基于机器视觉的孔径、孔距及孔位检测方法、系统和装置制造方法及图纸

本发明专利技术属于机械测量方法和机械测量装置技术领域，尤其涉及一种基于机器视觉的孔径、孔距及孔位检测方法、系统及装置。本发明专利技术方法通过运动组件携带检测设备按照预定路径移动，采集孔径、孔距及孔位的图像，并利用软件系统对图像进行处理，包括使用高斯滤波进行预处理，使用多种算法找出孔的最大内切圆、拟合圆、最小外接圆以及被测区域的边界，然后利用上述三种圆、被测区域的边界并结合圆心坐标计算得出孔径、孔距和孔位，进一步使用基于深度学习的方式对孔质量进行分级评估。本方法具有检测效率高、速度快、误差小、方法稳定性好、操作便捷、支持在线检测等特点，可很好地满足机械制造行业的生产需求，具有着广阔的应用前景。具有着广阔的应用前景。具有着广阔的应用前景。

【技术实现步骤摘要】
基于机器视觉的孔径、孔距及孔位检测方法、系统和装置


[0001]本专利技术属于机械测量方法和机械测量装置
，尤其涉及一种基于机器视觉的孔径、孔距及孔位检测方法、系统及与之相关的装置。

技术介绍

[0002]目前，机械制造领域和与之相关的科学研究工作中对孔径、孔距及孔位采用的检测方式大多为人工检测，即由技术人员利用千分尺或通止规等测量工具对工件的孔径、孔距及孔位进行检测。然而，人工检测存在着检测效率低、误差大、精密度低、重现性差等固有缺陷，而且大多需要在实际接触条件下进行检测，可能会对工件造成意外损伤，很难满足机械制造行业对高效高速高精度检测的应用需求，因此，亟需开发一种检测效率高、误差小、精密度和重现性俱佳的自动化孔径检测方法以适应实际的生产需要。
[0003]另外，虽然针对孔径检测也有一些自动测量仪可供选用，如POMEAS的图像测量仪IMAGE3系列，但其使用远心镜头及远心光源以背光的方式对孔径进行检测，这种检测方式系通过有无遮挡来判断物体边缘，并以此获取相关尺寸信息，因此，该类图像测量仪仅适用于背后无遮挡的检测条件，以及离线检测方式，检测过程中极易受到被测物背面材质的干扰，从而影响了其检测精度及准确性，且该类测量仪大多不支持在线检测，也给实际应用造成了不便。

技术实现思路

[0004]为了克服传统人工检测孔径、孔距及孔位方法的缺陷和不足，本专利技术提供了一套解决方案：本专利技术方法通过运动组件携带检测设备按照预定路径移动，采集孔径、孔距及孔位的图像，并利用软件系统对图像进行处理，包括使用高斯滤波进行预处理，使用边缘检测算法找出孔的最大内切圆，使用最小二乘法找出孔的拟合圆，使用二值化算法和边缘检测算法找出孔的最小外接圆，使用边缘检测算法找出被测区域的边界，然后利用上述三种圆、被测区域的边界并结合圆心坐标计算得出孔径、孔距和孔位，进一步使用基于深度学习的方式对孔质量进行分级评估。同时，本专利技术还涉及了相关的孔径、孔距及孔位检测系统及自动化检测装置。
[0005]第一方面，本专利技术提供了一种基于机器视觉的孔径、孔距及孔位检测方法，该方法包括下述步骤：
[0006](1)由运动组件携带检测设备按照预先设定的检测路径进行移动；
[0007](2)在移动过程中由检测设备采集孔径、孔距及孔位的图像；
[0008](3)在软件处理系统中使用高斯滤波对采集获得的图像进行预处理；
[0009](4)在软件处理系统中使用边缘检测算法找出待测孔的最大内切圆，使用最小二乘法找出待测孔的拟合圆，使用二值化算法和边缘检测算法找出待测孔的最小外接圆；同时使用边缘检测算法找出被测区域的边界；
[0010](5)在软件处理系统中利用上步找出的最大内切圆、拟合圆、最小外接圆和被测区
域的边界，结合圆心坐标计算得出孔径、孔距及孔位；
[0011](6)在软件处理系统中使用基于深度学习的方式对孔质量做分级评估。
[0012]进一步地，上述检测方法中第(4)
‑
(6)步骤的执行方法如下：
[0013]A.使用canny边缘检测算法寻找待测孔，先找出被测区域中的所有边缘闭合形状，然后判断所找出的形状是否为待测孔，判据为：
[0014]a.找出每个形状的中心(x，y)：
[0015][0016]其中n为形状内点的个数，P为形状内所有的点的集合，P
ix
为点的x坐标，P
iy
为点的y坐标；
[0017]b.计算形状上每个点到中心的距离的集合d：
[0018][0019]其中C为形状上所有点的集合；
[0020]c.计算形状上每个点到中心距离集合的平均值mean和标准差std：
[0021][0022][0023]d.得到圆度结果c：
[0024][0025]e.若圆度结果大于阈值，则将其认定为待测孔；
[0026]B.根据上步找到的待测孔的轮廓形状，分别找出拟合圆的圆心和直径Fx、Fy、Fd，最大内切圆的圆心和直径Ix、Iy、Id和最小外接圆的圆心和直径Zx、Zy、Zd；
[0027]a.拟合圆：将圆心和直径作为变量，通过最小二乘法拟合后得到拟合圆；
[0028]b.最大内切圆：遍历轮廓内部的所有点，并计算这些点到轮廓的距离，轮廓内部距离轮廓最远的点即为圆心，其与轮廓间的最大距离即为半径，以此得到最大内切圆；
[0029]c.最小外接圆：分别找出轮廓上下左右边缘的各一个点并计算出其外接圆，如果轮廓中有点位于这个外接圆之外，则将轮廓中该外接圆外部距离该外接圆最远的点引入并计算出新的外接圆，不断遍历直到轮廓中所有点都在计算出的外接圆内，即得到了最小外接圆；
[0030]C.将上步获得的数据结果储存，并和待测孔的真实孔径一起作为训练集，使用深度神经网络进行训练，得到权重参数模型w；
[0031]D.重复进行至少10次训练后，即可对未知孔径的孔进行测量并找出圆心：
[0032](x，y，d)＝w1c+w2Fx+w3Fy+w4Fd+w5Ix+w6Iy+w7Id+w8Zx+w9Zy+w
10
Zd
[0033]其中w1，w2…
w
10
为各个输入项对应权重参数模型w的结果；
[0034]E.孔质量分级评估：将检测设备拍摄到的孔的图像与对应的孔类型作为训练集，使用卷积神经网络进行训练，然后将训练得到的模型储存，并在检测过程中以此模型对孔质量进行分级评估。
[0035]优选地，上述方法中所述运动组件为机器人或其他能够携带检测设备并按照预定路径进行移动的自动化运动装置。
[0036]优选地，上述方法中所述检测设备由第一相机、第一镜头、第二相机、第二镜头和光源组成；
[0037]所述检测设备通过机械转接结构与运动组件相连接，并由运动组件携带按照预先设定的检测路径进行移动拍照；
[0038]所述运动组件和检测设备通过数据传输介质与固定安置在控制箱中的上位机相连接并进行数据交互，所述上位机中内置了控制系统、接收系统和软件处理系统，所述控制系统用于控制运动组件的移动和检测设备的图像采集过程，所述接收系统用于接收运动组件的位置信息和检测设备传回的图像信息，所述软件处理系统用于对检测设备传回的图像进行预处理、要素分析、计算和结果评估，并反馈处理结果。
[0039]优选地，上述方法中所述机械转接结构为法兰，所述数据传输介质为网线。
[0040]第二方面，本专利技术提供了一种基于机器视觉的孔径、孔距及孔位检测系统，所述检测系统由运动组件、检测设备、数据传输介质、控制箱和上位机组成，所述上位机中内置了控制系统、接收系统和软件处理系统；本检测系统按照上述基于机器视觉的孔径、孔距及孔位检测方法进行操作和运行。
[0041]第三方面，本专利技术提供了一种基于机器视觉的孔径、孔距及孔位检测装置，所述装置由运动组件101、检测设备102、控制箱103、上位机104组成；
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孔径、孔距及孔位检测方法，其特征在于，所述方法包括下述步骤：(1)由运动组件携带检测设备按照预先设定的检测路径进行移动；(2)在移动过程中由检测设备采集孔径、孔距及孔位的图像；(3)在软件处理系统中使用高斯滤波对采集获得的图像进行预处理；(4)在软件处理系统中使用边缘检测算法找出待测孔的最大内切圆，使用最小二乘法找出待测孔的拟合圆，使用二值化算法和边缘检测算法找出待测孔的最小外接圆；同时使用边缘检测算法找出被测区域的边界；(5)在软件处理系统中利用上步找出的最大内切圆、拟合圆、最小外接圆和被测区域的边界，结合圆心坐标计算得出孔径、孔距及孔位；(6)在软件处理系统中使用基于深度学习的方式对孔质量做分级评估。2.根据权利要求1所述的孔径、孔距及孔位检测方法，其特征在于，其中第(4)
‑
(6)步骤的执行方法如下：A.使用canny边缘检测算法寻找待测孔，先找出被测区域中的所有边缘闭合形状，然后判断所找出的形状是否为待测孔，判据为：a.找出每个形状的中心(x，y)：其中n为形状内点的个数，P为形状内所有的点的集合，P
ix
为点的x坐标，P
iy
为点的y坐标；b.计算形状上每个点到中心的距离的集合d：其中C为形状上所有点的集合；c.计算形状上每个点到中心距离集合的平均值mean和标准差std：c.计算形状上每个点到中心距离集合的平均值mean和标准差std：d.得到圆度结果c：e.若圆度结果大于阈值，则将其认定为待测孔；B.根据上步找到的待测孔的轮廓形状，分别找出拟合圆的圆心和直径Fx、Fy、Fd，最大
内切圆的圆心和直径Ix、Iy、Id和最小外接圆的圆心和直径Zx、Zy、Zd；a.拟合圆：将圆心和直径作为变量，通过最小二乘法拟合后得到拟合圆；b.最大内切圆：遍历轮廓内部的所有点，并计算这些点到轮廓的距离，轮廓内部距离轮廓最远的点即为圆心，其与轮廓间的最大距离即为半径，以此得到最大内切圆；c.最小外接圆：分别找出轮廓上下左右边缘的各一个点并计算出其外接圆，如果轮廓中有点位于这个外接圆之外，则将轮廓中该外接圆外部距离该外接圆最远的点引入并计算出新的外接圆，不断遍历直到轮廓中所有点都在计算出的外接圆内，即得到了最小外接圆；C.将上步获得的数据结果储存，并和待测孔的真实孔径一起作为训练集，使用深度神经网络进行训练，得到权重参数模型w；D.重复进行至少10次训练后，即可对未知孔径的孔进行测量并找出圆心：(x，y，d)＝w1c+w2Fx+w3Fy+w4Fd+w5Ix+w6Iy+w7Id+w8Zx+w9Zy+w
10
Zd其中w1，w2…
w
10
为各个输入项对应权重参数模型w的结果；E.孔质量分级评估：将检测设备拍摄到的孔的图像与对应的孔类型作为训练集，使用卷积神经网络进行训练，然后将训练得到的模型储存，并在检测过程中以此模型对孔质量进行分级评估。3.根据权利要求1所述的孔径、孔距及孔位检测方法，其特征在于，所述运动组件为机器人或其他能够携带检测设备并按照预定路径进行移动的自动化运动装置。4.根据权利要求1所述的孔径、孔距及孔位检测方法，其特征在于，所述检测设备由第一相机、第一镜头、第二相机、第二镜头和光源组成；所述检测设备通过机械转接结构与运动组件相连接，并由运动组件携带按照预先设定的检测路径进行移动拍照；所述运动组件和检测设备通过数据传输介质与固定安置在控制箱中的上位机相连接并进行数据交互，所述上位机中内置了控制系统、接收系统和软件处理系统，所述控制系统用于控制运动组件的移动和检测设备的图像采集过程，所述接收系统用于接收运动组件的位置信息和检测设备传回的图像信息，所述软件处理系统用于对检测设备传回的图像进行预处理、要素分析、计算和结果评估，并反馈处理结果。5.根据权利要求4所述的孔径、孔距及孔位检测方法，其特征在于，所述机械转接结构为法兰，所述数据传输介质为网线。6.一种基于机器视觉的孔径、孔距及孔位检测系统，其特征在于，所述检测系统由运动组件、检测设备、数据传输介质、控制箱和上位机组成，所述上位机中内置了控制系统、接收系统和软件处理系统；所述检测系统按照权利要求1
‑
5任一项所述的基于机器视觉的孔径、孔距及孔位检测方法操作和运行。7.一种基于机器视觉的孔径、孔距及孔位检测装置，其特征在于，所述装置由运动组件(101)、检测设备(102)、控制箱(103)、上位机(104)组成；所述检测设备(102)通过机械转接结构连接在所述运动组件(101)上，所述检测设备(102)和运动组件(101)通过网线和所述控制箱(103)以及所述上位机(104)相连接；所述上位机(...

【专利技术属性】
技术研发人员：杨梦茹，李天玉，叶玉玲，王刚，刘炼，
申请(专利权)人：北京神工科技有限公司，
类型：发明
国别省市：