi为对应的标准参数最优值,Ti是判别容许的上下偏差,该值决定着对夹片锚具尺寸的包容程度,g(fti)是特征判别的结果函数,当函数值等于1时,判别夹片锚具该尺寸参数为合格,否则判其不合格，当且仅当夹片锚具所有的尺寸参数都为合格，才判别其尺寸合格。以上结合附图对本专利技术的实施方式做出了详细说明，但本专利技术不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本专利技术的原理和精神的情况下，对这些实施方式进行各种变化、修改、替换和变型仍落入本专利技术的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的夹片锚具尺寸缺陷检测方法，其特征在于：包括如下步骤：(1)相机标定，使用基准的夹片锚具对象作为标定参照物，测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx，测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky，世界坐标和像素坐标的对应关系为：

【技术特征摘要】
1.一种基于机器视觉的夹片锚具尺寸缺陷检测方法，其特征在于：包括如下步骤：(1)相机标定，使用基准的夹片锚具对象作为标定参照物，测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx，测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky，世界坐标和像素坐标的对应关系为：其中(i,j)是像素坐标，(x,y)是像素坐标对应的世界坐标；(2)图像采集，在红色的碗灯光源下采集夹片锚具图像；(3)图像预处理，采集到的夹片锚具图像进行灰度转换、滤波去除噪声、增强图像对比度；(4)ROI图像的提取，对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取；(5)角点检测,用Harris角点检测ROI区域图像；(6)尺寸测量，对角点集corner(x,y)进行相机标定，将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸；(7)合格判定,采用设置上下偏差的方法进行合格产品的判别。2.根据权利要求1所述的基于机器视觉的夹片锚具尺寸缺陷检测方法，其特征在于：步骤(5)中，所述Harris角点检测，具体步骤如下：a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M：其中I(x,y)灰度值，Ix为图像I的x方向的梯度；Iy...

【专利技术属性】
技术研发人员：王健，唐滔，曾庆宁，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45