本發(fā)明屬于圖像處理與機器視覺領域，涉及halcon軟件，具體涉及一種小模數(shù)塑料齒輪的實時在線檢測系統(tǒng)及方法。

背景技術：

小模數(shù)塑料齒輪因為具有成本低、質(zhì)量輕、生產(chǎn)批量大等特點，被廣泛用于儀表、家電、玩具等領域。在模塑法加工塑料齒輪過程中，不可避免會有殘次品出現(xiàn)，若不剔除，成品的質(zhì)量將難以保證。

在中國，很多齒輪生產(chǎn)商出于各方面的考慮，依然使用傳統(tǒng)的接觸式測量方法對齒輪進檢測與測量。但由于小模數(shù)塑料齒輪的齒槽間隙小，測量儀器難以進入，且接觸式方式測量存在檢測速度慢、測量精度不高、數(shù)據(jù)不能實時存儲等缺點，不適合生產(chǎn)過程中的實時在線檢測，因此研究小模數(shù)塑料齒輪的非接觸式快速檢測方法意義重大。

技術實現(xiàn)要素：

針對傳統(tǒng)測量技術的不足，本發(fā)明提出了一種實時的基于機器視覺的小模數(shù)塑料齒輪的檢測方法和實現(xiàn)這種方法的圖像處理系統(tǒng)，從而實現(xiàn)小模數(shù)塑料齒輪的實時、非接觸性檢測。

本發(fā)明提供的基于機器視覺的小模數(shù)塑料齒輪的檢測系統(tǒng)，包括圖像采集模塊、圖像預處理模塊以及檢測、測量和分類模塊。所述的圖像采集模塊為：在低角度LED環(huán)形光的垂直照射下，小模數(shù)齒輪在傳送帶上運動到指定位置時，光電傳感器會觸發(fā)CCD相機、攝像頭工作，攝像頭將被測場景中的目標成像到CCD靶面上，將其變成電信號。圖像預處理模塊為：圖像采集卡先將采集的電信號轉(zhuǎn)化為數(shù)字圖像信息，在計算機內(nèi)實現(xiàn)存儲、處理。圖像處理軟件采用德國MVtec公司開發(fā)的具有標準的機器視覺算法包、擁有應用廣泛的機器視覺集成開發(fā)環(huán)境的halcon軟件，其應用范圍幾乎沒有限制，并且程序的移植性好、抗干擾能力強。檢測、測量和分類模塊為：通過檢測剔除不合格產(chǎn)品，然后測量得到齒輪的一些參數(shù)，最后進行齒輪的分類。

本發(fā)明提供的基于機器視覺的小模數(shù)塑料齒輪的檢測方法，包括以下步驟：

A、圖像采集；

B、圖像預處理；

C、檢測、測量和分類。

D、剔除不合格產(chǎn)品。

前面所述的小模數(shù)塑料齒輪的檢測方法，優(yōu)選的方案在于，所述步驟B具體步驟如下：

步驟一、先把采集的彩色圖像轉(zhuǎn)化為3幅R、G、B單通道圖像；

步驟二、使用基于Weickert的各向異性擴散濾波算子進行圖像平滑，達到去除噪聲的同時保留并銳化邊緣的目的；

前面所述的小模數(shù)塑料齒輪的檢測方法，優(yōu)選的方案在于，所述步驟C具體步驟如下：

步驟一、對平滑處理后的圖像進行自動全局閾值分割，原理為計算圖像的相對直方圖，從直方圖中提取相關的最小值用作閾值分割；

步驟二、對分割后的圖像形態(tài)學處理。設置形態(tài)學結(jié)構(gòu)元素，對結(jié)構(gòu)元素進行腐蝕處理，然后將源圖像區(qū)域和經(jīng)過腐蝕處理后的區(qū)域做差運算，得到齒輪的個數(shù)和單個齒的面積，最后根據(jù)齒輪個數(shù)和單個齒的面積與標準值進行對比，剔除不合格產(chǎn)品；

步驟三、用基于canny的亞像素邊緣檢測算子提取亞像素邊緣，提高檢測的精確度；

步驟四、用基于atukey權重函數(shù)的最小二乘圓形曲線擬合獲得一些參數(shù)；

步驟五、用圓弧測量法獲得另外的參數(shù)，經(jīng)過系統(tǒng)標定后將圖像坐標系轉(zhuǎn)化為世界坐標系；

步驟六、形狀匹配對照明條件及物體灰度的變化等不敏感，故該匹配技術具有較強的抗干擾能力，能夠?qū)崿F(xiàn)單模板多對象匹配和多模板匹配，有效檢測出旋轉(zhuǎn)、偏移、縮放以及部分遮擋的目標對象。在搜索匹配中采用圖像金字塔來提高搜索速度。最后通過模板和齒輪齒數(shù)，實現(xiàn)齒輪的分類。

本發(fā)明提出了一種實時的基于機器視覺的小模數(shù)塑料齒輪的檢測方法和實現(xiàn)這種方法的圖像處理系統(tǒng)，包括圖像采集模塊、圖像預處理模塊以及檢測、測量和分類模塊。從而實現(xiàn)小模數(shù)塑料齒輪的實時、非接觸性檢測和分類。

與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于：

1、本發(fā)明采用基于Weickert的各向異性擴散濾波算子+自動全局閾值分割算法，用圖像平滑改善全局閾值處理。傳統(tǒng)的圖像濾波算法，不僅去除了圖像中的噪聲，還對圖像的邊緣有一定程度的損壞，采用基于Weickert的各向異性擴散濾波算子實現(xiàn)平滑圖像的同時保留并銳化圖像邊緣，進而達到平滑圖像的目的，它是對Perona-Malik擴散模型的一個改進，根據(jù)當前像素和周圍像素的關系，來確定是否要向周圍擴散。其原理為：

其中，g(x,c)=1-exp(-3,31488*c^8/x^4)，c是對比度參數(shù)，u為圖像的灰度值函數(shù)。

此外，工業(yè)生產(chǎn)中，外界環(huán)境的改變會使采集的圖像有些許差別，需要選取不同的閾值參數(shù)，自動全局閾值分割算法會計算圖像的相對直方圖，從直方圖中提取相關的最小值用作閾值分割，可以實現(xiàn)閾值的自動選取，提高了檢測效率和工業(yè)的自動化程度。

2、本發(fā)明采用基于canny的亞像素邊緣檢測函數(shù)。圖像測量中，精確的邊緣定位是影響測量結(jié)果精確度的關鍵因素，使用亞像素邊緣檢測算子可以得到高精度的測量結(jié)果。該算法先利用canny算子進行邊緣點的粗定位，在像素級上確定邊緣點的坐標和梯度方向，然后再用基于雙線性插值的亞像素邊緣檢測算法獲得亞像素精度的邊緣。

3、本發(fā)明采用基于atukey權重函數(shù)的最小二乘圓擬合。在擬合圓時，最小二乘法對于遠離圓的離群值沒有很好的魯棒性，到圓很遠的點在計算過程中會占有很大的權重，計算后得到不準確的圓。本發(fā)明提出引入atukey權重函數(shù)來減小離群值的影響。權重值的迭代思想是第一次權重為1，然后用梯度下降法尋找到一個解向量，以此求下一次迭代的權重值。

4、本發(fā)明采用基于圖像金字塔的形狀匹配進行齒輪分類。在搜索匹配中采用圖像金字塔可以提高搜索速度。

附圖說明

圖1：圖像處理系統(tǒng)結(jié)構(gòu)圖。其中，1為相機；2為環(huán)形光源；3為被測物體；4為剔除設備；5為pc機；6為光電觸發(fā)器；7為傳送帶。

圖2：圖像處理流程圖。

具體實施方式

下面結(jié)合實施例和附圖詳細說明本發(fā)明的技術方案，但保護范圍不被此限制。

實施例 一種基于機器視覺的小模數(shù)塑料齒輪的檢測方法以及實現(xiàn)這種方法的圖像處理系統(tǒng)，從而實現(xiàn)小模數(shù)塑料齒輪的實時在線檢測。

圖像處理系統(tǒng)結(jié)構(gòu)圖包含圖像采集模塊、圖像預處理模塊以及檢測、測量和分類模塊。

圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)圖，其包括：

LED環(huán)形光，在傳送帶的正上方，為CCD相機提供光源；

小模數(shù)塑料齒輪被放置到傳送帶上，通過CCD相機；

光電觸發(fā)器，該光電觸發(fā)器與光源系統(tǒng)、CCD相機相連，用于觸發(fā)CCD相機、攝像頭工作；

圖像處理單元為安裝在計算機內(nèi)部的halcon軟件，用于將采集的圖像進行濾波、自動閾值分割、亞像素邊緣提取、圓擬合、基于圖像金字塔的形狀匹配等處理，進而獲得齒輪的齒數(shù)、齒頂圓半徑、齒根圓半徑、齒距、齒厚、齒距偏差等參數(shù)，實現(xiàn)小模數(shù)塑料齒輪的檢測、測量和分類；

圖2為本發(fā)明的圖像處理流程圖，該方案包括如下步驟：

A、CCD相機采集小模數(shù)塑料齒輪的圖像；

B、對采集的圖像進行圖像預處理，具體步驟如下所示：

B1、先把采集的彩色圖像轉(zhuǎn)化為3幅R、G、B單通道圖像；

B2、經(jīng)過大量實驗研究，對B通道的圖像進行處理效果較好，所以使用基于Weickert的各向異性擴散濾波算子進行圖像平滑，達到去除噪聲的同時保留并銳化邊緣的目的；

C、檢測、測量和分類，具體步驟如下所示：

C1、對平滑處理后的圖像進行自動全局閾值分割，計算圖像的相對直方圖，從直方圖中提取相關的最小值用作閾值分割；

C2、對分割后的圖像形態(tài)學處理。設置形態(tài)學結(jié)構(gòu)元素，對結(jié)構(gòu)元素進行腐蝕處理，然后將源圖像區(qū)域和經(jīng)過腐蝕處理后的區(qū)域做差運算，得到齒輪的個數(shù)和單個齒的面積，最后根據(jù)齒輪個數(shù)和單個齒的面積與標準值進行對比，剔除不合格產(chǎn)品；

C3、用基于canny的亞像素邊緣檢測算子提取齒輪的亞像素邊緣，該算法先利用canny算子進行邊緣點的粗定位，在像素級上確定邊緣點的坐標和梯度方向，然后再用基于雙線性插值的亞像素邊緣檢測算法獲得亞像素精度的邊緣。

C4、用基于atukey權重函數(shù)的最小二乘圓形曲線擬合獲得齒輪的面積、中心、齒根圓、齒頂圓、分度圓等參數(shù)；

C5、用圓弧測量法獲得齒輪的齒距、齒厚、齒槽寬等參數(shù)，經(jīng)過系統(tǒng)標定后將圖像坐標系轉(zhuǎn)化為世界坐標系；

C6、形狀匹配對照明條件及物體灰度的變化等不敏感，故該匹配技術具有較強的抗干擾能力，能夠?qū)崿F(xiàn)單模板多對象匹配和多模板匹配，有效檢測出旋轉(zhuǎn)、偏移、縮放以及部分遮擋的目標對象。在搜索匹配中采用圖像金字塔來提高搜索速度。最后通過模板和齒輪齒數(shù)，實現(xiàn)齒輪的分類。

步驟D、剔除裝置和計算機相連，當檢查到不合格產(chǎn)品時，計算機會觸發(fā)一個信號給剔除裝置，進而使不合格產(chǎn)品剔除。