一种基于形状匹配的汽车零配件的质量检测方法.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CN107886496A(43)申请公布日2018.04.06(21)申请号201710919605.4(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)G06T5/40(2006.01)权利要求书3页说明书6页附图1页(54)发明名称一种基于形状匹配的汽车零配件的质量检测方法(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。CN107886496ACN107886496A权利要求书1/3页1.一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：能够检测汽车零配件上是否有漏焊点、漏小零件、漏螺母和漏冲孔的质量问题，检测对象为焊点、小零件、螺母、冲孔，实现步骤如下：步骤1、采用工业相机通过网络的通信方式采集汽车零配件图像；步骤2、判断是否需要创建轮廓库，若需要则进行步骤3，否则转到步骤4；步骤3、截取汽车零配件图像中检测对象图像，基于二维边缘提取法提取检测对象的轮廓，利用检测对象的轮廓图像创建汽车零配件的形状匹配模板库；步骤4、对采集到的图像进行自动截取检测区域，针对检测区域做图像预处理；步骤5、基于二维边缘提取法提取预处理后图像的检测对象轮廓，然后循环遍历形状匹配的模板库，进行轮廓形状匹配，匹配成功的对象即为检测到的检测对象；步骤6、提取检测对象的位置信息和检测出的检测对象数量，与标准的检测对象位置和数量作比较，判断汽车零配件产品的质量是否合格。2.根据权利要求1所述的一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：所述步骤3和步骤5中基于二维边缘提取法提取检测对象轮廓的具体过程为：(1)图像函数用f(r,c)来表示，求图像的梯度向量为：其中，代表图像的梯度向量，r代表图像上某像素点横坐标的值，c表示图像上某像素点纵坐标的值，(r,c)代表图像中像素点的位置信息，f(r,c)代表像素点位置是(r,c)的灰度值，fr表示图像函数在r上的一阶偏导数，fc表示图像函数在c上的一阶偏导数；(2)求梯度向量的欧几里得长度和梯度方向：φ＝-arctan(fr/fc)梯度向量的长度又称梯度向量的量值，梯度方向φ沿从横轴开始的算术正方向，即逆时针方向增大，二维边缘由图像中若干个点组成，在这些点上梯度量值在梯度方向φ上局部最大，此处是检测对象轮廓的特征；(3)通过拉普拉斯算子的过零计算能得到二维边缘，即得到检测对象的轮廓，公式如下：Δf(r,c)＝0其中，Δf表示拉普拉斯算子，frr表示图像函数在r上的二阶偏导数，fcc表示图像函数在c上的二阶偏导数。3.根据权利要求1所述的一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：所述步骤4中图像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；2CN107886496A权利要求书2/3页(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的像素强度的高质量的图像；(3)对直方图均衡化后的图像进行高斯滤波，去除部分背景干扰；(4)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。4.根据权利要求1所述的一种基于形状匹配的汽车零配件的质量检测方法，其特征在于：所述步骤5中轮廓形状匹配法的具体过程为：(1)计算模板图像与采集到的图像中检测区域的二维直方图之间的距离dij；将步骤2中检测对象轮廓的采样点分为多个区域，将采样点分为k×l个区域；半径相同的区域，在同一层的区域夹角之差为：Δθ＝2π/k；夹角相同的区域的半径之差为：ΔR＝R/l；i和j两个区域之间的层数差c为：角度差的数量u表示