基于机器视觉的螺母缺陷检测方法及装置制造方法及图纸

本发明专利技术涉及零件缺陷检测领域，具体涉及一种基于机器视觉的螺母缺陷检测方法及装置，目的是为了提高螺母缺陷检测的效率。本发明专利技术首先获取螺母的俯视图像、侧视图像和斜视图像，并对这3种图像进行二值化处理；然后在二值化处理后的图像上提取待检测螺母的特征参数，与事先预设的特征参数进行比较，从而确定待检测螺母是否存在内径过大或过小、上槽切削过度、未开上槽、上槽开反、外槽数量不符、上下倒置、未开内螺纹，以及是否与其他螺母发生搭接等问题，进而对待检测螺母进行分类，以便区分出废品、次品、异常品和合格品。比起传统的人工检测，本发明专利技术可以高效地对所有螺母进行逐一检测，极大地提高了生产效率，并显著提高了出厂螺母的合格率。

Nut defect detection method and device based on machine vision

The invention relates to the field of part defect detection, in particular to a method and device for detecting the nut defect based on machine vision. The purpose is to improve the efficiency of the nut defect detection. This invention first obtains the overlook image, side view image and strabismus image of the nut, and two values the 3 kinds of images, then extracts the characteristic parameters of the nut to be detected on the image after the two value processing, and compares it with the pre preset characteristic parameters, thus determining whether the inner diameter of the nut to be detected is too large or over. Small, upper trough cutting over, unopened trough, upper trough open, the number of grooves, upside down, unopened internal thread, and other nuts and other problems, and other nuts to be classified, in order to separate waste, defective products, abnormal products and qualified products. Compared with the traditional manual testing, the invention can effectively detect all the nuts one by one, greatly improve the production efficiency, and significantly improve the qualified rate of the nut.

【技术实现步骤摘要】
基于机器视觉的螺母缺陷检测方法及装置
本专利技术涉及零件缺陷检测领域，具体涉及一种基于机器视觉的螺母缺陷检测方法及装置。
技术介绍
螺母是一种将机械设备紧密连接起来的基础零件，目前已被广泛用于汽车制造、建筑、机械、轨道交通、公用设施、铸造业等多个领域。由于材质、规格、技术要求等的不同，市面上螺母产品的种类繁多。受生产流程复杂多变，设备运行维护状况不一，以及人工设置操作不当的影响，自动化流水线生产的螺母存在一定比例的残次品。典型缺陷有：1)螺母内径过大或者过小，导致螺母与螺栓或螺杆无法拧在一起或是拧在一起后咬合力达不到相应标准。由于缺陷难以通过简单返工解决，这类螺母一般被当作废品处理；2)工艺缺失，典型例子有未开内螺纹、未开上槽等，这类缺陷主要是由于生产加工时漏掉了特定加工步骤导致。缺陷明确后，可通过补充执行所漏过的加工步骤让螺母成为合格品解决，因此这类螺母通常被当作次品处理；3)上槽开反，螺母在生产流水线上未正确放置，例如底部朝上，导致后续加工时理应在螺母某一面实施的开槽工艺被错误实施在其它面，整个螺母也因此成为废品。虽然螺母生产企业通过工艺和流程优化、精细化管理等手段，已经将上述残次品螺母的比例控制在一个较低的值，但从保障产品质量的角度来看，螺母质量检测仍然是必不可少的环节。螺母质量检测旨在通过质检步骤发现并剔除存在缺陷螺母，使其不流入终端市场。传统的螺母质检主要由人工完成，工人通过专业量尺测量内径、肉眼观察等方式，确定螺母是否存在缺陷。然而，螺母生产具有单品价值低，数量基数大的特点，通过人工实现全面的螺母质检是不现实的。目前螺母生产企业通常采用的都是人工抽检的质检形式，这种形式可以发现大批量连续的螺母质量问题，对于偶发性的质量问题则起不到明显作用，而后者在实践生产中并不少见。螺母行业急需可以对螺母进行全面准确质量检测的方法及分拣装置。
技术实现思路
为了解决现有技术中的上述问题，本专利技术提出了一种基于机器视觉的螺母缺陷检测方法及装置，极大地提高了检测螺母缺陷的效率，同时保证了检测准确度。本专利技术的一方面，提出一种基于机器视觉的螺母缺陷检测方法，包括以下步骤：分别获取待检测螺母的俯视图像、侧视图像和斜视图像；对所述俯视图像进行二值化处理；提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述侧视图像进行二值化处理；提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述斜视图像进行二值化处理；提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷；所述俯视图像、所述侧视图像和所述斜视图像，为当螺母水平放置时，分别从螺母的正上方、侧面和斜上方所拍摄的图像。优选地，“对所述俯视图像进行二值化处理”，包括：将所述俯视图像转化为灰度图像，通过高斯滤波消除灰度化后的噪点；通过自适应二值化操作将降噪后的所述俯视图像转化为二值图像；对二值图像进行闭运算，排除图像中的噪声。优选地，“对所述侧视图像进行二值化处理”，包括：对所述侧视图像进行灰度化和直方图均衡化，增强所述侧视图像的对比度；通过高斯滤波消除灰度化后的噪点；通过OTSU自适应阈值法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)对图像进行二值化，前景为图像中的低灰度值区域；对二值图像进行闭运算，排除图像中的噪声。优选地，“对所述斜视图像进行二值化处理”，包括：对所述斜视图像进行灰度化和直方图均衡化，增强所述斜视图像的对比度；通过高斯滤波消除灰度化后的噪点；通过OTSU自适应阈值法对图像进行二值化，前景为图像中的高灰度值区域；对二值图像进行闭运算，排除图像中的噪声。优选地，所述预设的俯视图像特征参数，包括：预设的螺母内圆最大半径值和预设的螺母内圆最小半径值；“提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值；将提取的该图像中所述螺母内圆的半径值，分别与预设的螺母内圆最大半径值和预设的螺母内圆最小半径值进行比较，判断待检测螺母是否存在内径过大或过小的缺陷。优选地，“根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值”，包括：根据二值化后的所述俯视图像，找到预设个数的位于螺母内圆上的点；基于圆上任意两点的垂直平分线过圆心的性质，求出两条垂直平分线的交点，作为圆心候选点；重复执行，得到预设数量的所述圆心候选点；丢弃离群的所述圆心候选点，求出剩余的所述圆心候选点的位置平均值，作为检测到的圆心坐标；根据所述检测到的圆心坐标，以及找到的所述预设个数的位于螺母内圆上的点，分别计算所述检测到的圆心坐标与找到的螺母内圆上各点之间的距离，并求出所述距离的平均值，作为提取到的所述螺母内圆的半径值。优选地，所述预设的侧视图像特征参数，包括：预设的图像左边缘区域、预设的图像右边缘区域、预设的左右边界距离与图像宽度之比；“提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述侧视图像，确定螺母在图像中的位置；判断待检测螺母是否存在与其他螺母搭接的情况；其中，所述判断待检测螺母是否存在与其他螺母搭接的情况，具体为：分别提取左、右边界在图像中的位置，并根据预设的图像左边缘区域和预设的图像右边缘区域，分别判断左边界是否位于所述预设的图像左边缘区域，右边界是否位于所述预设的图像右边缘区域；若左边界位于所述预设的图像左边缘区域或右边界位于所述预设的图像右边缘区域，则计算左右边界之间的距离与图像宽度的比值，并判断所述比值是否大于预设的左右边界距离与图像宽度之比；若是，则认为待检测螺母存在与其他螺母搭接的情况。优选地，“根据二值化后的所述侧视图像，确定螺母在图像中的位置”，包括：统计二值化后的所述侧视图像中每一行的前景像素点个数，得到行投影向量；统计二值化后的所述侧视图像中每一列的前景像素点个数，得到列投影向量；分别查找所述行投影向量中像素值跃变位置、所述列投影向量中像素值跃变位置，进而确定待检测螺母在图像中的具体位置。优选地，所述预设的斜视图像特征参数，包括：预设的白色像素占比第三阈值；“提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述斜视图像，计算内螺纹所在图像区域中白色像素的占比；若所述内螺纹所在图像区域中白色像素的占比小于所述预设的白色像素占比第三阈值，则认为待检测螺母未开内螺纹。优选地，“根据二值化后的所述斜视图像，计算所述内螺纹所在图像区域中白色像素的占比”，包括：根据二值化后的所述斜视图像，确定螺母在图像中的位置；根据螺母在图像中的位置，以及预设的内螺纹在螺母中的相对位置，截取内螺纹所在图像区域；对截取的所述内螺纹所在图像区域进行闭运算，本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的螺母缺陷检测方法，其特征在于，包括以下步骤：分别获取待检测螺母的俯视图像、侧视图像和斜视图像；对所述俯视图像进行二值化处理；提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述侧视图像进行二值化处理；提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述斜视图像进行二值化处理；提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷；所述俯视图像、所述侧视图像和所述斜视图像，为当螺母水平放置时，分别从螺母的正上方、侧面和斜上方所拍摄的图像。

【技术特征摘要】
1.一种基于机器视觉的螺母缺陷检测方法，其特征在于，包括以下步骤：分别获取待检测螺母的俯视图像、侧视图像和斜视图像；对所述俯视图像进行二值化处理；提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述侧视图像进行二值化处理；提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷；对所述斜视图像进行二值化处理；提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷；所述俯视图像、所述侧视图像和所述斜视图像，为当螺母水平放置时，分别从螺母的正上方、侧面和斜上方所拍摄的图像。2.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述俯视图像进行二值化处理”，包括：将所述俯视图像转化为灰度图像，通过高斯滤波消除灰度化后的噪点；通过自适应二值化操作将降噪后的所述俯视图像转化为二值图像；对二值图像进行闭运算，排除图像中的噪声。3.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述侧视图像进行二值化处理”，包括：对所述侧视图像进行灰度化和直方图均衡化，增强所述侧视图像的对比度；通过高斯滤波消除灰度化后的噪点；通过OTSU自适应阈值法对图像进行二值化，前景为图像中的低灰度值区域；对二值图像进行闭运算，排除图像中的噪声。4.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述斜视图像进行二值化处理”，包括：对所述斜视图像进行灰度化和直方图均衡化，增强所述斜视图像的对比度；通过高斯滤波消除灰度化后的噪点；通过OTSU自适应阈值法对图像进行二值化，前景为图像中的高灰度值区域；对二值图像进行闭运算，排除图像中的噪声。5.根据权利要求2所述的螺母缺陷检测方法，其特征在于，所述预设的俯视图像特征参数，包括：预设的螺母内圆最大半径值和预设的螺母内圆最小半径值；“提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值；将提取的该图像中所述螺母内圆的半径值，分别与预设的螺母内圆最大半径值和预设的螺母内圆最小半径值进行比较，判断待检测螺母是否存在内径过大或过小的缺陷。6.根据权利要求5所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值”，包括：根据二值化后的所述俯视图像，找到预设个数的位于螺母内圆上的点；基于圆上任意两点的垂直平分线过圆心的性质，求出两条垂直平分线的交点，作为圆心候选点；重复执行，得到预设数量的所述圆心候选点；丢弃离群的所述圆心候选点，求出剩余的所述圆心候选点的位置平均值，作为检测到的圆心坐标；根据所述检测到的圆心坐标，以及找到的所述预设个数的位于螺母内圆上的点，分别计算所述检测到的圆心坐标与找到的螺母内圆上各点之间的距离，并求出所述距离的平均值，作为提取到的所述螺母内圆的半径值。7.根据权利要求3所述的螺母缺陷检测方法，其特征在于，所述预设的侧视图像特征参数，包括：预设的图像左边缘区域、预设的图像右边缘区域、预设的左右边界距离与图像宽度之比；“提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述侧视图像，确定螺母在图像中的位置；判断待检测螺母是否存在与其他螺母搭接的情况；其中，所述判断待检测螺母是否存在与其他螺母搭接的情况，具体为：分别提取左、右边界在图像中的位置，并根据预设的图像左边缘区域和预设的图像右边缘区域，分别判断左边界是否位于所述预设的图像左边缘区域，右边界是否位于所述预设的图像右边缘区域；若左边界位于所述预设的图像左边缘区域或右边界位于所述预设的图像右边缘区域，则计算左右边界之间的距离与图像宽度的比值，并判断所述比值是否大于预设的左右边界距离与图像宽度之比；若是，则认为待检测螺母存在与其他螺母搭接的情况。8.根据权利要求7所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述侧视图像，确定螺母在图像中的位置”，包括：统计二值化后的所述侧视图像中每一行的前景像素点个数，得到行投影向量；统计二值化后的所述侧视图像中每一列的前景像素点个数，得到列投影向量；分别查找所述行投影向量中像素值跃变位置、所述列投影向量中像素值跃变位置，进而确定待检测螺母在图像中的具体位置。9.根据权利要求4所述的螺母缺陷检测方法，其特征在于，所述预设的斜视图像特征参数，包括：预设的白色像素占比第三阈值；“提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：根据二值化后的所述斜视图像，计算内螺纹所在图像区域中白色像素的占比；若所述内螺纹所在图像区域中白色像素的占比小于所述预设的白色像素占比第三阈值，则认为待检测螺母未开内螺纹。10.根据权利要求9所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述斜视图像，计算所述内螺纹所在图像区域中白色像素的占比”，包括：根据二值化后的所述斜视图像，确定螺母在图像中的位置；根据螺母在图像中的位置，以及预设的内螺纹在螺母中的相对位置，截取内螺纹所在图像区域；对截取的所述内螺纹所在图像区域进行闭运算，消除噪声点；分别计算所述内螺纹所在图像区域中像素总个数和白色像素的个数，进而计算所述白色像素的个数与所述像素总个数之间的比值，得到所述内螺纹所在图像区域中白色像素的占比。11.根据权利要求10所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述斜视图像，确定螺母在图像中的位置”，包括：统计二值化后的所述斜视图像中每一行的前景像素点个数，得到行投影向量；统计二值化后的所述斜视图像中每一列的前景像素点个数，得到列投影向量；分别查找所述行投影向量中像素值跃变位置、所述列投影向量中像素值跃变位置，进而确定待检测螺母在图像中的具体位置。12.根据权利要求5所述的螺母缺陷检测方法，其特征在于，若合格螺母底端的内径大于顶端的内径，且顶端开有多个上槽，则所述预设的俯视图像特征参数，还包括：预设的半径差阈值，以及预设的半径增量l1、l2，且l2<l1；在“判断待检测螺母是否存在内径过大或过小的缺陷”之后，还包括：若待检测螺母存在内径过大的缺陷，则进一步判断待检测螺母是否上下倒置；所述上下倒置，为待检测螺母顶端向下底端向上，水平放置；其中，所述判断待检测螺母是否上下倒置，具体为：计算提取到的所述螺母内圆的半径值r与所述预设的螺母内圆半径值之间的差值；若计算得到的差值大于所述预设的半径差阈值，则在二值化后的所述俯视图像上取一个半径值在[r,r+l1]范围内的环形区域，令所述环形区域包括整个螺母的像素点；对所述环形区域进行连通域分析，若至少存在一个前景连通域，且该前景连通域同时满...

【专利技术属性】
技术研发人员：陈智能，徐毅，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11