一种基于相似度匹配的汽车零配件缺陷识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107886495A(43)申请公布日2018.04.06(21)申请号201710917015.8G06T5/10(2006.01)(22)申请日2017.09.30(71)申请人北京得华机器人技术研究院有限公司地址100191北京市海淀区北四环中路238号柏彦大厦5层507室(72)发明人黄荣(74)专利代理机构北京科迪生专利代理有限责任公司11251代理人安丽(51)Int.Cl.G06T7/00(2017.01)G06T7/30(2017.01)G06T7/62(2017.01)G06T5/40(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于相似度匹配的汽车零配件缺陷识别方法(57)摘要本发明涉及一种基于相似度匹配的汽车零配件缺陷识别方法，具有检测汽车零配件上漏焊点、漏小零件、漏螺母、漏冲孔的功能，检测对象为焊点、小零件、螺母、冲孔。实现步骤为：首先，采集汽车零配件图像，判断是否需要创建模板库；其次，对采集到的图像截取检测区域，针对此区域做图像预处理；再次，遍历检测对象模板库中模板图像与预处理后的图像进行扫描比对相似度，将比对结果保存在线索图中，则线索图中包含检测对象的所有信息；最终，对线索图做轮廓检测处理，利用轮廓周长、圆度和面积信息筛选出检测对象，获得轮廓数量和位置信息，从而检测被采集图像的汽车零配件上是否存在漏焊点、漏小零件、漏螺母或漏冲孔的缺陷。CN107886495ACN107886495A权利要求书1/2页1.一种基于相似度匹配的汽车零配件缺陷识别方法，其特征在于：能够实现检测汽车零配件上漏焊点、漏小零件、漏螺母或漏冲孔的缺陷，检测对象为焊点、小零件、螺母、冲孔，实现步骤如下：步骤1、采集汽车零配件图像，判断是否需要创建模板库，若是则进行步骤2，若已经有模板库则转到步骤3；步骤2、创建检测对象模板库，截取检测对象图像，并对检测对象图像进行图像预处理，将预处理后的检测对象图像封装为检测对象的模板库；步骤3、截取汽车零配件图像中需要检测的区域，标记为R图像，设置标准汽车零配件的检测对象数量；步骤4、针对步骤3中R图像做图像预处理，记作R'图像，并新建与R图像大小一致的线索图，线索图每个像素点的灰度值均置为0；步骤5、循环遍历检测对象模板库，分别与步骤4中经过图像预处理后的R'图像进行相似度匹配，获取与模板图像匹配相似度高的区域图像的位置信息，并在线索图上与R'图像中相似度高的区域的相应位置存为255，相反，匹配所得相似度低的点，不做任何标记；步骤6、经过步骤5，线索图中包括不规则斑点的图像，找到斑点轮廓的最小包围圆，并获得最小包围圆的半径和圆心，筛去半径过大、过小以及圆心相距较近的轮廓，则汽车零配件的检测对象的位置出现相应的轮廓；步骤7、保存留下的轮廓的圆心点位置，查询留下的轮廓数量，则保存下来的圆心位置被认为汽车零配件检测对象位置，轮廓数量为汽车零配件检测对象数量；步骤8、将步骤7的汽车零配件检测对象数量与步骤3的标准汽车零配件的检测对象数量相比较，当检测的汽车零配件检测对象数量大于等于标准汽车零配件的检测对象数量，则判断为合格品，当检测的汽车零配件检测对象数量小于标准汽车零配件的检测对象数量，则判断为不合格品，即漏焊点、漏小零件、漏螺母或漏冲孔。2.根据权利要求1所述的一种基于相似度匹配的汽车零配件缺陷识别方法，其特征在于：所述步骤2和步骤4中，R图像做预处理的具体过程为：(1)对相机采集到的图像进行Gamma校正，用于改善图片的光照条件；(2)直方图均衡化使图像的直方图尽可能平坦，获取可以平均使用所有像素值的高质量的图像；(3)对直方图均衡化后的图像进行同态滤波，去除部分背景干扰；(4)经过步骤(3)处理后，图像信息均匀，再用矩阵模板法，将有检测对象的区域显露出来，将没有检测对象的区域覆盖掉，以便去掉检测汽车零配件检测对象时出现不必要的误匹配；(5)经过Gamma校正、直方图均衡法、同态滤波和矩阵模板相乘法的处理后，对图像进行自适应二值化，方便后续检测。3.根据权利要求1所述的一种基于相似度匹配的汽车零配件缺陷识别方法，其特征在于：所述步骤5中，进行相似度匹配的方法采用以下种类之一：种类1、平方差匹配法2CN107886495A权利要求书2/2页其中：x,y分别表示R'图像上任意一点的横纵坐标，x',y'分别表示模板图像中任意一点的横纵坐标，N(x,y)表示R'图像上以(x,y)为左上角顶点的与检测对象模板大小一致的区域和检测对象模板图像的相似度，T(x′,y′)表示检测对象模板图像上坐标为(x′,y′)的位置的灰度值，I(x+x′,y+y′)表示R'图像上与检测对象模板图像相对位置处的灰度值；种类2、