一种基于序列图像差分的视觉检测方法技术

本发明专利技术公开了一种序列图像差分的零件表面缺陷检测方法，具体方法如下：首先，选取同一生产批次中的序列图像，对前后相邻的零件进行配准；其次，在进行图像配准过程中，需要对零件图像进行序列差分；最后，判断待测零件是否合格

【技术实现步骤摘要】
一种基于序列图像差分的视觉检测方法


[0001]本专利技术涉及基于机器视觉的几何量精密测量
，针对丝网印刷中网板拉伸变形导致印刷图像发生形变，提出一种基于序列图像差分的视觉检测方法
。

技术介绍

[0002]在经济全球化推动进出口贸易的深入发展的今天，国内外企业对广泛应用在各行各业的零件表面质量提出了严格的采购标准
。
而实现零件表面质量缺陷精准稳定检测对企业改善生产质量
、
提高生产效率
、
开拓国内外市场
、
促进产业和技术升级创新具有深远的意义
。
同时丝网印刷有着批量大
、
价格便宜
、
色彩鲜艳
、
交货快等优势，被越来越多的行业认可，其应用广泛，在家用电器的电路板，纺织品上的花纹，鞋上的图案，电冰箱
、
电视机
、
洗衣机面板上的文字等优点，所以对序列零件表面缺陷的视觉检测迫在眉睫
。
[0003]近年来，世界各国研究团队和学者在零件表面损伤检测技术研究中都取得一些显著的成果，荷兰艾默伊登的
Hogeveen
钢铁厂针对钢带表面缺陷检测搭建在线实时分类系统，可以检测到
0.85mm
×
0.60mm
甚至更小缺陷，能够分类至少
50
种不同的缺陷
。
电子科技大学张凯针对工业产品表面裂纹缺陷问题，基于线激光扫描激励的红外热波成像无损检测技术进行研究，搭建可调光路的激光扫描红外热成像无损检测系统
。
[0004]综上所述，应用于表面缺陷检测的技术有很多，但是大部分团队及专家在研究此类问题时，根据研究思路主要可分为图像分割法
、
模板匹配法以及激光扫描法三种方法
。
其中，图像分割法精度和鲁棒性难以达到要求，存在漏检现象，难适应复杂环境以及无法对亚像素级别缺陷准确识别；而激光扫描法虽然精度高
、
稳定性高，但其存在设备价格昂贵
、
易反射
、
检测信息不能实时获取以及受零件表面影响大等缺点，而且无法对零件表面印刷图像进行检测，所以本专利技术针对基于特征的模板匹配法进行更为深入的探索，通过实验研究发现，在丝网印刷过程中，网板存在一定程度的拉伸变形，而印刷网版张力的大小直接影响印刷的精度质量，同时影响着检测结果的准确度，如果选用同一模板，对所有零件进行差分，就会由于模板变形，从而使图像在差分过程中，无法进行准确差分，当模板零件和检测零件生产顺序较大情况下，在进行差分过程中，就会导致差分后结果不明显，所以本文提出进行序列图像差分
。

技术实现思路

[0005]本专利技术的目的是提供一种基于序列图像差分的视觉检测方法，实现基于视觉检测技术对表面特征复杂的零件印刷质量缺陷的高精度
、
高稳定性的检测
。
[0006]为实现上述目的，本专利技术提供了一种基于序列图像差分的视觉检测方法，具体方法如下：
[0007]S1、
选取同一生产批次中的序列图像，并对前后相邻的零件进行差分；
[0008]S2、
在进行图像序列差分过程中，需要对步骤1中选取零件图像进行图像配准；
[0009]S3、
判断待测零件是否合格
。
[0010]优选的，在步骤
S1
图像序列差分过程中，标准件的灰度值
G<K
，其中，
G
为标准件灰度值，
K
为不同工作情况下各点的灰度值，且灰度值
K
具有均匀性
。
[0011]优选的，在步骤
S2
中，图像配准过程包括特征区域提取和图像亚像素细分
。
[0012]线特征提取是将两中心点间直线距离记为
D
，通过一条特征中心线表征整幅图像，将两幅图像配准由原先的特征点之间的配准问题转化为特征点间连线的配准；
[0013]图像亚像素细分方法是基于二次双线性插值法，在现有算法框架下借助已知点信息推算未知点信息，将一个像素分别在
X
，
Y
方向进行四等分，即将原来的1个像素等分成
16
个像素；公式如下：
[0014][0015]其中，
PR
代表物理分辨率，单位：
mm/
像素；
SS
代表待测零件单一方向上的长度，单位：
mm
；
SDR
表示待测零件在单一方向上的图像分辨率，单位：像素，
NI
为图像插值次数，单位：次
。
[0016]优选的，图像序列差分的流程如下：
[0017](1)
将待检测零件1和模板零件1进行图像配准差分，
G
S
为差分后待测零件某一点的灰度值，判断初检结果是否合格；
[0018](2)
若
G
S
‑
K3≤0
，则表示图片每一个点的灰度值均小于所选定标准的灰度值，则零件合格，将待检测零件1标记为模板零件2；
[0019](3)
若
G
S
‑
K3>0
，则存在图片中灰度值大于所选定标准灰度值，则零件不合格，从而判断待检测零件1表面
D
值是否在可接受范围内，其中，
D
为零件表面特征点之间的距离；
[0020](4)D
M
为模板零件特征点之间距离，
D
S
为待测零件特征点之间距离，若
|D
S
‑
D
M
|≤E
，则表示两个图片匹配正常，其中
E
值为允许距离最大值，但是
G
S
‑
K3>0
，所以记为残次品；
[0021](5)
若
|D
S
‑
D
M
|>E,
则触发报警，进行二次人工复检；
[0022](6)
人工复检合格即为模板零件2，人工复检不合格则判定为残次品
。
[0023]优选的，图像序列差分判断结果分为以下情况：
[0024]情况一：将模板零件1和待检测零件1进行配准差分，若
G
S
‑
K>0
，则初次检测不合格，但
|D
S
‑
D
M
|>E
则报警，进行人工复检，复检合格，则将待检测件1视为模板零件2；
[0025]情况二：将待检测零件2和上一个合格零件即模板零本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种序列图像差分的零件表面缺陷检测方法，其特征在于，具体方法如下：
S1、
选取同一生产批次中的序列图像，并对前后相邻的零件进行差分；
S2、
在进行图像序列差分过程中，需要对步骤1中选取零件图像进行图像配准；
S3、
判断待测零件是否合格
。2.
根据权利要求1所述的一种序列图像差分的零件表面缺陷检测方法，其特征在于：在步骤
S1
图像序列差分过程中，标准件的灰度值
G<K
，其中，
G
为标准件灰度值，
K
为不同工作情况下各点的灰度值，且灰度值
K
具有均匀性
。3.
根据权利要求1所述的一种序列图像差分的零件表面缺陷检测方法，其特征在于：在步骤
S2
中，图像配准过程包括特征区域提取和图像亚像素细分；线特征提取是将两中心点间直线距离记为
D
，通过一条特征中心线表征整幅图像，将两幅图像配准由原先的特征点之间的配准问题转化为特征点间连线的配准；图像亚像素细分方法是基于二次双线性插值法，在现有算法框架下借助已知点信息推算未知点信息，将一个像素分别在
X
，
Y
方向进行四等分，即将原来的1个像素等分成
16
个像素；公式如下：其中，
PR
代表物理分辨率，单位：
mm/
像素；
SS
代表待测零件单一方向上的长度，单位：
mm
；
SDR
表示待测零件在单一方向上的图像分辨率，单位：像素，
NI
为图像插值次数，单位：次
。4.
根据权利要求1‑3所述的一种序列图像差分的零件表面缺陷检测方法，其特征在于，图像序列差分的流程如下：
(1)
将待检测零件1和模板零件1进行图像配准差分，
G
S
为差分后待测零件某一点的灰度值，判断初检结果是否合格；
(2)
若
G
S
‑
K3≤0
，则表示图片每一个点的灰度值均小于所选定标准的灰度值，则零件合格，将待检测零件1标记为模板零件2；
(3)
若
G
S
‑
K3>0
，则存在图片中灰度值大于所选定标准灰度值，则零件不合格，从而判断待检测零...

【专利技术属性】
技术研发人员：刘阳，许鹏飞，尹天路，王腾森，温保岗，张旭，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：