用于多轴多通道数控系统的在线视觉检测方法技术方案

本申请属于图像处理技术领域，提供了用于多轴多通道数控系统的在线视觉检测方法，包括：获取待测和标准汽车齿轮灰度图像；设置滑动窗口；分析滑动窗口内像素点的灰度值变化，获得每个像素点的凹坑特征值；计算每个中心像素点的曲率变化程度；然后获得每个像素点的缺陷可能性指数，得到缺陷可能性大小图像；基于缺陷可能性大小图像，获得可能存在缺陷区域和第一特征点，并保存标准汽车齿轮灰度图像中对应的第二特征点；将特征点进行图像匹配，获得有效匹配率；根据有效匹配率判断待测汽车齿轮是否存在质量缺陷。本发明专利技术方法使图像匹配的结果对待测汽车齿轮上的缺陷更加灵敏，更加准确地识别多轴多通道数控系统生产出的汽车齿轮外观缺陷。外观缺陷。外观缺陷。

【技术实现步骤摘要】
用于多轴多通道数控系统的在线视觉检测方法


[0001]本申请涉及图像处理
，尤其涉及用于多轴多通道数控系统的在线视觉检测方法。

技术介绍

[0002]随着电子技术的快速发展，数控系统的功能越来越完善。数控系统被广泛应用于汽车、飞机等机器零件生产中。如今，用于单一化生产的数控系统渐渐被淘汰，而多轴多通道数控系统已成为未来的主流，在机械零件中发挥巨大的作用。但是，对于多轴多通道数控系统进行机械零件生产时的质量控制一直是比较重要的课题。
[0003]现有方法中通常通过图像处理技术进行外观质量检测，反馈给数控系统，完成汽车齿轮的高质量生产。比如，图像分割技术，能够快速识别明显的外观缺陷。但是，对于较为复杂的场景，利用图像分割技术无法得到较好的分割结果，对零件质量容易产生误判。
[0004]因此，亟需一种方法提高图像分割的准确性，进而用以提高多轴多通道数控系统的在线视觉检测的质量。

技术实现思路

[0005]为了解决以上技术问题，本申请提供了用于多轴多通道数控系统的在线视觉检测方法，用以提高多轴多通道数控系统的在线视觉检测的质量。
[0006]本专利技术提供的一种用于多轴多通道数控系统的在线视觉检测方法，所述方法包括：采集并处理多轴多通道数控系统生产出的待测汽车齿轮RGB图像和标准汽车齿轮RGB图像，获取待测汽车齿轮灰度图像和标准汽车齿轮灰度图像；以所述待测汽车齿轮灰度图像中的每个像素点为中心，设置滑动窗口，利用灰度区域大小矩阵算法提取每个所述滑动窗口内的连通域；分析所述滑动窗口内像素点的灰度值变化，计算获得每个像素点的凹坑特征值；根据每个边缘像素点的边缘曲率，基于每个所述滑动窗口，计算每个中心像素点的曲率变化程度；结合所述凹坑特征值以及所述曲率变化程度，计算每个像素点的缺陷可能性指数，得到缺陷可能性大小图像；基于所述缺陷可能性大小图像，利用大津阈值分割算法，分割获得可能存在缺陷区域，保留可能存在缺陷区域的第一特征点，并保存所述标准汽车齿轮灰度图像中对应所述存在缺陷区域位置处的第二特征点；利用SIFT图像匹配算法，将所述第一特征点和所述第二特征点之间进行图像匹配，获得有效匹配率；根据所述有效匹配率，判断所述待测汽车齿轮是否存在质量缺陷。
[0007]在本专利技术的一些实施例中，分析所述滑动窗口内像素点的灰度值变化，计算获得
每个像素点的凹坑特征值，包括：分析所述滑动窗口内像素点的灰度值变化，计算每个像素点的摩擦粗糙程度；根据所述滑动窗口，形成抽样序列和差分序列，计算获得所述差分序列中数值的距离特征向量序列；结合所述摩擦粗糙程度、所述差分序列和所述距离特征向量序列，计算每个像素点的凹坑特征值。
[0008]在本专利技术的一些实施例中，所述摩擦粗糙程度的计算方法为：在本专利技术的一些实施例中，所述摩擦粗糙程度的计算方法为：式子中，表示像素点x的摩擦粗糙程度，表示像素点x的滑动窗口中第i个连通域的粗糙程度，n表示像素点x的滑动窗口内连通域数目，和分别表示像素点x的滑动窗口内第i、第j个连通域所代表的灰度值，表示最大欧式距离函数，和表示像素点x的滑动窗口内第i、第j个连通域内的像素点位置，表示极差归一化函数，表示像素点x的滑动窗口内的灰度变异系数。
[0009]在本专利技术的一些实施例中，根据所述滑动窗口，形成抽样序列和差分序列，计算获得所述差分序列中数值的距离特征向量序列，包括：根据所述滑动窗口内的灰度值，以完全抽样的方式形成抽样序列，即：式子中，表示像素点x的滑动窗口形成的抽样序列，表示第1,2个抽样序列元素值，表示第m个抽样序列元素值；将所述抽样序列中相邻两个元素作差，得到差分序列，即：式子中，表示像素点x的滑动窗口所形成的差分序列，表示差分序列中第1,2,3个差分数值，表示差分序列中第(m
‑
1)个差分数值；利用K
‑
means聚类算法，将所述差分序列中的数值分为多个类别，计算每个类别的差分平均值，记为；根据每个类别的所述差分平均值，分别计算所述差分序列中每个差分数值到所有类别的差分平均值的欧氏距离，即；根据所述欧氏距离，得到每个差分数值的距离特征向量，进而得到距离特征向量序列，即：
式子中，表示像素点x的滑动窗口形成的距离特征向量序列，表示第1,2,3个差分数值的距离特征向量，表示第(m
‑
1)个差分数值的距离特征向量。
[0010]在本专利技术的一些实施例中，所述凹坑特征值计算方法为：式子中，表示像素点x的凹坑特征值，表示像素点x的摩擦粗糙程度，和分别表示像素点x的滑动窗口所形成的差分序列中的最大值和最小值，表示距离特征向量序列中距离特征向量的数目，表示距离函数，和分别表示距离特征向量序列中第t、第(t
‑
1)个距离特征向量。
[0011]在本专利技术的一些实施例中，根据每个边缘像素点的边缘曲率，基于每个所述滑动窗口，计算每个中心像素点的曲率变化程度，包括：根据所述待测汽车齿轮灰度图像，利用canny算子边缘检测算法，得到二值化的边缘图像；利用有限差分算法，求得所述边缘图像中每个边缘像素点的边缘曲率；基于每个所述滑动窗口，计算每个中心像素点的曲率变化程度，即：式子中，表示像素点x的曲率变化程度，表示像素点x的滑动窗口内边缘像素点的数目，边缘像素点x的曲率，表示像素点x滑动窗口区域内第y个边缘像素点的曲率，表示像素点x的滑动窗口内边缘像素点的集合。
[0012]在本专利技术的一些实施例中，结合所述凹坑特征值以及所述曲率变化程度，计算每个像素点的缺陷可能性指数，得到缺陷可能性大小图像，包括：根据所述曲率变化程度，筛选出疑似外观缺陷区域的特征点；结合所述凹坑特征值以及所述曲率变化程度，计算每个像素点的缺陷可能性指数，即：式子中，表示归一化函数，表示像素点x的缺陷可能性指数，表示像素点x的凹坑特征值，表示像素点x的曲率变化程度；将每个像素点的所述缺陷可能性指数替换每个像素点的灰度值，得到缺陷可能性大小图像。
[0013]在本专利技术的一些实施例中，根据所述有效匹配率，判断所述待测汽车齿轮是否存在质量缺陷，包括：判断所述有效匹配率是否高于预设值；如果是，判断匹配成功，则待测汽车齿轮不存在质量缺陷；否则，判断匹配失败，则待测汽车齿轮存在质量缺陷。
[0014]在本专利技术的一些实施例中，判断所述待测汽车齿轮是否存在质量缺陷，之后还包括：若判断不存在质量缺陷，则多轴多通道数控系统继续生产汽车齿轮；若判断存在质量缺陷，则将所述有效匹配率以及匹配区域反馈至数控系统，由所述数控系统自动识别匹配失败原因。
[0015]由以上实施例可见，本申请实施例提供的用于多轴多通道数控系统的在线视觉检测方法，具有的有益效果如下：根据汽车齿轮碰撞摩擦导致其表面光滑性的变化，计算摩擦粗糙程度，同时结合碰撞产生的凹坑的局部特征，计算凹坑特征值。另外，基于图像边缘曲率，根据汽车齿轮的轮齿区域曲率的变化，识别轮齿区域。由于轮齿区域有较大的可能会产生崩角，结合轮齿区域的特征，构建缺陷可能性指数。其有益效果在于使可能存在缺陷区域的完备性更高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多轴多通道数控系统的在线视觉检测方法，其特征在于，所述方法包括：采集并处理多轴多通道数控系统生产出的待测汽车齿轮RGB图像和标准汽车齿轮RGB图像，获取待测汽车齿轮灰度图像和标准汽车齿轮灰度图像；以所述待测汽车齿轮灰度图像中的每个像素点为中心，设置滑动窗口，利用灰度区域大小矩阵算法提取每个所述滑动窗口内的连通域；分析所述滑动窗口内像素点的灰度值变化，计算获得每个像素点的凹坑特征值；根据每个边缘像素点的边缘曲率，基于每个所述滑动窗口，计算每个中心像素点的曲率变化程度；结合所述凹坑特征值以及所述曲率变化程度，计算每个像素点的缺陷可能性指数，得到缺陷可能性大小图像；基于所述缺陷可能性大小图像，利用大津阈值分割算法，分割获得可能存在缺陷区域，保留可能存在缺陷区域的第一特征点，并保存所述标准汽车齿轮灰度图像中对应所述存在缺陷区域位置处的第二特征点；利用SIFT图像匹配算法，将所述第一特征点和所述第二特征点之间进行图像匹配，获得有效匹配率；根据所述有效匹配率，判断所述待测汽车齿轮是否存在质量缺陷。2.根据权利要求1所述的用于多轴多通道数控系统的在线视觉检测方法，其特征在于，分析所述滑动窗口内像素点的灰度值变化，计算获得每个像素点的凹坑特征值，包括：分析所述滑动窗口内像素点的灰度值变化，计算每个像素点的摩擦粗糙程度；根据所述滑动窗口，形成抽样序列和差分序列，计算获得所述差分序列中数值的距离特征向量序列；结合所述摩擦粗糙程度、所述差分序列和所述距离特征向量序列，计算每个像素点的凹坑特征值。3.根据权利要求2所述的用于多轴多通道数控系统的在线视觉检测方法，其特征在于，所述摩擦粗糙程度的计算方法为：所述摩擦粗糙程度的计算方法为：式子中，表示像素点x的摩擦粗糙程度，表示像素点x的滑动窗口中第i个连通域的粗糙程度，n表示像素点x的滑动窗口内连通域数目，和分别表示像素点x的滑动窗口内第i、第j个连通域所代表的灰度值，表示最大欧式距离函数，和表示像素点x的滑动窗口内第i、第j个连通域内的像素点位置，表示极差归一化函数，表示像素点x的滑动窗口内的灰度变异系数。4.根据权利要求2所述的用于多轴多通道数控系统的在线视觉检测方法，其特征在于，
根据所述滑动窗口，形成抽样序列和差分序列，计算获得所述差分序列中数值的距离特征向量序列，包括：根据所述滑动窗口内的灰度值，以完全抽样的方式形成抽样序列，即：式子中，表示像素点x的滑动窗口形成的抽样序列，表示第1,2个抽样序列元素值，表示第m个抽样序列元素值；将所述抽样序列中相邻两个元素作差，得到差分序列，即：式子中，表示像素点x的滑动窗口所形成的差分序列，表示差分序列中第1,2,3个差分数值，表示差分序列中第(m
‑
1)个差分数值；利用K
‑
means聚类算法，将所述差分序列中的数值分为多个类别，...

【专利技术属性】
技术研发人员：张子恒，张士银，张启甲，刘栗，杨德伟，刘斌，张彬，王太勇，
申请(专利权)人：山东山森数控技术有限公司，
类型：发明
国别省市：