基于机器视觉的缺陷检测方法、装置以及系统，属于视觉检测技术领域。解决了现有传统的人工方式存在的缺陷。所述缺陷检测方法包括：采集标准工件和测试工件的原始彩色图像，并进行图像处理，获得检测参数；将边界轮廓长度与阈值比较，筛选出有表面边缘缺陷的工件；将有表面边缘缺陷的工件的边界轮廓与标准边界轮廓图形对照，确定缺陷位置，完成检测。本发明专利技术适用于对具有粗糙边缘的工件进行表面边缘缺陷检测。检测。检测。
【技术实现步骤摘要】
基于机器视觉的缺陷检测方法、装置以及系统
[0001]本专利技术属于视觉检测
，尤其涉及工件表面边缘缺陷检测
技术介绍
[0002]缸盖作为现代工业制造领域的重要零部件之一，被广泛运用于石油、国防、航空航天和汽车工业领域中。缸盖是汽车发动机的基础零件，它构成发动机的主体框架。而发动机是汽车的最核心部件之一，是汽车的运行的动力来源。因此，国内外众多科研机构和学者展开了对发动机缸盖表面边缘缺陷检测的研究。
[0003]传统的缺陷检测方法是采用人工的方式，即利用人眼进行缺陷的识别和检测。传统人工方式的检测效率及精度均难以满足现代工业需求，其存在的主要问题是：
[0004]1.传统的人工方式，工人利用人眼来识别和检测被测物体，在长期的单一重复性工作中，工人容易产生疲劳，进而检测的效率和精度下降，导致不合格的产品流入到应用市场中，即具有检测效率低、检测持续性差、精度低等问题。
[0005]2.传统的人工方式，不同的工人操作的手法力度宽严也不尽相同，对于极限件合格性的判断会产生相对应的差异，即具有不同人进行检测的结果一致性差的问题。
[0006]随着计算机视觉技术的发展，逐步出现了一些基于计算机视觉的发动机缸盖的缺陷检测方法，例如法肯公司的光学检测设备等。虽然这些现有的方法都可以检测缸盖表面的缺陷，但缸盖毛坯件由于自身加工粗糙会与加工缺陷混淆，因此无法依据一个绝对的标准去定义缺陷，使得缺陷检测系统性能的进一步提升遇到了瓶颈，即现有基于机器视觉的检测方法存在的问题是：
[0007]发动机缸盖检测面较多，加工面边缘自身参差不齐，缺陷成因复杂，使用机器视觉进行检测时，存在毛坯件自身正常的粗糙边缘与加工缺陷相混淆，导致加工缺陷要么识别不出来、要么识别错误的问题。
技术实现思路
[0008]本专利技术的目的在于提出一种基于机器视觉的工件表面边缘缺陷检测方法，以解决现有技术所存在的下述技术问题：
[0009](1)传统的人工方式，人工缺陷检测效率低、持续性差、精度低等问题；
[0010](2)传统的人工方式，不同工人缺陷检测结果一致性差的问题；
[0011](3)由于工件自身正常的粗糙边缘与加工缺陷相混淆，导致现有基于机器视觉的缺陷检测技术要么识别不出来加工缺陷、要么将粗糙边缘错误识别为加工缺陷的问题。
[0012]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
[0013]一种基于机器视觉的工件表面边缘缺陷检测方法，所述工件表面边缘缺陷检测方法，具体包括∶
[0014]S1、参照标椎模板文件中的标准图像，对测试工件的原始彩色图像进行预处理，绘制所述测试工件的边界轮廓，获得测试图像，并计算得到所述边界轮廓的长度；
[0015]S2、将所述测试工件的所述边界轮廓长度与标椎模板文件中的边界轮廓长度阈值进行对比，筛选出有表面边缘缺陷的测试工件；
[0016]S3、将所述有表面边缘缺陷的测试工件的边界轮廓与标椎模板文件中的标准边界轮廓图形比对，确定缺陷位置，完成检测。
[0017]进一步的实施方式中，所述标准模板文件是通过下述构建方法获得的，具体包括：
[0018]ST1、从测试工件中挑选出一个没有表面边缘缺陷的工件，作为标椎工件；
[0019]ST2、采集所述标准工件的原始彩色图像；
[0020]ST3、对采集的所述标准工件的原始彩色图像进行图像处理，绘制标准边界轮廓，获得标准图像，指定边界轮廓长度阈值，并保存为标椎模板文件。
[0021]进一步的实施方式中，所述ST2，具体包括：
[0022]将标椎工件、彩色相机、光源分别固定于相应位置，调整好光源角度使标椎工件表面光照强度分布均匀，然后调整彩色相机的拍摄角度使其对准标椎工件的表面进行拍摄，获得标准工件的原始彩色图像。
[0023]进一步的实施方式中，所述ST3，具体包括：
[0024]ST3.1、对获得的所述标准工件的原始彩色图像进行特征提取，提取出所有特征点，获得标准工件的特征图像；
[0025]ST3.2、通过软件界面在所述特征图像上绘制标准边界轮廓，得到标准工件的标准图像，并计算得出所述标准边界轮廓的长度；
[0026]ST3.3、根据所述标准边界轮廓的长度，指定边界轮廓长度阈值；
[0027]ST3.4、将所述标准图像、所述标准边界轮廓、所述边界轮廓长度阈值保存为标椎模板文件。
[0028]进一步的实施方式中，所述S1，具体包括：
[0029]S1.1、对测试工件的原始彩色图像进行特征提取，提取出所有特征点，得到所述测试工件的特征图像；
[0030]S1.2、以标椎模板文件中的标准图像为参照，利用特征定位，矫正所述测试工件的特征图像的位置；
[0031]S1.3、将矫正位置后的所述测试工件的特征图像转换为灰度图像；
[0032]S1.4、对所述灰度图像进行二值化处理；
[0033]S1.5、利用Canny算子即多级边缘检测算法，提取所述二值化处理后图像的边界轮廓，得到所述测试工件的测试图像，并利用图像分析模块计算得到所述边界轮廓的长度。
[0034]进一步的实施方式中，所述S1.2，具体包括：
[0035]将测试工件的特征图像中的所有特征点和标准图像中的所有特征点进行匹配计算，获取特征点对；
[0036]利用RANSAC方法，获取所述特征点对之间的透视变换矩阵；
[0037]利用所述透视变换矩阵对所述测试工件的特征图像进行变换，得到矫正位置后的特征图像。
[0038]进一步的实施方式中，所述S2，具体包括：
[0039]将所述测试工件的边界轮廓长度的与标椎模板文件中的边界轮廓长度阈值进行比较：
[0040]当所述测试工件的边界轮廓长度大于所述边界轮廓长度阈值时，判定该测试工件存在表面边缘缺陷；
[0041]否则，判定该测试工件没有表面边缘缺陷。
[0042]进一步的实施方式中，所述S3，具体包括：
[0043]将所述表面边缘有缺陷的测试工件的边界轮廓与标椎模板文件中的标准图像的标准边界轮廓进行图形比对，对测试工件边界轮廓超出所述标准边界轮廓指定偏差的部分求取最小外接矩形并进行绘制，确定测试工件的表面边缘缺陷位置，完成检测。
[0044]本专利技术还提供一种基于机器视觉的工件表面边缘缺陷检测装置，所述工件表面边缘缺陷检测装置，具体包括：
[0045]参照标椎模板文件中的标准图像，对测试工件的原始彩色图像进行预处理，绘制所述测试工件的边界轮廓，获得测试图像，并计算得到所述边界轮廓的长度的装置；
[0046]将所述测试工件的所述边界轮廓长度与标椎模板文件中的边界轮廓长度阈值进行对比，筛选出有表面边缘缺陷的测试工件的装置；
[0047]将所述有表面边缘缺陷的测试工件的边界轮廓与标椎模板文件中的标准边界轮廓比对，确定缺陷位置，完成检测的装置。
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的工件表面边缘缺陷检测方法，其特征在于，所述工件表面边缘缺陷检测方法，具体包括∶S1、参照标椎模板文件中的标准图像，对测试工件的原始彩色图像进行预处理，绘制所述测试工件的边界轮廓，获得测试图像，并计算得到所述边界轮廓的长度；S2、将所述测试工件的所述边界轮廓长度与标椎模板文件中的边界轮廓长度阈值进行对比，筛选出有表面边缘缺陷的测试工件；S3、将所述有表面边缘缺陷的测试工件的边界轮廓与标椎模板文件中的标准边界轮廓图形比对，确定缺陷位置，完成检测。2.根据权利要求1所述的一种基于机器视觉的工件表面边缘缺陷检测方法，其特征在于，所述标准模板文件是通过下述构建方法获得的，具体包括：ST1、从测试工件中挑选出一个没有表面边缘缺陷的工件，作为标椎工件；ST2、采集所述标准工件的原始彩色图像；ST3、对采集的所述标准工件的原始彩色图像进行图像处理，绘制标准边界轮廓，获得标准图像，指定边界轮廓长度阈值，并保存为标椎模板文件。3.根据权利要求2所述的一种基于机器视觉的工件表面边缘缺陷检测方法，其特征在于，所述ST2，具体包括：将标椎工件、彩色相机、光源分别固定于相应位置，调整好光源角度使标椎工件表面光照强度分布均匀，然后调整彩色相机的拍摄角度使其对准标椎工件的表面进行拍摄，获得标准工件的原始彩色图像。4.根据权利要求2所述的一种基于机器视觉的工件表面边缘缺陷检测方法，其特征在于，所述ST3，具体包括：ST3.1、对获得的所述标准工件的原始彩色图像进行特征提取，提取出所有特征点，获得标准工件的特征图像；ST3.2、通过软件界面在所述特征图像上绘制标准边界轮廓，得到标准工件的标准图像，并计算得出所述标准边界轮廓的长度；ST3.3、根据所述标准边界轮廓的长度，指定边界轮廓长度阈值；ST3.4、将所述标准图像、所述标准边界轮廓、所述边界轮廓长度阈值保存为标椎模板文件。5.根据权利要求1所述的一种基于机器视觉的工件表面边缘缺陷检测方法，其特征在于，所述S1，具体包括：S1.1、对测试工件的原始彩色图像进行特征提取，提取出所有特征点，得到所述测试工件的特征图像；S1.2、以标椎模板文件中的标准图像为参照，利用特征定位，矫正所述测试工件的特征图像的位置；S1.3、将矫正位置后的所述测...
【专利技术属性】
技术研发人员：洪天昊，李鹏堂，王荔岩，罗巍，
申请(专利权)人：哈尔滨岛田大鹏工业股份有限公司，
类型：发明
国别省市：
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。