首页 / 专利库 / 电脑图像 / 边缘检测 / 一种基于视觉的工件检测方法

一种基于视觉的工件检测方法

阅读:1044发布:2020-07-01

专利汇可以提供一种基于视觉的工件检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于视觉的 工件 检测方法,对工业相机进行标定。将工件放置 检测区域 ,利用相机对检测区域的工件进行拍照,获取工件在检测区域的原始图像。对原始图像进行滤波去噪。使用 迭代 法将图像二值化。在图像中的检测区域利用 边缘检测 原理获取工件多组横、纵尺寸数据。边缘的检测可以精确到单位 像素 ,所以利用此方法检测的 精度 也是一个单位像素点,精度极高。如果同一检测条上两条边缘超过工件的标准尺寸,则可以判定为欠加工;相反,如果两条边缘的距离小于标准距离,则可以认定测出为工件的缺损部分;如果两边缘的距离等于标准距离或在允许的误差范围内,则工件视为检测合格。本方法能够帮助企业降低生产成本,推动生产自动化率的提高。,下面是一种基于视觉的工件检测方法专利的具体信息内容。

1.一种基于视觉的工件检测方法,其特征在于:该方法的实现步骤具体如下,S1对工业相机进行标定;在检测系统使用前必须先对相机进行标定;
S2将工件放置检测区域,利用相机对检测区域的工件进行拍照,获取工件在检测区域的原始图像;
S3对原始图像进行滤波去噪;由于相机的传感器像素点的跳动原因使得图像中存在大量的噪点,使得图像在处理时带来很多混杂的数据,同时工件边缘相对不够清晰;因此需要引入二维高斯滤波器对原始图像进行滤波处理:
(x,y)为图像中的像素坐标点,σ为x的方差值;
S4使用迭代法将图像二值化;将去噪后的彩色图像转换为只有黑、白两种颜色的图像,用以去除图片中大部分的无用区域并保留兴趣区域;
首先选择一个初始阈值T(j),选择整体图像的平均灰度值作为初始阈值;J为迭代次数,初始时j=0;
用T(j)分割图像,将图像分为两个区域 和
在计算两区域的平均灰度值,其中 为第j次迭代时区域C1和C2的像素点个数,f(x,y)表示图像中(x,y)点的灰度值;
然后重新计算阈值,即:
令j=j+1,重复计算,直到T(j+1)与T(j)的差小于规定阈值或j达到最大的迭代次数;
S5在图像中的检测区域利用边缘检测原理获取工件多组横、纵尺寸数据;首先在图片的工件检测区域设置多条横、纵检测条,检测条数目设置越多,则对工件横、纵方向的检测密度越大;每一个检测条都为一条具有检测边缘功能的线段,通过检测位于该线段上工件的起始边缘和终止边缘,进一步计算出该线段上工件的长度,从而计算出该部分工件是否出现缺损或者欠加工状态;边缘的检测功能通过计算位于该线段上像素点灰度的幅值变化情况从而判断是否出现灰度的阶跃现象,最终确定出工件的边缘;
首先计算出像素点在x方向和y方向的梯度幅值:
进一步得到图像梯度的幅值和方向:
当幅值 达到预设值时,就将其视为灰度阶跃,及灰度阶跃处为工件的一条边缘;边缘的检测精确到单位像素;
密集的检测条能实现对工件的全面检测,如果同一检测条上两条边缘超过工件的标准尺寸,则判定为欠加工;相反,如果两条边缘的距离小于标准距离,则认定测出为工件的缺损部分;如果两边缘的距离等于标准距离或在允许的误差范围内,则工件视为检测合格。
2.根据权利要求1所述的一种基于视觉的工件检测方法,其特征在于:在检测系统使用前必须先对相机进行标定,首先,通过标定获取相机的内、外参数,从而消除相机镜头及其他元器件对采集图像所造成的径向畸变,确保相机所采集图像的准确性;其次,通过标定将相机坐标系转化为世界坐标系,找到相机的像素当量以及图像中任意两点间的实际物理距离。

说明书全文

一种基于视觉的工件检测方法

技术领域

[0001] 本发明涉及一种用于工件缺损的机器视觉图像识别相结合的检测方法,适用于各种工件自动化加工及检测的场合,尤其涉及一种基于视觉的工件检测方法。

背景技术

[0002] 随着制造业的自动化平在不断提高,越来越多的工厂开始引进自动化生产线,工件的自动化生产逐步代替老旧的人工生产,生产效率也随之大幅提高。但针对在工件的自动化加工后其尺寸是否符合规定、又或是否出现缺损与加工不到位等问题,目前大部分还是采用比较笨拙的人工抽检方式,存在效率低、准确性低、随机性大等问题,使得每件产品不能得到百分之百的质量保障。这种检测方式越来越难以满足产品质量要求逐步提高的市场需求。
[0003] 为了提高产品出库的良品率满足越发苛刻的市场要求,急需一种效率高、准确性高、实用性大、成本低廉的工件自动检测方法,提高企业的良品率与生产质量。同时,也对推动我国制造业的升级换代具有重要的意义。

发明内容

[0004] 本发明的目的在于:针对现有的自动化生产过程中对产品工件进行人工抽检所导致的生产效率低、准确性差、随机性大等问题,提供一种基于机器视觉的工件缺损与加工不到位情况的检测方法,实现对工件的实时在线高精度检测,并且可以适用于大多数机加工零件。帮助企业降低生产成本,推动生产自动化率的提高。
[0005] 为了解决上文所述的技术问题,本发明提供一种基于视觉的工件检测方法,该方法的实现步骤具体如下:
[0006] S1对工业相机进行标定。在检测系统使用前必须先对相机进行标定,其目的有二:首先,通过标定获取相机的内、外参数,从而消除相机镜头及其他元器件对采集图像所造成的径向畸变,确保相机所采集图像的准确性;其次,通过标定将相机坐标系转化为世界坐标系,找到相机的像素当量以及图像中任意两点间的实际物理距离。
[0007] S2将工件放置检测区域,利用相机对检测区域的工件进行拍照,获取工件在检测区域的原始图像。
[0008] S3对原始图像进行滤波去噪。由于相机的传感器各像素点的跳动原因使得图像中存在大量的噪点,使得图像在处理时带来很多混杂的数据,同时工件边缘相对不够清晰。因此需要引入二维高斯滤波器对原始图像进行滤波处理:
[0009]
[0010] 公式(1)中(x,y)为图像中的像素坐标点,σ为x的方差值。
[0011] S4使用迭代法将图像二值化。将去噪后的彩色图像转换为只有黑、白两种颜色的图像,用以去除图片中大部分的无用区域并保留兴趣区域。
[0012] 首先选择一个初始阈值T(j),通常可以选择整体图像的平均灰度值作为初始阈值。J为迭代次数,初始时j=0.
[0013] 用T(j)分割图像,将图像分为两个区域 和
[0014]
[0015]
[0016] 在计算两区域的平均灰度值,其中 为第j次迭代时区域C1和C2的像素点个数,f(x,y)表示图像中(x,y)点的灰度值。
[0017] 然后重新计算阈值,即:
[0018]
[0019] 令j=j+1,重复以上两步计算,直到T(j+1)与T(j)的差小于规定阈值或j达到最大的迭代次数。
[0020] S5在图像中的检测区域利用边缘检测原理获取工件多组横、纵尺寸数据。这一步的具体内容为:首先在图片的工件检测区域设置多条横、纵检测条,检测条数目设置越多,则对工件横、纵方向的检测密度越大;每一个检测条都为一条具有检测边缘功能的线段,通过检测位于该线段上工件的起始边缘和终止边缘,进一步计算出该线段上工件的长度,从而计算出该部分工件是否出现缺损或者欠加工状态;边缘的检测功能通过计算位于该线段上像素点灰度的幅值变化情况从而判断是否出现灰度的阶跃现象,最终确定出工件的边缘。
[0021] 首先计算出像素点在x方向和y方向的梯度幅值:
[0022]
[0023]
[0024] 进一步得到图像梯度的幅值和方向:
[0025]
[0026]
[0027] 当幅值 达到预设值时,就将其视为灰度阶跃,及灰度阶跃处为工件的一条边缘。边缘的检测精确到单位像素,所以利用此方法检测的精度也是一个单位像素点,精度极高。
[0028] 较为密集的检测条可以实现对工件的全面检测,如果同一检测条上两条边缘超过工件的标准尺寸,则可以判定为欠加工;相反,如果两条边缘的距离小于标准距离,则认定测出为工件的缺损部分;如果两边缘的距离等于标准距离或在允许的误差范围内,则工件可视为检测合格。附图说明
[0029] 图1是本发明一种基于视觉的工件检测方法的流程框图
[0030] 图2是本发明的获取图像的构成说明。通过摄像机获取整幅图像,在图像的固定位置设置检测区域,检测区域内包含多条横、纵检测条对区域内的工件进行测量、检测。

具体实施方式

[0031] 以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
[0032] 还应当理解,此处所描述的具体实施例仅仅用于理解本发明,并不用于限定本发明。
[0033] 本发明处理的目标图像来源于工业机器人的工业相机,该工业相机用于检测生产线上的工件。
[0034] 如图1所示,本发明提出的一种基于视觉的工件检测方法,包括以下步骤:
[0035] 步骤一、首先对相机进行光学标定,在系统使用前必须先对相机进行标定。在连接工业相机与计算机后可以读取工业相机的图像,但是此时的图像会有较为严重的畸变产生,此畸变的主要来源有镜头的光学模组带来的畸变以及传感器制造误差所带来的误差。为了消除误差,必须对相机进行标定,通过相机拍摄标准的棋盘式标定板,同时多次变换标定板与相机之间的距离与度,随后获得相机的内、外参数用以修正图像,使相机拍摄的图像更为标准。同时通过标定可以找到像素与实际物理尺寸之间的关系,进一步为利用图像对工件进行测量、检测做好铺垫准备。
[0036] 步骤二、经过标定后的相机可以拍摄较为精准的图像,此时便可以进行对工件的拍摄工作。将生产线上的工件通过某种方式放置于检测区域,放置好后相机对工件进行自动拍照,获取工件的图像信息。
[0037] 步骤三、拍摄完工件的图像后还不能直接使用,因为在图像存在犹豫传感器数据跳动二产生的大量噪声点,尤其在光照不充足的情况下,由数字相机特性所决定的噪声会大量的出现在图像中。同时在工件的表面长长存在一些细小的纹理或者污点,影响后期的视觉判断与图形处理。以上这些噪声点严重影响了图片的质量,给图像增加了大量的无用数据或干扰数据,扰乱了图像内的有效信息,对后续的工件尺寸测量与检测带来极大地影响。
[0038] 为此需要对图形进行滤波处理,去除图像中的噪声点。传统的高斯滤波器常用于信号的滤波处理,去除波形信号当中的跳动噪声,是一种用于处理一维信号的过滤方式。将一维高斯滤波器拓展至二维平面,不仅单纯的考虑x轴的信号,需要同时处理x轴和y轴的信号,通过对以上两个维度的数据进行计算,过滤数据中的突变噪点:
[0039]
[0040] 式中(x,y)为图像中的像素坐标点,σ为x的方差值
[0041] 步骤四、将去噪后的彩色图像二值化。二值化可以把灰度图像转换成二值图像,把大于某个临界灰度值的像素灰度设为灰度极大值,把小于这个值的像素灰度设为灰度极小值,从而实现二值化。根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。比较常用的二值化方法则有:双峰法、P参数法、迭代法和OTSU法等。不同的算法所计算出的阈值也会有所不同,对图像中去除无用区域并保留兴趣区域的效果不同。本发明为了保留工件完整的轮廓信息,采用效果较好的迭代法:
[0042] 首先选择一个初始阈值T(j),通常可以选择整体图像的平均灰度值作为初始阈值。J为迭代次数,初始时j=0.
[0043] 用T(j)分割图像,将图像分为两个区域 和
[0044]
[0045]
[0046] 上述公式在计算两区域的平均灰度值。其中 为第j次迭代时区域C1和C2的像素点个数,f(x,y)表示图像中(x,y)点的灰度值。
[0047] 然后重新计算阈值,即:
[0048]
[0049] 令j=j+1,重复以上两步计算,直到T(j+1)与T(j)的差小于规定阈值或j达到最大的迭代次数。
[0050] 步骤五、对工件进行测量、检测。如图2所示,本发明在图像中设有检测区域,在该区域利用边缘检测原理获取工件多组横、纵尺寸数据。这一步的具体内容为:首先在图片的工件检测区域设置多条横、纵检测条,检测条数目设置越多,则对工件横、纵方向的检测密度越大;每一个检测条都为一条具有检测边缘功能的线段,通过检测位于该线段上工件的起始边缘和终止边缘,进一步计算出该线段上工件的长度,从而可以计算出该部分工件是否出现缺损或者欠加工状态;边缘的检测功能通过计算位于该线段上像素点灰度的幅值变化情况从而判断是否出现灰度的阶跃现象,最终确定出工件的边缘。
[0051] 首先计算出像素点在x方向和y方向的梯度幅值:
[0052]
[0053]
[0054] 进一步得到图像梯度的幅值和方向:
[0055]
[0056]
[0057] 当幅值 达到预设值时,就可以将其视为灰度阶跃,及灰度阶跃处为工件的一条边缘。当算法检测到检测条上第一条边缘后记录其点的坐标,随后继续在检测条上进行边缘搜索,当搜索到第二条边缘时记录其坐标。其所检测到的两条边缘可以视为弓箭的两条边界,通过两边缘的坐标相减获取工件的像素距离,通过转换后可以计算出工件的真实尺寸。边缘的检测可以精确到单位像素,所以利用此方法检测的精度也是一个单位像素点,精度极高。
[0058] 较为密集的检测条可以实现对工件的全面检测,如果同一检测条上两条边缘超过工件的标准尺寸,则可以判定为欠加工;相反,如果两条边缘的距离小于标准距离,则可以认定测出为工件的缺损部分;如果两边缘的距离等于标准距离或在允许的误差范围内,则工件可视为检测合格。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈