首页 / 专利库 / 医疗设备 / 伽马相机 / 一种基于机器视觉的磁芯表面缺陷检测方法

一种基于机器视觉的磁芯表面缺陷检测方法

阅读:784发布:2020-05-29

专利汇可以提供一种基于机器视觉的磁芯表面缺陷检测方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及 缺陷 检测技术领域,尤其是一种基于 机器视觉 的磁芯表面缺陷检测方法,其步骤为:通过彩色CCD工业相机采集待检测磁芯的十张图片;对采集到的图进进行灰度处理,转换为单通道的灰度图像;用图像 质量 评价函数对灰度处理之后的图片进行评价,选出最佳测试图片;用伽 马 变换对图像进行对比增强处理;用OSTU 算法 获得二值图;用4连通区域法提取出缺陷的轮廓;用最小外接矩形绘制出缺陷的轮廓,并计算其面积;将计算出的矩形面积与设定的 阈值 进行比较,大于阈值则将矩形的 顶点 坐标记录下来,否则忽略不计;在原图像中绘出缺陷的最小外接矩形;将缺陷信息和图片上传到 数据库 ,本发明检测 精度 更高、灵活性更加好、更加具有智能性。,下面是一种基于机器视觉的磁芯表面缺陷检测方法专利的具体信息内容。

1.一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:其步骤为:
1)通过彩色CCD工业相机采集待检测磁芯的十张图片;
2)对采集到的图进进行灰度处理,转换为单通道的灰度图像;
3)用图像质量评价函数对灰度处理之后的图片进行评价,选出最佳测试图片;
4)用3x3的中值滤波对选出的最佳测试图片进行去噪声处理;
5)用伽变换对图像进行对比增强处理;
6)用OSTU算法获得二值图;
7)用4连通区域法提取出缺陷的轮廓;;
8)用最小外接矩形绘制出缺陷的轮廓,并计算其面积;
9)将计算出的矩形面积与设定的阈值进行比较,大于阈值则将矩形的顶点坐标记录下来,否则忽略不计;
10)在原图像中绘出缺陷的最小外接矩形;
11)将缺陷信息和图片上传到数据库
2.根据权利要求1所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:所述的CCD工业相机为彩色工业相机。
3.根据权利要求2所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:根据步骤1)至3),每次采集10张图片(I0…I9),进行灰度处理,再通过图像质量评价函数选出最佳测试图片Ibest。
4.根据权利要求3所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:所述的图像质量评价函数为:
IGray=0.30*R+0.59*G+0.11*B      (1)
f=∑x∑y(|f(x,y)-f(x-1,y)|+|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y-1)|+|f(x,y)-f(x,y+1)|)       (2)
公式1:单通道灰度化公式,IGray灰度化之后的图像,R、G、B彩色图像的三通道值;
公式2:图像质量评价函数,f(x,y)为图像在点(x,y)处的灰度值,f(x,y-1)、f(x,y+1)、f(x-1,y)、f(x+1,y)分别为点(x,y)上下左右点处的灰度值,f为图像质量值,f值越大图像质量越好。
5.根据权利要求1所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:根据步骤4)至步骤5)对选出的最佳测试图片用3x3的中值滤波滤除噪声,再用伽马变换对图像进行对比增强处理,得到图像I′best。
6.根据权利要求5所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:根据步骤6)至步骤9)对图像增强之后的图像I′best用OTSU算法,得到二值化图像I″best,并利用
4连通域法提取出缺陷的外部轮廓,再用最小外接矩形框定出来,并计算其面积S1…n,最后与设定的阈值δ进行比较,记录下符合条件的矩形顶点坐标p1..m。
7.根据权利要求6所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:计算公式为:
u=w0*u0+w1*u1          (3)
g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)     (4)
S1...n=L*W           (6)
公式3:w0,u0当前阈值下前景的平均灰度值;w1,u1当前阈值下背景的平均灰度值;u为图像的总平均灰度;
公式4:g为前景与背景图像的方差,当方差g为最大时候的灰度值th为最佳阈值;
公式5:I″best为二值图,A为图像像素灰度值,th为最佳阈值;
公式6:S1…n为最小矩形面积,L为矩形的长,W为矩形的宽。
8.根据权利要求1所述的一种基于机器视觉的磁芯表面缺陷检测方法,其特征在于:根据步骤10)至步骤11)在原图像中用最小外接矩形绘制出每个缺陷所在的位置,且把检测到缺陷的数量、面积和图片信息上传到数据库。

说明书全文

一种基于机器视觉的磁芯表面缺陷检测方法

技术领域

[0001] 本发明涉及缺陷检测技术领域,具体领域为一种基于机器视觉的磁芯表面缺陷检测方法。

背景技术

[0002] 磁芯在生产过程中由于生产工艺或生产环境的原因造成如:划痕、擦伤、缺口等表面缺陷。这些磁芯表面缺陷会使产品的强度变差、电气特性降低、甚至严重的会造成很大的安全隐患。当前对于磁芯的质量检测,通常是依赖人工通过眼镜观察表面缺陷。
[0003] 传统的人工检测主要有以下缺点:1.人眼的空间分辨率有限,难以分辨细小的裂痕。2.人工检测容易受主观意识影响,检测的准确率难以保障。3.人工检测的效率低,无法实现产品质量的信息化管理。

发明内容

[0004] 本发明的目的在于提供一种基于机器视觉的磁芯表面缺陷检测方法,以解决现有技术中人工操作误差大,效率低的问题。
[0005] 为实现上述目的,本发明提供如下技术方案:一种基于机器视觉的磁芯表面缺陷检测方法,其步骤为:
[0006] 1)通过彩色CCD工业相机采集待检测磁芯的十张图片;
[0007] 2)对采集到的图进进行灰度处理,转换为单通道的灰度图像;
[0008] 3)用图像质量评价函数对灰度处理之后的图片进行评价,选出最佳测试图片;
[0009] 4)用3x3的中值滤波对选出的最佳测试图片进行去噪声处理;
[0010] 5)用伽变换对图像进行对比增强处理;
[0011] 6)用OSTU算法获得二值图;
[0012] 7)用4连通区域法提取出缺陷的轮廓;;
[0013] 8)用最小外接矩形绘制出缺陷的轮廓,并计算其面积;
[0014] 9)将计算出的矩形面积与设定的阈值进行比较,大于阈值则将矩形的顶点坐标记录下来,否则忽略不计;
[0015] 10)在原图像中绘出缺陷的最小外接矩形;
[0016] 11)将缺陷信息和图片上传到数据库
[0017] 优选的,所述的CCD工业相机为彩色工业相机。
[0018] 优选的,根据步骤1)至3),每次采集10张图片(I0…I9),进行灰度处理,再通过图像质量评价函数选出最佳测试图片Ibest。
[0019] 优选的,所述的图像质量评价函数为:
[0020] IGray=0.30*R+0.59*G+0.11*B   (1)
[0021] f=∑x∑y(|f(x,y)-f(x-1,y)|+|f(x,y)-f(x+1,y)|+|f(t,y)-[0022] f(x,y-1)|+|f(x,y)-f(x,y+1)|)   (2)
[0023] 公式1:单通道灰度化公式,IGray灰度化之后的图像,R、G、B彩色图像的三通道值;
[0024] 公式2:图像质量评价函数,f(x,y)为图像在点(x,y)处的灰度值,f(x,y-1)、f(x,y+1)、f(x-1,y)、f(x+1,y)分别为点(x,y)上下左右点处的灰度值,f为图像质量值,f值越大图像质量越好。
[0025] 优选的,根据步骤4)至步骤5)对选出的最佳测试图片用3x3的中值滤波滤除噪声,再用伽马变换对图像进行对比增强处理,得到图像I′best。
[0026] 优选的,根据步骤6)至步骤9)对图像增强之后的图像I′best用OTSU算法,得到二值化图像I″best,并利用4连通域法提取出缺陷的外部轮廓,再用最小外接矩形框定出来,并计算其面积S1…n,最后与设定的阈值δ进行比较,记录下符合条件的矩形顶点坐标p1..m。
[0027] 优选的,计算公式为:
[0028] u=w0*u0+w1*u1   (3)
[0029] g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)   (4)
[0030]
[0031] S1...n=L*W   (6)
[0032] 公式3:w0,u0当前阈值下前景的平均灰度值;w1,u1当前阈值下背景的平均灰度值;u为图像的总平均灰度;
[0033] 公式4:g为前景与背景图像的方差,当方差g为最大时候的灰度值th为最佳阈值;
[0034] 公式5:I″best为二值图,A为图像像素灰度值,th为最佳阈值;
[0035] 公式6:S1…n为最小矩形面积,L为矩形的长,W为矩形的宽。
[0036] 优选的,根据步骤10)至步骤11)在原图像中用最小外接矩形绘制出每个缺陷所在的位置,且把检测到缺陷的数量、面积和图片信息上传到数据库。
[0037] 与现有技术相比,本发明的有益效果是:相比于传统的人工检测、机械检测等,本检测方法的检测精度更高、灵活性更加好、更加具有智能性,本检测方法包括磁芯表面缺陷检测和保存缺陷信息及图片到数据库两个部分,首先采集需要检测的磁芯图片(每次采集十张),对采集到的图片转换成单通道的灰度图像,然后进行图像质量评价,选出最佳测试图片。对选择出来的图片进行3X3的中值滤波,图像增强处理,再通过OTSU算法(最佳类间方差)获得二值化图像,然后通过4连通区域法提取出缺陷的轮廓,并用最小外接矩形框定出来并计算其面积,如果其面积大于阈值(不固定,可以灵活变动),则将外界最小矩形的顶点坐标记录下来,再在原图像中画出缺陷的最小外接矩形,指出缺陷所在位置。最后,将缺陷信息和图片上传到数据库;
[0038] 1.能够准确快速的定位缺陷的位置,提高了检测精度和效率;
[0039] 2.能够灵活控制检测的精度,方便生产的需求,更加智能;
[0040] 3.可以将缺陷信息和图片上传到数据库,方便对产品质量进行监管和查询;
[0041] 4.避免了因为人为因素的干扰,降低了生产的成本。附图说明
[0042] 图1为本发明的流程图
[0043] 图2是本发明的选择出来的最佳测试灰度图片;
[0044] 图3是本发明的3X3中值滤波的结果;
[0045] 图4是本发明的伽马变换的结果;
[0046] 图5是本发明的OSTU二值化结果;
[0047] 图6是本发明的用4连通域法获得的轮廓图;
[0048] 图7是本发明的检测到的缺陷信息;
[0049] 图8是本发明的表面缺陷检测结果。

具体实施方式

[0050] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0051] 请参阅图1至8,本发明提供一种技术方案:一种基于机器视觉的磁芯表面缺陷检测方法,其步骤为:
[0052] 1)通过彩色CCD工业相机采集待检测磁芯的十张图片;
[0053] 2)对采集到的图进进行灰度处理,转换为单通道的灰度图像;
[0054] 3)用图像质量评价函数对灰度处理之后的图片进行评价,选出最佳测试图片;
[0055] 4)用3x3的中值滤波对选出的最佳测试图片进行去噪声处理;
[0056] 5)用伽马变换对图像进行对比增强处理;
[0057] 6)用OSTU算法获得二值图;
[0058] 7)用4连通区域法提取出缺陷的轮廓;;
[0059] 8)用最小外接矩形绘制出缺陷的轮廓,并计算其面积;
[0060] 9)将计算出的矩形面积与设定的阈值进行比较,大于阈值则将矩形的顶点坐标记录下来,否则忽略不计;
[0061] 10)在原图像中绘出缺陷的最小外接矩形;
[0062] 11)将缺陷信息和图片上传到数据库。
[0063] 所述的CCD工业相机为彩色工业相机。
[0064] 根据步骤1)至3),每次采集10张图片(I0…I9),进行灰度处理,再通过图像质量评价函数选出最佳测试图片Ibest。
[0065] 所述的图像质量评价函数为:
[0066] IGray=0.30*R+0.59*G+0.11*B   (1)
[0067] =∑x∑y)|f(x,y)-f(x-1,y)|+|f(x,y)-f(x+1,y)|+|f(x,y)-[0068] f(x,y-1)|+|f(x,y)-f(x,y+1)|)   (2)
[0069] 公式1:单通道灰度化公式,IGray灰度化之后的图像,R、G、B彩色图像的三通道值;
[0070] 公式2:图像质量评价函数,f(x,y)为图像在点(x,y)处的灰度值,f(x,y-1)、f(x,y+1)、f(x-1,y)、f(x+1,y)分别为点(x,y)上下左右点处的灰度值,f为图像质量值,f值越大图像质量越好。
[0071] 根据步骤4)至步骤5)对选出的最佳测试图片用3x3的中值滤波滤除噪声,再用伽马变换对图像进行对比增强处理,得到图像I′best。
[0072] 根据步骤6)至步骤9)对图像增强之后的图像I′best用OTSU算法,得到二值化图像I″best,并利用4连通域法提取出缺陷的外部轮廓,再用最小外接矩形框定出来,并计算其面积S1…n,最后与设定的阈值δ进行比较,记录下符合条件的矩形顶点坐标p1..m。计算公式为:
[0073] u=w0*u0+w1*u1   (3)
[0074] g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)   (4)
[0075]
[0076] S1...n=L*W   (6)
[0077] 公式3:w0,u0当前阈值下前景的平均灰度值;w1,u1当前阈值下背景的平均灰度值;u为图像的总平均灰度;
[0078] 公式4:g为前景与背景图像的方差,当方差g为最大时候的灰度值th为最佳阈值;
[0079] 公式5:I″best为值图,A为图像像素灰度值,th为最佳阈值;
[0080] 公式6:S1…n为最小矩形面积,L为矩形的长,W为矩形的宽。
[0081] 根据步骤10)至步骤11)在原图像中用最小外接矩形绘制出每个缺陷所在的位置,且把检测到缺陷的数量、面积和图片信息上传到数据库。
[0082] 通过本技术方案,1)通过彩色CCD工业相机采集待检测磁芯的十张图片;
[0083] 2)对采集到的图进进行灰度处理,转换为单通道的灰度图像;
[0084] 3)用图像质量评价函数对灰度处理之后的图片进行评价,选出如图2所示的最佳测试图片;
[0085] 4)用3X3的中值滤波对选出的最佳测试图片进行去噪声处理,获得如图3所示的滤波图像;
[0086] 5)用伽马变换对图像进行对比增强处理,获得如图4所示的增强图像;
[0087] 6)用OSTU算法获得如图5所示的二值图,其中白色区域就是缺陷;
[0088] 7)用4连通区域法提取出缺陷的轮廓,获得的结果如图6所示;
[0089] 8)用最小外接矩形绘制出缺陷的轮廓,并计算其面积;
[0090] 9)将计算出的矩形面积与设定的阈值进行比较,大于阈值则将矩形的顶点坐标记录下来,否则忽略不计,获得的结果如图7所示;
[0091] 10)在原图像中绘出缺陷的最小外接矩形,指出缺陷所在的位置,获得结果如图8所示;
[0092] 11)将缺陷信息和图片上传到数据库。
[0093] 尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
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