技术领域
[0001] 本
发明涉及视觉检测领域，具体涉及一种工件内外表面缺陷检测方法。
背景技术
[0002] 把控产品
质量一直是加工制造领域经久不衰的话题，如在工业现场，往往需要对工件表面质量进行实时检测，以确保工件质量，规避工件报废及生产成本增加等影响，随着计算机技术的发展，基于视觉技术的产品表面检测方法越来越多的替代了传统检测方法，但是现有的表面缺陷视觉检测方法只针对单侧产品表面进行检测，对于工件内外表面缺陷的检测需求，尚无有效的视觉检测方案，事实上，对工件的内外表面缺陷进行同步检测是十分必要的，如当工件同一
位置的内外表面同时存在缺陷(如对穿气泡)时，该工件的使用寿命相比于单一表面存在缺陷，将大打折扣，是一种严重的质量问题，因此，急需一种能够同时有效检测工件内外表面的视觉检测系统。
发明内容
[0003] 针对上述问题，本发明提出一种工件内外表面缺陷检测方法，该方法能够有效识别两侧缺陷是否位于内外表面的同一位置上，具有实时性好、准确率高，不易发生误判、误检的优势；适用于工业现场对产品质量的检测。
[0004] 一种工件内外表面缺陷检测方法，包括以下步骤：
[0005] 1)设置在工件内、外两侧的
图像采集系统同步采集待测区域的图像，得到内侧图像和外侧图像；
[0006] 2)提取内侧图像组中的缺陷区域中心点坐标，将其记为内缺陷中心坐标；提取外侧图像组中的缺陷区域中心点坐标，将其记为外缺陷中心坐标；
[0007] 3)将内缺陷中心坐标与外缺陷中心坐标转换到同一
坐标系下，计算转换后坐标的位置偏差，若偏差值小于既定
阈值，则判断为：工件待测区域内、外两侧同时存在缺陷；否则判断为：工件待测区域内、外两侧并非同时存在缺陷。
[0008] 其中，图像采集系统可采用双目
立体视觉系统或结构光测量系统，二者也可组合使用，如内侧采用双目立体视觉系统外侧采用结构光测量系统；
[0009] 结构光测量系统包括相机、线/面结构光发射器；
[0010] 进一步，任一侧的图像采集系统至少包含一组结构光测量系统；
[0011] 步骤2)中，获取单侧图像的点
云数据，得到点云图像；将整幅点云图像记为待测区域，设置窗口A；进行以下步骤：
[0012] (1)将窗口A置于待测区域中；
[0013] 对窗口A内的所有点云数据进行拟合，得到标准偏差，若标准偏差大于预设偏差A1，则将点云图像中该窗口所在的区域标记为待定缺陷区域，否则将其标记为背景区域；
[0014] 移动窗口A的位置，再次判断点云图像中某一区域的类型，连续移动窗口位置，直到判断出点云图像中所有区域的类型；
[0015] (2)将窗口A的尺寸缩小，更新为新的窗口A，将所有待定缺陷区域更新为新的待测区域，重复步骤(1)的操作；
[0016] (3)重复步骤(2)2～5次；将最后得到的待定缺陷区域，记为缺陷区域；采用
重心法提取缺陷区域的中心点坐标；
[0017] 将从内侧图像组中提取的中心点坐标记为内缺陷中心坐标、外侧图像组中提取的中心点坐标记为外缺陷中心坐标。
[0018] 单侧的图像采集系统中设置多组结构光测量系统能够扩大检测范围，能够同时对内/外侧的多个待
检测区域进行图像采集；
[0019] 进一步，窗口A尺寸为a×a；a＝5～10；A1＝0.1～0.3；步骤(3)中还包括：利用直通
滤波器对缺陷区域的点云进行滤波。
[0020] 进一步，任一侧的图像采集系统至少包含一组双目立体视觉系统；
[0021] 步骤2)中，分别对内侧图像组和外侧图像组中的单张图像进行图像预处理、边缘提取，得到每张图像中的缺陷区域的
像素点；
[0022] 对同侧图像中的缺陷区域像素点进行立体匹配得到
视差图，根据视差图计算出缺陷区域的三维坐标；提取缺陷区域的中心点坐标；
[0023] 将从内侧图像组中提取的中心点坐标记为内缺陷中心坐标、外侧图像组中提取的中心点坐标记为外缺陷中心坐标；单侧的图像采集系统中设置多组双目立体视觉系统能够扩大检测范围，同时对内/外侧的多个待检测区域进行图像采集；
[0024] 进一步，所述图像预处理方法为：
[0025] 将灰度图像中的所有像素按照灰度值从小到大排序，将该排序中第P个像素对应的灰度值记为Llow、第Q个像素对应的灰度值记为Lhigh；
[0026] 对灰度图像进行灰度归一化处理，将图像的灰度级从[Llow,Lhigh]扩展到[0,255]；
[0027] 其中，P＝roundup(p’×m)，Q＝roundup(q’×m)，roundup表示向上取整函数，p’、q’表示比例系数；
[0028] 对灰度归一化处理得到的图像进行图像滤波，完成对图像的预处理。
[0029] 进一步，p’＝0.03～0.1；优选p’＝0.05；q’＝0.9～0.98；优选q’＝0.95。
[0030] 进一步，步骤2)中边缘提取方法为：
[0031] ①计算灰度图中各像素点的梯度信息，得出梯度图像，利用OTSU
算法获取梯度图像的全局梯度阈值TOTSU；从初始像素点开始，以该像素点作为中心点，建立选区；
[0032] ②利用最大熵阈值分割方法对选区进行处理，将得出的梯度阈值记为Tksw；
[0033] 根据Tksw计算当前选区的高阈值TH、低阈值TL：
[0034] TH＝max(2*TOTSU/3，(Tksw-TOTSU)/3)
[0035] TL＝min(TOTSU/3,(Tksw+TOTSU)/6)
[0036] 若当前中心点的梯度值T≥TH，则将该中心点标记为缺陷区域的像素点；
[0037] 若TL＜T＜TH，则将该中心点标记为待定点；
[0038] 否则，将该中心点标记为背景区域像素点；
[0039] ③将当前中心点的下一个像素点作为新的中心点，建立新的选区，重复步骤②；直到将整个图像中所有像素点标记完成；
[0040] ④判断以单个待定点为中心的八邻域内是否存在缺陷区域的像素点，若是，则将该待定点也标记为边缘区域的像素点；若否，则将其标记为背景区域的像素点；
[0041] 以相同方法判断所有待定点，得出图像中的所有缺陷区域的像素点。
[0042] 为了提高
边缘检测的准确性，优选，步骤①中，先利用非极大值抑制方法过滤梯度图像中的噪点，再计算TOTSU；
[0043] 步骤②之前还包括步骤
[0044] I、获取选区内梯度的最小值Gmin、最大值Gmax；
[0045] 按照梯度值的大小对选区内的像素点进行排序，得到选区的梯度序列，将该梯度序列中第S个像素对应的梯度值记为Gk，其中S＝roundup(s’×n)，roundup表示向上取整函数，s’表示比例系数，s’＝0.3～0.6，优选s’＝0.5；n表示选区中像素点的总数；
[0046] II、若|Gmin-Gk|＜0.1*|Gmax-Gmin|或|Gmax-Gk|＜0.1*|Gmax-Gmin|，则增大当前选区的尺寸，再次进行步骤I；
[0047] 否则，进行步骤②。
[0048] 为了便于解算，优选，图像采集系统对称设置在工件内、外两侧。
[0049] 当内外侧系统对称时，步骤3)将内缺陷中心坐标与外缺陷中心坐标转换到同一坐标系下的方法为：
[0050] 将外侧设置的图像采集系统中任一部相机记为外侧基准相机，并将该相机的相机坐标系作为外侧基准坐标系，将外缺陷中心坐标转换到所述外侧基准坐标系中，转换后的坐标记为(xA,yA,zA)；
[0051] 在内侧的图像采集系统中进行相同设置，得出内侧基准坐标系，将内缺陷中心坐标转换到所述内侧基准坐标系中，转换后的坐标记为(xB,yB,zB)；
[0052] 将内侧基准坐标系作为全局坐标系，将(xA,yA,zA)转换为全局坐标系中的点(x′A,y′A,z′A)：
[0053] (x′A,y′A,z′A)＝(xA,yA,zA)+(Δxo,Δyo,Δzo)
[0054] 其中，(Δxo,Δyo,Δzo)为标定得出的外侧基准坐标系原点与内侧基准坐标系原点之间在各方向的位置偏差；
[0055] 或者：
[0056] 将外侧基准坐标系作为全局坐标系，将(xB,yB,zB)转换为全局坐标系中的点(x′B,y′B,z′B)：
[0057] (x′B，y′B，z′B)＝(xB，yB，zB)+(Δxo，Δyo，Δzo)
[0058] 其中，(Δxo,Δyo,Δzo)为标定得出的外侧基准坐标系原点与内侧基准坐标系原点之间在各方向的位置偏差。
[0059] 本方法利用图像采集系统同步检测工件内、外表面是否存在缺陷；该方法能够将内外缺陷坐标信息转换到同一坐标系，并有效识别两侧缺陷是否位于内外表面的同一位置上，具有实时性好、准确率高，不易发生误判、误检的优势；
[0060] 此外，设计了改进的灰度归一化方法，一方面有效增强了特征与背景之间的差异性，另一方面Llow、Lhigh均为使用统计信息获取，规避了噪点的干扰，对图像
对比度的提升效果更佳；
[0061] 改进的边缘检测方法，既能兼顾整体边缘特征分布，又能针对局部差异性对全局阈值进行适当调整，可有效避免过检和漏检，更有利于工件表面特征提取。
[0062] 基于上述改进，对于低对比度的图像(如工业现场采集的
铝制板材表面图像，图像的像素灰度差＜30)和细小缺陷的检测，本方法依然能够保持良好的准确性，而现有阈值分割方法容易出现漏检、错检；
[0063] 本方法降低了对采集图像质量的要求，实时性好，适用于工业现场对产品质量的检测。
附图说明
[0064] 图1为
实施例2中设置在工件内、外两侧的图像采集系统示意图；
[0065] 图2为实施例2中采用双目立体视觉系统处理方法流程示意图；
[0066] 图3(a)为实施例2中工件单侧
表面气泡缺陷图像；(b)为实施例2中现有canny边缘提取方法处理结果图；(c)为实施例2中发明边缘提取方法处理结果图。
具体实施方式
[0067] 以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
[0068] 实施例1
[0069] 一种工件内外表面缺陷检测方法，包括以下步骤：
[0070] 1)设置在工件内、外两侧的图像采集系统同步采集待测区域的图像，得到内侧图像和外侧图像；
[0071] 2)提取内侧图像组中的缺陷区域中心点坐标，将其记为内缺陷中心坐标；提取外侧图像组中的缺陷区域中心点坐标，将其记为外缺陷中心坐标；
[0072] 3)将内缺陷中心坐标与外缺陷中心坐标转换到同一坐标系下，计算转换后坐标的位置偏差，若偏差值小于既定阈值，则判断为：工件待测区域内、外两侧同时存在缺陷；否则判断为：工件待测区域内、外两侧并非同时存在缺陷。
[0073] 其中，图像采集系统可采用双目立体视觉系统或结构光测量系统，二者也可组合使用，如内侧采用双目立体视觉系统外侧采用结构光测量系统；
[0074] 具体的，作为本实施例的一种实施方式，采用结构光测量系统时，其处理过程如下：
[0075] 任一侧的图像采集系统一组结构光测量系统；
[0076] 步骤2)中，获取单侧图像的点云数据，得到点云图像；将整幅点云图像记为待测区域，设置窗口A(a×a)；进行以下步骤：
[0077] (1)将窗口A置于待测区域中；
[0078] 对窗口A内的所有点云数据进行拟合，得到标准偏差，若标准偏差大于预设偏差A1，则将点云图像中该窗口所在的区域标记为待定缺陷区域，否则将其标记为背景区域；
[0079] 移动窗口A的位置，再次判断点云图像中某一区域的类型，连续移动窗口位置，直到判断出点云图像中所有区域的类型；
[0080] (2)将窗口A的尺寸缩小(a＝a-1)，更新为新的窗口A，将所有待定缺陷区域更新为新的待测区域，重复步骤(1)的操作；
[0081] (3)重复步骤(2)2～5次；将最后得到的待定缺陷区域，记为缺陷区域；采用重心法提取缺陷区域的中心点坐标；
[0082] 将从内侧图像组中提取的中心点坐标记为内缺陷中心坐标、外侧图像组中提取的中心点坐标记为外缺陷中心坐标。
[0083] 其中，窗口A尺寸为a×a；a＝5～10；A1＝0.1～0.3；步骤(3)中还包括：利用直通滤波器对缺陷区域的点云进行滤波。
[0084] 单侧的图像采集系统中设置多组结构光测量系统能够扩大检测范围，能够同时对内/外侧的多个待检测区域进行图像采集；
[0085] 实施例2
[0086] 一种工件内外表面缺陷检测方法，包括以下步骤：
[0087] 1)设置在工件内、外两侧的图像采集系统同步采集待测区域的图像，得到内侧图像和外侧图像；
[0088] 2)提取内侧图像组中的缺陷区域中心点坐标，将其记为内缺陷中心坐标；提取外侧图像组中的缺陷区域中心点坐标，将其记为外缺陷中心坐标；
[0089] 3)将内缺陷中心坐标与外缺陷中心坐标转换到同一坐标系下，计算转换后坐标的位置偏差，若偏差值小于既定阈值，则判断为：工件待测区域内、外两侧同时存在缺陷；否则判断为：工件待测区域内、外两侧并非同时存在缺陷。
[0090] 为了便于解算，本实施例中，图像采集系统对称设置在工件内、外两侧；具体过程如下：
[0091] 如图1所示，单侧的图像采集系统包含一组双目立体视觉系统2，工件1的待测位置处于双目立体视觉系统的公共视场之内；
[0092] 如图2所示，步骤2)中，分别对内侧图像组和外侧图像组中的单张图像进行图像预处理、边缘提取，得到每张图像中的缺陷区域的像素点；
[0093] 对同侧图像中的缺陷区域像素点进行立体匹配得到视差图，根据视差图计算出缺陷区域的三维坐标；提取缺陷区域的中心点坐标；
[0094] 将从内侧图像组中提取的中心点坐标记为内缺陷中心坐标、外侧图像组中提取的中心点坐标记为外缺陷中心坐标；单侧的图像采集系统中设置多组双目立体视觉系统能够扩大检测范围，同时对内/外侧的多个待检测区域进行图像采集；
[0095] 具体的，图像预处理方法为：
[0096] 将灰度图像中的所有像素按照灰度值从小到大排序，将该排序中第P个像素对应的灰度值记为Llow、第Q个像素对应的灰度值记为Lhigh；
[0097] 对灰度图像进行灰度归一化处理，将图像的灰度级从[Llow,Lhigh]扩展到[0,255]；
[0098] 其中，P＝roundup(p’×m)，Q＝roundup(q’×m)，roundup表示向上取整函数，p’、q’表示比例系数；
[0099] 对灰度归一化处理得到的图像进行图像滤波，完成对图像的预处理。
[0100] 其中，p’＝0.03～0.1；q’＝0.9～0.98；本实施例设置为p’＝0.05、q’＝0.95。
[0101] 边缘提取方法为：
[0102] ①计算灰度图中各像素点的梯度信息，得出梯度图像，利用非极大值抑制方法过滤梯度图像中的噪点，利用OTSU算法获取梯度图像的全局梯度阈值TOTSU；从初始像素点开始，以该像素点作为中心点，建立选区；
[0103] 对选区进行以下调节步骤：
[0104] I、获取选区内梯度的最小值Gmin、最大值Gmax；
[0105] 按照梯度值的大小对选区内的像素点进行排序，得到选区的梯度序列，将该梯度序列中第S个像素对应的梯度值记为Gk，其中S＝roundup(s’×n)，roundup表示向上取整函数，s’表示比例系数，s’＝0.3～0.6，本实施例值s’＝0.5；n表示选区中像素点的总数；
[0106] II、若|Gmin-Gk|＜0.1*|Gmax-Gmin|或|Gmax-Gk|＜0.1*|Gmax-Gmin|，则增大当前选区的尺寸，再次进行步骤I；
[0107] 否则，进行步骤②；
[0108] ②利用最大熵阈值分割方法对选区进行处理，将得出的梯度阈值记为Tksw；
[0109] 根据Tksw计算当前选区的高阈值TH、低阈值TL：
[0110] TH＝max(2*TOTSU/3，(Tksw+TOTSU)/3)
[0111] TL＝min(TOTSU/3,(Tksw+TOTSU)/6)
[0112] 若当前中心点的梯度值T≥TH，则将该中心点标记为缺陷区域的像素点；
[0113] 若TL＜T＜TH，则将该中心点标记为待定点；
[0114] 否则，将该中心点标记为背景区域像素点；
[0115] ③将当前中心点的下一个像素点作为新的中心点，建立新的选区，重复步骤②；直到将整个图像中所有像素点标记完成；
[0116] ④判断以单个待定点为中心的八邻域内是否存在缺陷区域的像素点，若是，则将该待定点也标记为边缘区域的像素点；若否，则将其标记为背景区域的像素点；
[0117] 以相同方法判断所有待定点，得出图像中的所有缺陷区域的像素点。
[0118] 步骤3)将内缺陷中心坐标与外缺陷中心坐标转换到同一坐标系下的方法为：
[0119] 将外侧设置的图像采集系统中任一部相机记为外侧基准相机，并将该相机的相机坐标系作为外侧基准坐标系，将外缺陷中心坐标转换到外侧基准坐标系中，转换后的坐标记为(xA，yA，zA)；
[0120] 在内侧的图像采集系统中进行相同设置，得出内侧基准坐标系，将内缺陷中心坐标转换到内侧基准坐标系中，转换后的坐标记为(xB，yB，zB)；
[0121] 将内侧基准坐标系作为全局坐标系，将(xA，yA，zA)转换为全局坐标系中的点(x′A，y′A，z′A)：
[0122] (x′A，y′A，z′A)＝(xA，yA，zA)+(Δxo，Δyo，Δzo)
[0123] 其中，(Δxo，Δyo，Δzo)为标定得出的外侧基准坐标系原点与内侧基准坐标系原点之间在各方向的位置偏差；
[0124] 应当知晓的是，全局坐标系也可以设为外侧基准坐标系，将(xB，yB，zB)转换为全局坐标系中的点(x′B，y′B，z′B)：
[0125] (x′B，y′B，z′B)＝(xB，yB，zB)+(Δxo，Δyo，Δzo)
[0126] 其中，(Δxo,Δyo,Δzo)为标定得出的外侧基准坐标系原点与内侧基准坐标系原点之间在各方向的位置偏差。
[0127] 将本实施例应用于
冲压件的对穿气泡缺陷检测，单张
图像处理效果如图3所示，(a)为工件单侧表面气泡缺陷图像；(b)为现有canny边缘提取方法处理结果图；(c)本发明边缘提取方法处理结果图；
[0128] 可见，现有canny边缘提取方法会出现错检现象，不利于准确提取缺陷区域的像素点；造成后续计算过程的解算错误，而本发明方法能够有效提取缺陷区域、具有更好的普适性。
[0129] 前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和
修改形式。本发明的范围旨在由所附
权利要求书及其等价形式所限定。
