磁环表面缺陷提取方法技术

本发明专利技术公开了一种磁环表面缺陷提取方法，包括如下步骤：利用0TSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)；将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。本发明专利技术运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷的具有特点。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，尤其是涉及一种检测准确率高、检测效率高的磁环表面缺陷提取方法。
技术介绍
铁氧体磁环被广泛应用于电饭煲、电磁炉、音响等产品中，也是电子电路中常用的抗干扰元件，对于高频噪声有很好的抑制作用。但是，在磁环成型过程中，原材料搅拌不均匀或混有杂质、成型模具的磨损、烧结工序的温度控制不当或半成品受热不均匀等均会使磁环产生表面缺陷，如裂纹、粘连、结晶及掉角等。表面缺陷会直接影响磁材后期的品质，导致产品导磁率低、气隙大，降低产品的可靠性和稳定性。因此，出厂之前必须快速高效并准确检测磁环表面缺陷。目前，绝大多数磁环生产企业采取人工检测缺陷，受限于工人的精神状态、检测熟练水平、经验积累水平以及工作环境等多方面因素，检测的效率低、速度慢，而且不可避免的产生错捡、漏检。虽然超声波、电涡流等无损检测技术已广泛应用于产品缺陷检测，但其检测成本高、速度慢、精度低，而且涡流检测要求被检对象是导电材料。铁氧体磁环的导电性能比较差，绝大多数生产企业要求磁环检测速度8-10个/秒，而且不仅需要检测出是否存在缺陷，还要根据厂家要求精确测量出缺陷区域的参数，并以此对产品进行分级，超声波和电涡流等无损检测技术在磁环表面缺陷检测方面受到了限制。数字图像处理技术具有信息含量大、表现形式直观、传输存储方便等优点，随着电子、计算机和通信技术的发展，基于机器视觉的表面缺陷检测成为可能，国内外学者对此开展了广泛的研究，一些研究成果已经成功应用于钢珠、铁轨等产品的表面缺陷检。由于铁氧体永磁体呈深灰色，其成像对比度比较低，图像表面暗淡；而且磁体外表面存在磨加工产生的纹理，输送磁体的皮带会出现油污、磨损、灰尘等状况。因此，磁体图象比较复杂，已有的表面缺陷检测算法不能适用于铁氧体永磁体。
技术实现思路
本专利技术的专利技术目的是为了克服现有技术中的人工检测容易出现错捡、漏检的不足，提供了一种检测准确率高、检测效率高的磁环表面缺陷提取方法。为了实现上述目的，本专利技术采用以下技术方案：一种磁环表面缺陷提取方法，包括如下步骤：(1-1)利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；OTSU为最大类间方差法；(1-2)利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)；(1-3)将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；(1-4)对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；(1-5)将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。横店东磁等铁氧永磁体生产企业的一般要求检测速度8-10个/秒，检测算法除了需要有比较高的表面缺陷正确识别率，还应具有很高的运行效率。现有技术采用Curvelet变换、非下采样Contourlet变换、shearlet变换、小波变换凳多尺度分析技术，算法运行效率不能满足要求，而且在嵌入式系统中难以实现；有的表面缺陷正确识别率比较低，不能满足精度要求。此外，目前磁环缺陷检测算法只能检测上下端面的表面缺陷，无法检测外表面和内表面的缺陷。本专利技术的在线运行实验结果表明，本专利技术的算法运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷，并且对于不常见的微小缺陷检测能力高；本专利技术对光照变化、磁环类型变化适应性强；算法稳定，便于系统的检修维护。作为优选，步骤(1-2)包括如下步骤：利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；利用公式θ[X，Y]＝arctan(GX(X，Y)/GY(X，Y))计算图像G(X，Y)的方向角θ[X，Y]；其中，Gx＝[F(X+1，Y)-F(X，Y)+F(X+1，Y+1)-F(X，Y+1)]/2Gy＝[F(X，Y+1)-F(X，Y)+F(X+1，Y+1)-F(X+1，Y)]/2；利用插值对梯度幅值T(X，Y)进行非极大值抑制：将非极大值抑制后的图像G(X，Y)中最大的像素值记为Lmax，统计非极大值抑制后的图像G(X，Y)中1-Lmax各灰度级的像素个数，并按灰度级大小进行排列，设定1-Lmax各灰度级像素总数为Hist；设定C×Hist(0＜C＜1)的灰度值为L，则利用公式THH＝L+1计算高阈值THH，利用公式THL＝0.3*THH计算低阈值THL；得到边缘检测图像Q(X，Y)。作为优选，步骤(1-3)包括如下步骤：利用公式计算并得到Q(X，Y)的数字形态学运算图像Qx(X，Y)；其中，H为腐蚀和膨胀结构元素，表示膨胀，Θ表示腐蚀。作为优选，步骤(1-4)包括如下步骤：在Qx(X，Y)中查找所有连通域N′i，设定连通域N′i中的每个像素的像素值均为255，得到图像Qm，其中i为连通域序号。因此，本专利技术具有如下有益效果：运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷，并且对于不常见的微小缺陷检测能力高。附图说明图1是本专利技术的一种流程图；图2是本专利技术的一种磁环表面缺陷检测过程状态图；图3是一种算法对比图。具体实施方式下面结合附图和具体实施方式对本专利技术做进一步的描述。如图1、图2所示的实施例是一种磁环表面缺陷提取方法，图2中，从左至右依次为：原图像S(X，Y)、屏蔽背景图像F(X，Y)、边缘提取图像Q(X，Y)、数学形态学图像Qx(X，Y)、掩模图像Qm(X，Y)、缺陷连通域图像Q′(X，Y)；包括如下步骤：步骤100，利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；步骤200，利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)；利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；利用公式θ[X，Y]＝arctan(GX(X，Y)/GY(X，Y))计算图像G(X，Y)的方向角θ[X，Y]；其中，Gx＝[F(X+1，Y)-F(X，Y)+F(X+1，Y+1)-F(X，Y+1)]/2Gy＝[F(X，Y+1)-F(X，Y)+F(X+1，Y+1)-F(X+1，Y)]/2；利用插值对梯度幅值T(X，Y)进行非极大值抑制：将非极大值抑制后的图像G(X，Y)中最大的像素值记为Lmax，统计非极大值抑制后的图像G(X，Y)中1-Lmax各灰度级的像素个数，并按灰度级大小进行排列，设定1-Lmax各灰度级像素总数为Hist；设定C×Hist(0＜C＜1)的灰度值为L，则利用公式THH＝L+1计算高阈值THH，利用公式THL＝0.3*THH计算低阈值THL；得到边缘检测图像Q(X，Y)。步骤300，将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；利用公式计算并得到Q(X，Y)的数字形态学运算图像Qx(X，Y)；其中，H为本文档来自技高网...

【技术保护点】
一种磁环表面缺陷提取方法，其特征是，包括如下步骤：(1‑1)利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；(1‑2)利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)：(1‑3)将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；(1‑4)对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；(1‑5)将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。

【技术特征摘要】
1.一种磁环表面缺陷提取方法，其特征是，包括如下步骤：(1-1)利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；(1-2)利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)：(1-3)将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；(1-4)对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；(1-5)将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。2.根据权利要求1所述的磁环表面缺陷提取方法，其特征是，步骤(1-2)包括如下步骤：利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；利用公式θ[X，Y]＝arctan(GX(X，Y)/GY(X，Y))计算图像G(X，Y)的方向角θ[X，Y]；其中，Gx＝[F(X+1，Y)-F...

【专利技术属性】
技术研发人员：李俊峰，张之祥，沈军民，陈龙，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33