一种基于形状匹配的汽车零配件的质量检测方法技术
【技术实现步骤摘要】
一种基于形状匹配的汽车零配件的质量检测方法
本专利技术涉及图像处理技术，特别是涉及一种基于形状匹配的汽车零配件的质量检测方法。
技术介绍
一辆汽车由上万个零件组成，其中包含了汽车车身总成零件和塑料件，这两种在汽车中占比很大。汽车主机厂对其产品质量要求是很高的，对配送厂家的汽车零配件要求关键部分合格率达到100％，其他汽车零配件基本上也都要达到99.99％，对于一级供应商，其要求为100ppm以内，其他二级三级供应商为200～400ppm。因此汽车零配件的合格与否直接影响到汽车主机厂，汽车零配件生产厂家必须花费大量的人力进行检测排查。从汽车市场来看，目前国内的中小企业主要是依靠人工检查，费时费力会漏检，针对上述国内汽车行业的情况，研发汽车零配件视觉检测系统就是为解决客户的检测效率低、人员多、检测质量低等问题。本专利技术涉及图像处理技术，特别是涉及一种基于形状匹配的汽车零配件的质量检测方法，为工厂带来节省人员、降低管理要求、提高检测质量、提高检测效率等好处。
技术实现思路
本专利技术技术解决问题：克服现有技术的不足，提供一种识别准确率高、识别速度快的基于形状匹配的汽车零配...
【技术保护点】
一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：能够检测汽车零配件上是否有漏焊点、漏小零件、漏螺母和漏冲孔的质量问题，检测对象为焊点、小零件、螺母、冲孔，实现步骤如下：步骤1、采用工业相机通过网络的通信方式采集汽车零配件图像；步骤2、判断是否需要创建轮廓库，若需要则进行步骤3，否则转到步骤4；步骤3、截取汽车零配件图像中检测对象图像，基于二维边缘提取法提取检测对象的轮廓，利用检测对象的轮廓图像创建汽车零配件的形状匹配模板库；步骤4、对采集到的图像进行自动截取检测区域，针对检测区域做图像预处理；步骤5、基于二维边缘提取法提取预处理后图像的检测对象轮廓，然后循环遍历形状...
【技术特征摘要】
1.一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：能够检测汽车零配件上是否有漏焊点、漏小零件、漏螺母和漏冲孔的质量问题，检测对象为焊点、小零件、螺母、冲孔，实现步骤如下：步骤1、采用工业相机通过网络的通信方式采集汽车零配件图像；步骤2、判断是否需要创建轮廓库，若需要则进行步骤3，否则转到步骤4；步骤3、截取汽车零配件图像中检测对象图像，基于二维边缘提取法提取检测对象的轮廓，利用检测对象的轮廓图像创建汽车零配件的形状匹配模板库；步骤4、对采集到的图像进行自动截取检测区域，针对检测区域做图像预处理；步骤5、基于二维边缘提取法提取预处理后图像的检测对象轮廓，然后循环遍历形状匹配的模板库，进行轮廓形状匹配，匹配成功的对象即为检测到的检测对象；步骤6、提取检测对象的位置信息和检测出的检测对象数量，与标准的检测对象位置和数量作比较，判断汽车零配件产品的质量是否合格。2.根据权利要求1所述的一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：所述步骤3和步骤5中基于二维边缘提取法提取检测对象轮廓的具体过程为：(1)图像函数用f(r,c)来表示，求图像的梯度向量为：其中，代表图像的梯度向量，r代表图像上某像素点横坐标的值，c表示图像上某像素点纵坐标的值，(r,c)代表图像中像素点的位置信息，f(r,c)代表像素点位置是(r,c)的灰度值，fr表示图像函数在r上的一阶偏导数，fc表示图像函数在c上的一阶偏导数；(2)求梯度向量的欧几里得长度和梯度方向：φ＝-arctan(fr/fc)梯度向量的长度又称梯度向量的量值，梯度方向φ沿从横轴开始的算术正方向，即逆时针方向增大，二维边缘由图像中若干个点组成，在这些点上梯度量值在梯度方向φ上局部最大，此处是检测对象轮廓的特征；(3)通过拉普拉斯算子的过零计算能得到二维边缘，即得到检测对象的轮廓，公式如下：Δf(r,c)＝0其中，Δf表示拉普拉斯算子，frr表示图像函数在r上的二阶偏导数，fcc表示图像函数在c上的二阶偏导数。3.根据权利要求1所述的一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：所述步骤4中图像预处理的具体过程为：(1)对相机采集到的图像进行Gamma校正，用于改善图片的光照条件；(2)直方图均衡化使图像的直方图尽可能平坦，获取可以平均使用所有的像素强度的高质量的图像；(3)对直方图均衡化后的图像进行高斯滤波，去除部分背景干扰；(4)步骤(3)处理后，图像信息均匀，再用矩阵模板法，将有检测对象的区域显露出来，将没有检测对象的区域覆盖掉，以便去掉检测汽车零配件检测对...
【专利技术属性】
技术研发人员：黄荣，
申请(专利权)人：北京得华机器人技术研究院有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。