本發(fā)明涉及的是一種軸承鉚釘臺(tái)階缺陷的視覺檢測(cè)方法，具體涉及一種基于機(jī)器視覺，采用圖像濾波、區(qū)域標(biāo)記、形態(tài)學(xué)、霍夫變換和幾何約束等方法檢測(cè)鉚釘缺陷的方法，屬于機(jī)器視覺技術(shù)領(lǐng)域。

背景技術(shù)：

目前，我國軸承行業(yè)還存在如制造技術(shù)水平低、行業(yè)集中度較低等問題，離軸承強(qiáng)國的標(biāo)準(zhǔn)相距甚遠(yuǎn)，行業(yè)矛盾突出：如發(fā)展方式?jīng)]有根本改變，產(chǎn)業(yè)結(jié)構(gòu)的深層次矛盾依然突出，缺少核心技術(shù)自主知識(shí)產(chǎn)權(quán)，品牌建設(shè)進(jìn)步較慢，產(chǎn)品結(jié)構(gòu)不盡合理。近年來，軸承行業(yè)大量采用自動(dòng)化單機(jī)或生產(chǎn)線實(shí)現(xiàn)技術(shù)改造向現(xiàn)代化生產(chǎn)邁進(jìn)，然而在質(zhì)量檢測(cè)與不達(dá)標(biāo)產(chǎn)品的分揀上仍以人工檢測(cè)為主的，但是方法存在很多缺點(diǎn)，例如：勞動(dòng)強(qiáng)度大，工作效率低，主觀依懶性強(qiáng)，易受檢測(cè)人員技術(shù)素質(zhì)、經(jīng)驗(yàn)及疲勞等因素影響，無法充分保證軸承零部件的質(zhì)量。

軸承在正常裝配和使用過程中，保持架所受載荷較小，因鉚釘問題導(dǎo)致的軸承失效并不多見。但在一些特殊的工況條件下或長(zhǎng)期負(fù)重環(huán)境下，鉚釘裝配過程中任何質(zhì)量缺陷都可能導(dǎo)致質(zhì)量隱患，進(jìn)而引發(fā)嚴(yán)重安全事故。

鉚釘裝配過程通常會(huì)出現(xiàn)各類缺陷，例如出現(xiàn)漏裝，臺(tái)階，壓痕等，而傳統(tǒng)的基于人工檢測(cè)方法，由于人眼的視覺易疲勞，且軸承產(chǎn)量較大，很難保證對(duì)鉚釘質(zhì)量的逐一檢測(cè)。在工業(yè)現(xiàn)場(chǎng)往往采用抽檢法，但還是會(huì)出現(xiàn)漏檢、誤檢的狀況。

鑒于人工檢測(cè)存在的一系列問題，軸承生產(chǎn)企業(yè)曾廣泛使用過接觸式的儀器檢測(cè)，但這種傳統(tǒng)的檢測(cè)技術(shù)難以滿足需要，在軸承裝配環(huán)節(jié)工序較多，對(duì)質(zhì)量和精度的要求也越來越高，用接觸式檢測(cè)不僅難度較大，且效率低。

考慮到現(xiàn)有的缺陷檢測(cè)技術(shù)很難充分滿足工業(yè)檢測(cè)需求，而基于圖像的機(jī)器視覺檢測(cè)方法具有非接觸、實(shí)時(shí)可靠，成本低、自動(dòng)化程度高的優(yōu)勢(shì)，能為該問題的解決提供了良好的替代方案和解決思路。

本發(fā)明主要面向傳統(tǒng)軸承行業(yè)的檢測(cè)需求，以軸承鉚釘臺(tái)階缺陷的質(zhì)量檢測(cè)為切入點(diǎn)，研究提高該軸承組裝的自動(dòng)化檢測(cè)水平，并逐步擴(kuò)大機(jī)器視覺技術(shù)在軸承行業(yè)的應(yīng)用，降低人工成本，更加有效地控制產(chǎn)品質(zhì)量。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出的是一種軸承鉚釘臺(tái)階缺陷的視覺檢測(cè)方法，其目的旨在克服現(xiàn)有技術(shù)存在的上述不足，實(shí)現(xiàn)軸承鉚釘內(nèi)、外臺(tái)階的缺陷檢測(cè)，降低人工檢測(cè)的工作量，提高檢測(cè)的效率，安全而且可靠。

本發(fā)明的技術(shù)解決方案：一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測(cè)方法，包括如下步驟：

步驟1、軸承鉚釘圖像采集，即通過CCD相機(jī)拍攝目標(biāo)圖像，并將圖像轉(zhuǎn)換成灰度圖像G；

步驟2、軸承鉚釘圖像預(yù)處理，即對(duì)轉(zhuǎn)換后的灰度圖像G進(jìn)行去噪并增強(qiáng)其對(duì)比度，生成預(yù)處理后的灰度圖像G1；

步驟3、內(nèi)臺(tái)階缺陷檢測(cè)，為了降低環(huán)境光照影響及金屬表面的反光因素的影響，并考慮鉚釘輪廓存在非封閉狀況，采用自適應(yīng)檢測(cè)方法，在閾值范圍內(nèi)搜索可能存在的鉚釘區(qū)域，通過二次區(qū)域標(biāo)記、輪廓閉合、幾何約束方法精確定位內(nèi)臺(tái)階缺陷，具體包括如下步驟：

步驟3.1、確定自適應(yīng)檢測(cè)的灰度閾值搜索范圍ThR和灰度間隔ThSpan，

步驟3.2、嘗試選擇一個(gè)灰度閾值Th，如果灰度范圍已經(jīng)搜索完畢，即所有可能的灰度閾值都檢測(cè)過，未發(fā)現(xiàn)合理的鉚釘區(qū)域，則不再進(jìn)行檢測(cè)，此時(shí)鉚釘為不合格品；否則，繼續(xù)后續(xù)的檢測(cè)，

步驟3.3、根據(jù)灰度閾值Th對(duì)檢測(cè)區(qū)域進(jìn)行二值化處理，并標(biāo)記出所有連通區(qū)域G1_Rgni(i＝1,n)，逐一判斷是否與鉚釘尺寸和形狀接近，依據(jù)為區(qū)域的尺寸和長(zhǎng)寬比，如果不能找到符合要求的區(qū)域，則返回步驟3.2；否則，找到最適合的鉚釘區(qū)域Rgn1，獲取其位置信息，繼續(xù)進(jìn)行后續(xù)檢測(cè)，

步驟3.4、針對(duì)鉚釘輪廓存在的不閉合狀況，先構(gòu)建封閉的鉚釘區(qū)域，計(jì)算Rgn1的外接矩形Rgn1_Rt，生成相應(yīng)的內(nèi)切橢圓，將該橢圓區(qū)域Rgn2與Rgn1合并，生成新區(qū)域Rgn3，從原始圖像中提取該區(qū)域Rgn3的圖像，并作為第二次檢測(cè)目標(biāo)G2，

步驟3.5、對(duì)G2進(jìn)行二值化，并進(jìn)行區(qū)域標(biāo)記，標(biāo)記所有連通區(qū)域G2_Rgni(i＝1,n)，具體為：選擇步驟3.2中的灰度閾值Th，計(jì)算所有白色連通區(qū)域，灰度值>Th，并提取連通區(qū)域的主要屬性，即面積、尺寸和填充率，

步驟3.6、針對(duì)步驟3.5的標(biāo)記結(jié)果，按面積大小排序，去除最大的連通區(qū)域G2_Rgnmax，檢索所有剩余的標(biāo)記區(qū)域，如果存在G2_Ri且符合臺(tái)階的基本特征要求，即面積和尺寸條件，則該區(qū)域被認(rèn)為是內(nèi)臺(tái)階區(qū)域，此時(shí)，目標(biāo)G2中存在內(nèi)臺(tái)階缺陷；否則，不存在內(nèi)臺(tái)階區(qū)域；

步驟4、外臺(tái)階缺陷檢測(cè)，具體包括如下步驟：

步驟4.1、依據(jù)霍夫檢測(cè)算法，檢測(cè)半徑范圍內(nèi)可能存在的圓形區(qū)域，該區(qū)域的半徑大于正常鉚釘半徑，其大小與裝配線機(jī)械設(shè)備相關(guān)，為鉚釘尺寸的1.2-1.5倍，如果存在，則說明外臺(tái)階可能存在缺陷，需進(jìn)一步判斷；否則，不存在外臺(tái)階缺陷，

步驟4.2、依據(jù)步驟3.4所定位的鉚釘區(qū)域Rgn3，判斷外圈與鉚釘區(qū)域的位置關(guān)系和尺寸差異，如果在允許范圍內(nèi)，則該外圈區(qū)域?yàn)橥馀_(tái)階；否則，則認(rèn)為步驟4.1檢測(cè)結(jié)果為環(huán)境干擾，忽略之；

步驟5、依據(jù)步驟3.6和步驟4.2所得分析結(jié)果，判斷鉚釘是否合格，不合格現(xiàn)象包括：內(nèi)臺(tái)階缺陷、外臺(tái)階缺陷、內(nèi)外臺(tái)階缺陷或其它類型缺陷。

優(yōu)選的，所述的步驟1，具體包括如下步驟：

1-1、相機(jī)位于軸承的正上方，相機(jī)與軸承之間有環(huán)形LED光源；鏡頭光圈小，保證鉚釘輪廓線清晰，總體明暗對(duì)比強(qiáng)烈；然后對(duì)目標(biāo)進(jìn)行圖像采集；

1-2、通過加權(quán)平均法將采集到的軸承鉚釘圖像轉(zhuǎn)換成灰度圖像G；灰度圖像G的轉(zhuǎn)換具體如下：

Gray＝R×0.3+G×0.59+B×0.11

對(duì)目標(biāo)圖像中的每一個(gè)像素點(diǎn)處理，將其轉(zhuǎn)換成灰度圖像G；其中R、G、B為一個(gè)像素點(diǎn)的值的基色分量。

優(yōu)選的，所述的步驟2，具體包括如下步驟：

2-1、對(duì)獲取到的灰度圖像G進(jìn)行圖像預(yù)處理，通過中值濾波方法除去灰度圖像G的噪聲點(diǎn)；

2-1-1、選定5×5像素點(diǎn)的鄰域，將鄰域內(nèi)的像素按灰度等級(jí)進(jìn)行排序，確定其中值；

2-1-2、將確定的中值賦予濾波后圖像中的相應(yīng)像素點(diǎn)，該相應(yīng)像素點(diǎn)即進(jìn)行中值濾波的像素點(diǎn)。

優(yōu)選的，所述的步驟3.1，具體包括：

ThR＝(ThMin,ThMax)

searchTimes＝(ThMax-ThMin)/ThSpan

即搜索的閾值范圍是在(ThMin,ThMax)，從ThMin開始，每次遞增ThSpan，直到最大值ThMax，searchTimes為搜索次數(shù)，ThMin在80-120之間，ThMax在120-160之間，ThSpan在5-10之間。

優(yōu)選的，所述的步驟3.3，具體包括如下步驟：

3.3.1、預(yù)先設(shè)定鉚釘半徑的取值范圍(inRmin,inRmax)和圓整度Rndness，及鉚釘半徑的參照值inR；

3.3.2、根據(jù)圖像亮度分布特性，選擇區(qū)域標(biāo)記算法，提取黑色連通區(qū)域，灰度值<Th，設(shè)連通區(qū)域的外接矩形為Rgn_Rt，如果該區(qū)域?yàn)殂T釘區(qū)域，則其必須符合以下約束條件：

(1)2×inRmin<Rgn_Rt.Width<2×inRmax

(2)2×inRmin<Rgn_Rt.Height<2×inRmax

(3)rateR＝Max(Rgn_Rt.Width,Rgn_Rt.Height)/Min(Rgn_Rt.Width,Rgn_Rt.Height)<Rndness

其中，Rgn_Rt.Width為矩形Rgn_Rt的寬度，Rgn_Rt.Height為高度，Rndness為圓整度，衡量目標(biāo)接近于圓的程度，設(shè)置為1-1.05之間；

3.3.3、如果有多個(gè)區(qū)域符合上述約束條件，則選擇與鉚釘尺寸最接近者為鉚釘區(qū)域，采用尺度差異度sizeDiff衡量區(qū)域與鉚釘在尺度上的相似性，即：

sizeDiff＝abs(Rgn_Rt.Width-2*inR)+abs(Rgn_Rt.Height-2*inR)

選尺度差異度最小者為目標(biāo)區(qū)域Rgn1，此時(shí)，設(shè)定該目標(biāo)的外接矩形為outRect，則鉚釘中心可設(shè)為Pc，其坐標(biāo)為：

Pc＝(Rgn_Rt.X+Rgn_Rt.Width/2,Rgn_Rt.Y+Rgn_Rt.Height/2)

鉚釘半徑近似為：

rivetR＝(Rgn_Rt.Width+Rgn_Rt.Height)/4。

優(yōu)選的，所述的步驟3.4，具體包括如下步驟：

3.4.1、計(jì)算Rgn1的外接矩形Rgn1_Rt，繪制相應(yīng)的內(nèi)切橢圓，具有2-4個(gè)像素的厚度，該橢圓區(qū)域設(shè)定Rgn2；

3.4.2、合并Rgn1和Rgn2區(qū)域，生成新區(qū)域Rgn3，提取G1目標(biāo)Rgn3區(qū)域內(nèi)圖像，并作為二次檢測(cè)目標(biāo)G2；而外部區(qū)域均為無效區(qū)域，在不影響檢測(cè)的情況下，設(shè)置無效區(qū)域?yàn)楹谏?，此時(shí)，已經(jīng)完全分割了待檢測(cè)的鉚釘區(qū)域。

優(yōu)選的，所述的步驟3.6，具體包括如下步驟：

3.6.1、對(duì)步驟3.5所計(jì)算的各個(gè)連通區(qū)域，按面積大小進(jìn)行排序；

3.6.2、鉚釘實(shí)際區(qū)域是所有面積區(qū)域中的最大者，因此首先排除該面積最大的區(qū)域G2_Rgnmax，從剩下的區(qū)域中檢索可能的臺(tái)階區(qū)域；

3.6.3、考慮鉚釘表面存在污染或金屬表面反光影響，為提高判斷的準(zhǔn)確率，對(duì)于任意可能的內(nèi)臺(tái)階區(qū)域，必須符合以下約束條件：

G2_R.Area>StepMinAreaTh (1)

Max(G2_R.Width,G2_R.Height)>StepMinSizeTh (2)

其中G2_R.Area為區(qū)域的面積值，G2_R.Width為區(qū)域的寬度，G2_R.Height為區(qū)域的高度，約束(1)為面積約束，約束(2)為尺寸約束，兩個(gè)約束條件用于過濾噪聲干擾區(qū)域，避免誤判。

優(yōu)選的，所述的步驟4.1，具體包括如下步驟：

4.1.1、設(shè)檢測(cè)區(qū)域內(nèi)圖像上的某一點(diǎn)坐標(biāo)為I(x,y)，則檢測(cè)區(qū)域內(nèi)圖像在該點(diǎn)I(x,y)的梯度值DI計(jì)算如下：

DI＝Sqrt(Dx×Dx+Dy×Dy)

Dx＝(I(x+1,y)-I(x-1,y))/2

Dy＝(I(x,y+1)-I(x,y-1))/2

圖像的鉚合部位較亮，即灰度值較高，因此對(duì)梯度值DI進(jìn)行優(yōu)化，優(yōu)化后的梯度值D如下：

D＝a×DI+b×(I1-th)

其中a、b為比列系數(shù)，a＝0.9，b＝0.1，DI為之前計(jì)算的圖像梯度值，I1為點(diǎn)I(x,y)的灰度，th為設(shè)定的灰度閾值，

對(duì)于I1-th≤0的，則點(diǎn)I(x,y)為邊緣的可能性降低，

對(duì)于I1-th＞0的，則點(diǎn)I(x,y)為邊緣的可能性增加，

當(dāng)D值大于設(shè)定的閾值時(shí)，即選取此點(diǎn)作為Hough變換的對(duì)象，進(jìn)行Hough累積值的提取統(tǒng)計(jì)，所述的閾值取值5～8；

4.1.2、在外圈半徑的允許范圍(outR1，outR2)進(jìn)行圓形Hough變換，實(shí)現(xiàn)圖像的二維空間(X,Y)到參數(shù)空間(X,Y,R)變換，并計(jì)算變換后的霍夫累積值A(chǔ)ccum，選擇最大累積值點(diǎn)作為目標(biāo)中心Pout，若該累積值大于給定的houghTh閾值，則表明圖像G1中存在目標(biāo)圓outCircle，其參數(shù)空間坐標(biāo)為(Xo,Yo,Ro)，即該圓坐標(biāo)為(Xo,Yo)，半徑為Ro；

所述的步驟4.2，具體包括如下步驟：

4.2.1、計(jì)算區(qū)域Rgn3的外接矩形Rgn3_Rt，確定鉚釘區(qū)域的尺寸和中心位置：

P2c＝(Rgn3_Rt.X+Rgn3_Rt.Width/2,Rgn3_Rt.Y+Rgn3_Rt.Height/2)

鉚釘半徑近似為：

rivetR2＝(Rgn3_Rt.Width+Rgn3_Rt.Height)/4

其中Rgn3_Rt.Width、Rgn3_Rt.Height分別為矩形的寬和高；

4.2.2、比較鉚釘與外圈outCircle(Xo,Yo,Ro)的幾何約束關(guān)系，如果滿足以下約束，則認(rèn)為該外圈為外臺(tái)階：

MinEdgeDist>minCenterDistTh

MinRDiff<RDiff<MaxRDiff

其中，MinEdgeDist為外圈與內(nèi)圈的輪廓最近距離，RDiff為內(nèi)外圈的半徑差，計(jì)算公式如下所示，該幾何約束關(guān)系與機(jī)械平臺(tái)相關(guān)，為內(nèi)圈半徑的0.1～0.2倍之間，RDiff為內(nèi)圈半徑的0.2～0.5倍之間：

MinEdgeDist＝Ro-Length((Xo,Yo),P2c)-rivetR2

RDiff＝Ro-rivetR2

其中，Length((Xo,Yo),P2c)為外圈中心到內(nèi)圈中心的間距。

優(yōu)選的，所述的步驟3.6獲取的是內(nèi)臺(tái)階的數(shù)量、形狀和位置信息，如果不存在內(nèi)臺(tái)階缺陷，則此時(shí)內(nèi)臺(tái)階的數(shù)量為0。

優(yōu)選的，所述的步驟4.2獲取的是外臺(tái)階參數(shù)，包括外臺(tái)階的位置和半徑信息，外臺(tái)階最多存在一個(gè)。

本發(fā)明的優(yōu)點(diǎn)：1)由于鉚釘本身凸凹不平，且金屬表面存在高光效應(yīng)，影響檢測(cè)準(zhǔn)確性，而本發(fā)明采用自適應(yīng)檢測(cè)方法，通過自動(dòng)查找最佳的灰度閾值，合理定位的鉚釘區(qū)域并進(jìn)行缺陷檢測(cè)，算法健壯性較好。

2)在鉚釘內(nèi)臺(tái)階缺陷檢測(cè)方面，通過區(qū)域標(biāo)記方法，合理判斷鉚釘范圍，并在此基礎(chǔ)上，通過閉合鉚釘區(qū)域和二次區(qū)域標(biāo)記，檢索鉚釘內(nèi)可能的臺(tái)階缺陷，最終通過內(nèi)臺(tái)階的幾何約束，判斷可能區(qū)域是否為真實(shí)的臺(tái)階缺陷。算法在內(nèi)臺(tái)階檢測(cè)方面具有較好的穩(wěn)定性。

3)對(duì)于內(nèi)臺(tái)階，采用二次區(qū)域標(biāo)記算法來加強(qiáng)內(nèi)臺(tái)階判斷的準(zhǔn)確性。其中，第一次區(qū)域標(biāo)記主要用于獲取鉚釘?shù)耐饨訁^(qū)域，并提取該區(qū)域圖像作為后續(xù)判斷的根據(jù)；第二次區(qū)域分割主要是判斷鉚釘區(qū)域內(nèi)部是否存在多個(gè)區(qū)域，即判斷內(nèi)臺(tái)階是否存在。算法通過多次的標(biāo)記分割，準(zhǔn)確檢測(cè)內(nèi)臺(tái)階缺陷，提升了算法的魯棒性，避免檢測(cè)過程受局部的光照干擾，且適合鉚釘輪廓非封閉情形。

4)在外臺(tái)階檢測(cè)過程，先通過霍夫變換，檢測(cè)外圈參數(shù)，然后通過外圈和鉚釘區(qū)域的幾何約束關(guān)系，判斷該外臺(tái)階區(qū)域是否有效。該方法能有效的判斷外臺(tái)階缺陷，避免誤判。

附圖說明

圖1是軸承鉚釘臺(tái)階缺陷視覺檢測(cè)的檢測(cè)裝置示意圖。

圖2是軸承鉚釘區(qū)域投影示意圖。

圖3是二次區(qū)域標(biāo)記算法示意圖。

圖4是軸承鉚釘臺(tái)階缺陷視覺檢測(cè)方法的流程圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。

如圖4所示，一種基于機(jī)器視覺的軸承鉚釘臺(tái)階缺陷的檢測(cè)方法，具體包括如下步驟：

步驟1、軸承鉚釘圖像采集，即通過CCD相機(jī)拍攝目標(biāo)圖像，并將圖像轉(zhuǎn)換成灰度圖像G；

步驟2、軸承鉚釘圖像預(yù)處理，即對(duì)轉(zhuǎn)換后的灰度圖像G進(jìn)行去噪并增強(qiáng)其對(duì)比度，生成預(yù)處理后的灰度圖像G1；

基于算法原理不同，臺(tái)階檢測(cè)過程需單獨(dú)處理，如圖2所示，即進(jìn)行內(nèi)臺(tái)階缺陷檢測(cè)和外臺(tái)階缺陷檢測(cè)；

步驟3、內(nèi)臺(tái)階缺陷檢測(cè)，為了降低環(huán)境光照影響及金屬表面的反光因素的影響，并考慮鉚釘輪廓存在非封閉狀況，采用自適應(yīng)檢測(cè)方法，在閾值范圍內(nèi)搜索可能存在的鉚釘區(qū)域，通過二次區(qū)域標(biāo)記、輪廓閉合、幾何約束方法精確定位內(nèi)臺(tái)階缺陷，具體包括如下步驟：

步驟3.1、確定自適應(yīng)檢測(cè)的灰度閾值搜索范圍ThR和灰度間隔ThSpan，

步驟3.2、嘗試選擇一個(gè)灰度閾值Th，如果灰度范圍已經(jīng)搜索完畢，即所有可能的灰度閾值都檢測(cè)過，未發(fā)現(xiàn)合理的鉚釘區(qū)域，則不再進(jìn)行檢測(cè)，此時(shí)鉚釘為不合格品；否則，繼續(xù)后續(xù)的檢測(cè)，

步驟3.3、根據(jù)灰度閾值Th對(duì)檢測(cè)區(qū)域進(jìn)行二值化處理，并標(biāo)記出所有連通區(qū)域G1_Rgn_i(i＝1,n)(如圖3-區(qū)域標(biāo)記1所示)，逐一判斷是否與鉚釘尺寸和形狀接近，依據(jù)為區(qū)域的尺寸和長(zhǎng)寬比，如果不能找到符合要求的區(qū)域，則返回步驟3.2；否則，找到最適合的鉚釘區(qū)域Rgn1，獲取其位置信息，繼續(xù)進(jìn)行后續(xù)檢測(cè)，

步驟3.4、針對(duì)鉚釘輪廓存在的不閉合狀況，先構(gòu)建封閉的鉚釘區(qū)域，計(jì)算Rgn1的外接矩形Rgn1_Rt，生成相應(yīng)的內(nèi)切橢圓，將該橢圓區(qū)域Rgn2與Rgn1合并，生成新區(qū)域Rgn3，從原始圖像中提取該區(qū)域Rgn3的圖像，并作為第二次檢測(cè)目標(biāo)G2，

步驟3.5、對(duì)G2進(jìn)行二值化，并進(jìn)行區(qū)域標(biāo)記，標(biāo)記所有連通區(qū)域G2_Rgn_i(i＝1,n)，具體為：選擇步驟3.2中的灰度閾值Th，計(jì)算所有白色連通區(qū)域，灰度值>Th，并提取連通區(qū)域的主要屬性，即面積、尺寸和填充率，

步驟3.6、針對(duì)步驟3.5的標(biāo)記結(jié)果，按面積大小排序，去除最大的連通區(qū)域G2_Rgn_max，檢索所有剩余的標(biāo)記區(qū)域，如果存在G2_R_i且符合臺(tái)階的基本特征要求，即面積和尺寸條件，則該區(qū)域被認(rèn)為是內(nèi)臺(tái)階區(qū)域，此時(shí)，目標(biāo)G2中存在內(nèi)臺(tái)階缺陷；否則，不存在內(nèi)臺(tái)階區(qū)域；

此時(shí)，基本完成了內(nèi)臺(tái)階檢測(cè)，而外臺(tái)階的檢測(cè)過程則相對(duì)簡(jiǎn)單。

步驟4、外臺(tái)階缺陷檢測(cè)，具體包括如下步驟：

步驟4.1、依據(jù)霍夫檢測(cè)算法，檢測(cè)半徑范圍內(nèi)可能存在的圓形區(qū)域，該區(qū)域的半徑大于正常鉚釘半徑，其大小與裝配線機(jī)械設(shè)備相關(guān)，為鉚釘尺寸的1.2-1.5倍，如果存在，則說明外臺(tái)階可能存在缺陷，需進(jìn)一步判斷；否則，不存在外臺(tái)階缺陷，

步驟4.2、依據(jù)步驟3.4所定位的鉚釘區(qū)域Rgn3，判斷外圈與鉚釘區(qū)域的位置關(guān)系和尺寸差異，如果在允許范圍內(nèi)，則該外圈區(qū)域?yàn)橥馀_(tái)階；否則，則認(rèn)為步驟4.1檢測(cè)結(jié)果為環(huán)境干擾，忽略之；

步驟5、依據(jù)步驟3.6和步驟4.2所得分析結(jié)果，判斷鉚釘是否合格，不合格現(xiàn)象包括：內(nèi)臺(tái)階缺陷、外臺(tái)階缺陷、內(nèi)外臺(tái)階缺陷或其它類型缺陷(圖2)。

所述的步驟1，如圖1所示，具體包括如下步驟：

1-1、相機(jī)位于軸承的正上方，相機(jī)與軸承之間有環(huán)形LED光源；鏡頭光圈小，保證鉚釘輪廓線清晰，總體明暗對(duì)比強(qiáng)烈；然后對(duì)目標(biāo)進(jìn)行圖像采集；

1-2、通過加權(quán)平均法將采集到的軸承鉚釘圖像轉(zhuǎn)換成灰度圖像G；灰度圖像G的轉(zhuǎn)換具體如下：

Gray＝R×0.3+G×0.59+B×0.11

對(duì)目標(biāo)圖像中的每一個(gè)像素點(diǎn)處理，將其轉(zhuǎn)換成灰度圖像G；其中R、G、B為一個(gè)像素點(diǎn)的值的基色分量。

所述的步驟2，具體包括如下步驟：

2-1、對(duì)獲取到的灰度圖像G進(jìn)行圖像預(yù)處理，通過中值濾波方法除去灰度圖像G的噪聲點(diǎn)；

2-1-1、選定5×5像素點(diǎn)的鄰域，將鄰域內(nèi)的像素按灰度等級(jí)進(jìn)行排序，確定其中值；

2-1-2、將確定的中值賦予濾波后圖像中的相應(yīng)像素點(diǎn)，該相應(yīng)像素點(diǎn)即進(jìn)行中值濾波的像素點(diǎn)。

所述的步驟3.1，具體包括：

ThR＝(ThMin,ThMax)

searchTimes＝(ThMax-ThMin)/ThSpan

即搜索的閾值范圍是在(ThMin,ThMax)，從ThMin開始，每次遞增ThSpan，直到最大值ThMax，searchTimes為搜索次數(shù)，ThMin在80-120之間，ThMax在120-160之間，ThSpan在5-10之間。

所述的步驟3.3，具體包括如下步驟：

3.3.1、預(yù)先設(shè)定鉚釘半徑的取值范圍(inR_min,inR_max)和圓整度Rndness，及鉚釘半徑的參照值inR；

3.3.2、根據(jù)圖像亮度分布特性，選擇區(qū)域標(biāo)記算法(如圖3-區(qū)域標(biāo)記2所示)，提取黑色連通區(qū)域，灰度值<Th，設(shè)連通區(qū)域的外接矩形為Rgn_Rt，如果該區(qū)域?yàn)殂T釘區(qū)域，則其必須符合以下約束條件：

(1)2×inR_min<Rgn_Rt.Width<2×inR_max

(2)2×inR_min<Rgn_Rt.Height<2×inR_max

(3)rateR＝Max(Rgn_Rt.Width,Rgn_Rt.Height)/Min(Rgn_Rt.Width,Rgn_Rt.Height)<Rndness

其中，Rgn_Rt.Width為矩形Rgn_Rt的寬度，Rgn_Rt.Height為高度，Rndness為圓整度，衡量目標(biāo)接近于圓的程度，設(shè)置為1-1.05之間；

3.3.3、如果有多個(gè)區(qū)域符合上述約束條件，則選擇與鉚釘尺寸最接近者為鉚釘區(qū)域，采用尺度差異度sizeDiff衡量區(qū)域與鉚釘在尺度上的相似性，即：

sizeDiff＝abs(Rgn_Rt.Width-2*inR)+abs(Rgn_Rt.Height-2*inR)

選尺度差異度最小者為目標(biāo)區(qū)域Rgn1，此時(shí)，設(shè)定該目標(biāo)的外接矩形為outRect，則鉚釘中心可設(shè)為P_c，其坐標(biāo)為：

P_c＝(Rgn_Rt.X+Rgn_Rt.Width/2,Rgn_Rt.Y+Rgn_Rt.Height/2)

鉚釘半徑近似為：

rivetR＝(Rgn_Rt.Width+Rgn_Rt.Height)/4。

所述的步驟3.4，具體包括如下步驟：

3.4.1、計(jì)算Rgn1的外接矩形Rgn1_Rt，繪制相應(yīng)的內(nèi)切橢圓，具有2-4個(gè)像素的厚度，該橢圓區(qū)域設(shè)定Rgn2；

3.4.2、合并Rgn1和Rgn2區(qū)域，生成新區(qū)域Rgn3，提取G1目標(biāo)Rgn3區(qū)域內(nèi)圖像，并作為二次檢測(cè)目標(biāo)G2；而外部區(qū)域均為無效區(qū)域，在不影響檢測(cè)的情況下，設(shè)置無效區(qū)域?yàn)楹谏?，此時(shí)，已經(jīng)完全分割了待檢測(cè)的鉚釘區(qū)域。

所述的步驟3.6，具體包括如下步驟：

3.6.1、對(duì)步驟3.5所計(jì)算的各個(gè)連通區(qū)域，按面積大小進(jìn)行排序；

3.6.2、鉚釘實(shí)際區(qū)域是所有面積區(qū)域中的最大者，因此首先排除該面積最大的區(qū)域G2_Rgn_max，從剩下的區(qū)域中檢索可能的臺(tái)階區(qū)域；

3.6.3、考慮鉚釘表面存在污染或金屬表面反光影響，為提高判斷的準(zhǔn)確率，對(duì)于任意可能的內(nèi)臺(tái)階區(qū)域，必須符合以下約束條件：

G2_R.Area>StepMinAreaTh (1)

Max(G2_R.Width,G2_R.Height)>StepMinSizeTh (2)

其中G2_R.Area為區(qū)域的面積值，G2_R.Width為區(qū)域的寬度，G2_R.Height為區(qū)域的高度，約束(1)為面積約束，約束(2)為尺寸約束，兩個(gè)約束條件用于過濾噪聲干擾區(qū)域，避免誤判。

所述的步驟4.1，具體包括如下步驟：

4.1.1、設(shè)檢測(cè)區(qū)域內(nèi)圖像上的某一點(diǎn)坐標(biāo)為I(x,y)，則檢測(cè)區(qū)域內(nèi)圖像在該點(diǎn)I(x,y)的梯度值D_I計(jì)算如下：

D_I＝Sqrt(Dx×Dx+Dy×Dy)

D_x＝(I(x+1,y)-I(x-1,y))/2

D_y＝(I(x,y+1)-I(x,y-1))/2

圖像的鉚合部位較亮，即灰度值較高，因此對(duì)梯度值D_I進(jìn)行優(yōu)化，優(yōu)化后的梯度值D如下：

D＝a×D_I+b×(I₁-th)

其中a、b為比列系數(shù)，a＝0.9，b＝0.1，D_I為之前計(jì)算的圖像梯度值，I₁為點(diǎn)I(x,y)的灰度，th為設(shè)定的灰度閾值，

對(duì)于I₁-th≤0的，則點(diǎn)I(x,y)為邊緣的可能性降低，

對(duì)于I₁-th＞0的，則點(diǎn)I(x,y)為邊緣的可能性增加，

當(dāng)D值大于設(shè)定的閾值時(shí)，即選取此點(diǎn)作為Hough變換的對(duì)象，進(jìn)行Hough累積值的提取統(tǒng)計(jì)，所述的閾值取值5～8；

所述的閾值經(jīng)過檢驗(yàn)證明，其取值在5～8范圍之內(nèi)為最佳的取值，閾值小于5則圖像梯度不明顯，會(huì)得到很多候選點(diǎn)，影響計(jì)算時(shí)間且降低精確度；閾值大于8則圖像梯度雖然明顯，但是得到的候選點(diǎn)數(shù)會(huì)少，同樣精確性得不到保證。取8作為梯度閾值時(shí)，當(dāng)D值大于8，即選取此點(diǎn)作為Hough變換的對(duì)象，進(jìn)行Hough累積值統(tǒng)計(jì)。

4.1.2、在外圈半徑的允許范圍(outR1，outR2)進(jìn)行圓形Hough變換，實(shí)現(xiàn)圖像的二維空間(X,Y)到參數(shù)空間(X,Y,R)變換，并計(jì)算變換后的霍夫累積值A(chǔ)ccum，選擇最大累積值點(diǎn)作為目標(biāo)中心P_out，若該累積值大于給定的houghTh閾值，則表明圖像G1中存在目標(biāo)圓outCircle，其參數(shù)空間坐標(biāo)為(X_o,Y_o,R_o)，即該圓坐標(biāo)為(X_o,Y_o)，半徑為R_o。

所述的步驟4.2，具體包括如下步驟：

4.2.1、計(jì)算區(qū)域Rgn3的外接矩形Rgn3_Rt，確定鉚釘區(qū)域的尺寸和中心位置：

P2_c＝(Rgn3_Rt.X+Rgn3_Rt.Width/2,Rgn3_Rt.Y+Rgn3_Rt.Height/2)

鉚釘半徑近似為：

rivetR2＝(Rgn3_Rt.Width+Rgn3_Rt.Height)/4

其中Rgn3_Rt.Width、Rgn3_Rt.Height分別為矩形的寬和高；

4.2.2、比較鉚釘與外圈outCircle(X_o,Y_o,R_o)的幾何約束關(guān)系，如果滿足以下約束，則認(rèn)為該外圈為外臺(tái)階：

MinEdgeDist>minCenterDistTh

MinRDiff<RDiff<MaxRDiff

其中，MinEdgeDist為外圈與內(nèi)圈(鉚釘)的輪廓最近距離，RDiff為內(nèi)外圈的半徑差，計(jì)算公式如下所示，該幾何約束關(guān)系與機(jī)械平臺(tái)相關(guān)，為內(nèi)圈半徑的0.1～0.2倍之間，RDiff為內(nèi)圈半徑的0.2～0.5倍之間：

MinEdgeDist＝R_o-Length((X_o,Y_o),P2c)-rivetR2

RDiff＝R_o-rivetR2

其中，Length((X_o,Y_o),P2c)為外圈中心到內(nèi)圈(鉚釘)中心的間距。

所述的步驟3.6獲取的是內(nèi)臺(tái)階的數(shù)量、形狀和位置信息，如果不存在內(nèi)臺(tái)階缺陷，則此時(shí)內(nèi)臺(tái)階的數(shù)量為0。

所述的步驟4.2獲取的是外臺(tái)階參數(shù)，包括外臺(tái)階的位置和半徑信息，外臺(tái)階最多存在一個(gè)。

以上所述的僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。