一种基于机器视觉的铆钉尺寸检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115546155A(43)申请公布日2022.12.30(21)申请号202211242624.5G06T7/136(2017.01)(22)申请日2022.10.11G06T7/60(2017.01)G06T7/64(2017.01)(71)申请人无锡安欣达科技有限公司G06V10/40(2022.01)地址214000江苏省无锡市锡山区东港镇G06V10/762(2022.01)创业路60号G06F17/18(2006.01)(72)发明人缪建国李立军陆海斌徐磊(74)专利代理机构重庆宏知亿知识产权代理事务所(特殊普通合伙)50260专利代理师孙超(51)Int.Cl.G06T7/00(2017.01)G06T5/10(2006.01)G06T5/00(2006.01)G06T5/20(2006.01)G06T7/13(2017.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于机器视觉的铆钉尺寸检测方法(57)摘要本发明公开了一种基于机器视觉的铆钉尺寸检测方法。本发明中，尺寸检测模块和缺陷检测模块配合使用，根据轮廓图像中所具有的的直线型特征，使用Hough变换的方法实现铆钉尺寸参数的测量；使用图像的几何特征对铆钉缺陷图像进行特征描述，并根据不同缺陷图像特征描述的不同对铆钉缺陷进行准确判断。对铆钉尺寸测量和缺陷检测的数据通过统计分析，实现铆钉生产线的自诊断功能，从而提高了该系统的准确性和高效性，同时配合统计分析模块可以对缺陷进行统计，进而使得后续的使用过程中，可以提供了参考价值，增加了使用时的便利性，同时也提高了该检测方法的检测效率，提高了产品的良品率。CN115546155ACN115546155A权利要求书1/2页1.一种基于机器视觉的铆钉尺寸检测方法，其特征在于：所述基于机器视觉的铆钉尺寸检测方法包括以下步骤：S1:启动模块(1)控制整个系统启动后，整个系统开始工作，铆钉图像采集模块(2)选择型号MV‑EM200M的面阵CCD相机进行铆钉图像的采集，S2:图像预处理模块(3)先对铆钉图像采集模块(2)拍摄到的图像进行离散傅里叶变换，将操作转换到频率域上进行，然后对图像低通滤波，去除瑕疵高频信息，转换回原空间中与原图进行差分，从而得到增强后的图像S3:图像预处理模块(3)对图像进行增强处理之后，采用双边滤波的方法进行图像图像滤波，在检测时，如果窗口中存在噪声点，那么它必然为3×3滤波窗口中某一行或者某一列的最大值或最小值；S4:图像预处理模块(3)进行滤波处理之后，通过选择适当的阈值将原本具有多个灰度级的图像转换成仍然能够反映图像整体与局部特征的黑白二值图像，即只要像素的灰度值大于给定阈值的就置为255，小于给定阈值的就置为0，经过这样处理后的图像就会呈现出黑白对比明显的效果；S5:尺寸检测模块(5)进行边缘检测，利用相邻点像素的灰度差，在边缘处取得极值，从而检测到图像边缘信息，删除非边缘部分，从而对噪声起到平滑作用；S6:尺寸标定模块(4)进行尺寸标定，选取几个尺寸标准的铆钉样件作为标定工件，通过影像测量仪测量获得它的钉杆直径尺寸，并计算标定系数k；S7:尺寸检测模块(5)通过阈值分割后变换为二值图像进行轮廓提取，阈值分割法的步骤为：1.确定图像分割的阈值；2.将所确定的分割阈值和图像像素值进行比较以划分像素；S8:尺寸检测模块(5)根据其轮廓图像的特征信息测量出铆钉的埋头面夹角、内径、长度、埋头面厚度物理量；由于埋头面的夹角能够通过拟合所测角度的两条直线方程进而计算直线夹角得到，铆钉的长度、内径以及埋头面厚度能够通过其对应平行线间的距离获得，因此铆钉尺寸参数的测量转变为对目标直线的检测S9:缺陷检测模块(6)用CCD相机拍摄多幅合格的铆钉图像，采用具有尺度特性原子库的稀疏分解技术，并利用均值聚类技术对多幅铆钉图像的稀疏结果进行聚类处理，获得铆钉背景图像B；对于不同类型的表面缺陷，具有不同的特征，因此对不同的缺陷信息进行特征描述，能够有效的实现对铆钉表面缺陷的准确判断；S10:缺陷检测模块(6)对缺陷进行判断，缺陷检测模块(6)对拍摄到铆钉的圆头面图像进行轮廓提取，由于合格的铆钉圆头面轮廓图像为圆形，因此通过计算铆钉圆头面轮廓图像的圆形度，并设置合适的圆形度阈值，当圆头面轮廓图像的圆形度大于此阈值时，判断为铆钉圆头面无掉角缺陷，否则判断为铆钉圆头面存在掉角缺陷；S11:统计分析模块(7)对尺寸参数的统计分析准确地判断出铆钉生产机械设备的工作状态，实现生产线的自诊断功能，统计分析模块(7)通过测量数据均值与设定值的比较判断生产工艺过程的偏差大小；铆钉图像采集模块(2)根据测量数据方差的大小判断铆钉生产过程的精密程度；图像预处理模块(3)通过判