基于机器视觉的轴质量检测方法技术

本发明专利技术公开了一种基于机器视觉的轴质量检测方法，其步骤为：S1：图像预处理；包括寻找轴截面矩形区域和进行图像增强处理；S2：将经过步骤S1处理后的图像进行分割处理，即将轴截面图像分割为若干个小区域，对每个区域内的每小块求解灰度值均值，用柱状图分析单个区域内的灰度值均值变化情况；S3：进行分类判断依据步骤S2得到的柱状图，从而判定轴的质量问题。本发明专利技术具有原理简单、效率高、检测精确度高等优点。

【技术实现步骤摘要】

本专利技术主要涉及到产品质量的检测领域，特指一种适用于轴的机器视觉质量检测 方法。
技术介绍
目前，对于"轴"的质量检测主要是依靠人眼观察的方法进行，而人眼检测的方法 具有效率低、误检率高、没有统一的质量检测评判标准、人工费用高等缺点；其中，仅仅凭 借人的经验进行选择，往往导致误检率高，且产品质量得不到保障，直接影响在市场上的销 售。 电机轴的主要材料有碳钢、不锈钢、铜、铝等。以微型电机轴(又称精密轴）为例， 其直径相对较小，加工工艺精度高微型轴相对较小，精度高，一般是由客户提供图纸，根据 客户要求定制加工，主要通过检测轴截面的各种情况进行质量判定，如轴存在的问题有：平 花、粗糙、倒角、平头、尖头擦伤、螺纹等，电机轴检测最小直径范围可为0. 2_。由此可见，如 果仅凭人眼来进行检测效率将会十分低下，且无法保证检测精度。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一 种原理简单、效率高、检测精确度高的。 为解决上述技术问题，本专利技术采用以下技术方案： 一种，其特征在于，步骤为： 51 :图像预处理；包括寻找轴截面矩形区域和进行图像增强处理； 52 :将经过步骤S1处理后的图像进行分割处理，即将轴截面图像分割为若干个小区 域，对每个区域内的每小块求解灰度值均值，用柱状图分析单个区域内的灰度值均值变化 情况； 53 :进行分类判断依据步骤S2得到的柱状图，从而判定轴的质量问题。 作为本专利技术的进一步改进：所述寻找轴截面矩形区域的具体流程为： 5101 :获取图像；利用图像采集设备获取到轴的横截面图像； 5102 :灰度转化；将步骤S1得到的彩色图像进行灰度转化； 5103 :Canny边缘检测；对步骤S2得到的整幅图像进行Canny边缘检测算法； 5104 :找到每段连续边缘矩形区域坐标；从图像信息中的每一段具有相对的坐标数 据，将各段的坐标数据转换成矩形区域； 5105 :使用聚类算法对矩形区域进行分类、合并；根据矩形区域中心距离的远近利用 聚类算法进行分类、合并； 5106 :得到轴截面矩形区域，将轴截面矩形区域图像像素的大小进行归一化处理。 作为本专利技术的进一步改进：所述图像增强处理的具体流程为： S1001 :对轴检测的截面图像的像素灰度值进行直方图统计分析，根据统计分析结果获 取图像中的亮斑阈值A; 51002 :将超过该阈值A的所有像素点舍弃后，对轴截面图像中每一像素点的值用该 点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，即中值滤波；在中值滤波 时，只对小于、等于或小于等于阈值A的所有像素点进行滤波处理； 51003 :获得轴截面图像。 作为本专利技术的进一步改进：，在所述步骤S2中，所述区域的形状为扇形、圆环形或 矩形。 作为本专利技术的进一步改进：所述轴截面图像以45度角分割成八块，再以每个扇形 进行细分为十块，全图共分为八十块小区域。 作为本专利技术的进一步改进：在所述步骤S3中，对轴的质量问题情况对应分为五类 进行判断： A. 若柱状图中出现多个波峰，且波峰数量越多，则为质量问题轴的可能性越大； B. 若柱状图中出现多个波谷，且波谷数量越多，则为质量问题轴可能性越大； C. 若柱状图中连续出现等高的柱状块，等高柱状图越多则为质量问题轴的可能性越 大； D. 若柱状图中连续两相邻柱状块的高度值，变化率越大则为质量问题轴的可能性越 大； E. 若柱状图中连续相隔柱状块的高度值，其变化率越大则为质量问题轴的可能性越 大。 作为本专利技术的进一步改进：在所述判别过程中，对于质量问题的轴检测情况，根据 五类问题划分等级化为〇至5,其中/7为1至5,所对应的加权权值分别是波峰质量问题错 误权值本为〇. 32,波谷质量问题错误权值馬为0. 42,连续等高柱状块的质量问题错误权值 馬为〇. 45,相邻柱状块变化率的质量问题错误权值&为0. 46,间隔柱状块变化率的质量问 题错误权值馬为0.35 ;将上述电机轴截面检测中的质量问题错误等级与质量问题的错误 权值相乘，并对所有的质量问题错误的值进行求和，以此来判断待测电机轴的质量情况。 与现有技术相比，本专利技术的优点在于：本专利技术的， 可以适用于各种尺寸直径，方法原理简单、快速且稳定，其效率远远高于人眼。针对不同错 误从图中会有对应图形分析结果，效率高，可以通过设定不同的参数标准来判断不同的错 误类型。【附图说明】 图1是本专利技术方法的流程示意图。 图2是本专利技术中寻找轴截面矩形区域的流程示意图。 图3是本专利技术在具体应用中进行边缘提取图像的示意图。 图4是本专利技术在具体应用中聚类后的图像示意图。 图5是本专利技术在具体应用中轴截面原图示意图。 图6是本专利技术在具体应用中进行图像增强处理的流程示意图。 图7是本专利技术在具体应用中轴截面中值后滤波图。 图8是本专利技术在具体应用中轴截面分割均值滤波图。 图9是本专利技术在具体应用中良品电机轴一个扇形区域柱状图。 图10是本专利技术在具体应用中质量问题的轴一个扇形区域柱状图。 图11是本专利技术在具体应用中质量问题的轴轴一个扇形区域柱状图。 图12是本专利技术在具体应用中进行轴质量问题判定的流程示意图。【具体实施方式】 以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。 如图1所示，本专利技术的，步骤为： 51 :图像预处理；包括寻找轴截面矩形区域和进行图像增强处理； 52 :将经过步骤S1处理后的图像进行分割处理，即将轴截面图像分割为若干个小区 域，对每个区域内的每小块求解灰度值均值，用柱状图分析单个区域内的灰度值均值变化 情况； 53 :进行分类判断依据步骤S2得到的柱状图，从而判定轴的质量问题。 由于边缘检测结果复杂且不连续，传统方式中使用hough变换进行检测边缘的方 法，导致在寻找轴截面区域的过程中，其准确度低、可靠性差，需要进行优化。具体应用实例 中，于步骤S1，本专利技术进一步对寻找轴截面矩形区域的过程进行优化，如图2所示，其具体 流程为： 5101 :获取图像；利用图像采集设备(如：相机）获取到轴(如：电机轴）的横截面图像； 5102 :灰度转化；将步骤S1得到的彩色图像进行灰度转化； 5103 :Canny边缘检测；对步骤S2得到的整幅图像进行Canny边缘检测算法(参见图 3)； 5104 :找到每段连续边缘矩形区域坐标；从图像信息中的每一段具有相对的坐标数 据，将各段的坐标数据转换成矩形区域； 5105 :使用聚类算法对矩形区域进行分类、合并；根据矩形区域中心距离的远近利用 聚类算法进行分类、合并(参见图4); 5106 :得到轴截面矩形区域，将轴截面矩形区域图像像素的大小进行归一化处理。 由于轴截面加工情况不同，导致轴的表面光滑程度不同，轴截面通过光照后，在光 反射区域可能出现阴影，光照不均等情况，也就是光强大小不同，如图5所示，那么在轴截 面的检测图像中所呈现的灰度值大小也会不不同，此时的像素点会在反光较强的区域产生 亮斑，在针对轴截面图像预处理的过程中，传统方式中直接使用高斯滤波、均值滤波、Gabor 滤波、中值滤波等方法进行图像增强处理，其效果不佳。具体应用实例中，于步骤S1，本专利技术 进一步进行图像增强处理进行优化，如图6所示，其具体流程为： 51001 :本文档来自技高网...

【技术保护点】
一种基于机器视觉的轴质量检测方法，其特征在于，步骤为：S1：图像预处理；包括寻找轴截面矩形区域和进行图像增强处理；S2：将经过步骤S1处理后的图像进行分割处理，即将轴截面图像分割为若干个小区域，对每个区域内的每小块求解灰度值均值，用柱状图分析单个区域内的灰度值均值变化情况；S3：进行分类判断依据步骤S2得到的柱状图，从而判定轴的质量问题。

【技术特征摘要】

【专利技术属性】
技术研发人员：李迅，
申请(专利权)人：长沙慧联智能科技有限公司，
类型：发明
国别省市：湖南;43