本發(fā)明涉及一種機(jī)器視覺的智能檢測方法，具體涉及一種基于機(jī)器視覺的汽車保險絲盒工件缺陷檢測方法。

背景技術(shù)：

產(chǎn)品檢測是工業(yè)生產(chǎn)中不可缺少的一環(huán)，對產(chǎn)品質(zhì)量的提高起著重要作用。通常情況下，工業(yè)制造的工件存在一定的次品率，傳統(tǒng)方法是對工件進(jìn)行人工檢測，這樣一方面造成了工件出貨效率低下，同時準(zhǔn)確率也難以保證，另一方面增加了工件整體的加工成本，影響生產(chǎn)效益?，F(xiàn)代工業(yè)注重在線、實(shí)時、快速、非接觸的檢測方式，確保產(chǎn)品質(zhì)量的前提下，提高產(chǎn)品的生產(chǎn)效率。

汽車保險盒質(zhì)量對于汽車電路安全起到至關(guān)重要的作用。目前通過人工檢測汽車保險盒缺陷的方法具有效率低、成本高等缺點(diǎn)，急需汽車保險盒缺陷自動檢測系統(tǒng)，以達(dá)到能快速、準(zhǔn)確地篩選出不合格產(chǎn)品，提高生產(chǎn)效率，降低安全隱患。同時，由于汽車保險絲盒內(nèi)部結(jié)構(gòu)復(fù)雜，工件的主要缺陷類型是多膠、少膠，缺陷小且不起眼，大大增加人工檢測的難度，平均每個工件的檢測時間在5分鐘，導(dǎo)致工件每天實(shí)際的產(chǎn)出量并不高。

為了解決傳統(tǒng)工件檢測方法帶來的弊端，本發(fā)明提出了一套基于機(jī)器視覺的汽車保險盒工件缺陷檢測方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目標(biāo)在于開發(fā)一種能夠檢測保險盒待測工件與模板工件之間的差異，并將存在差異的缺陷標(biāo)記出來的方法。

為了解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

一種基于機(jī)器視覺的工件缺陷檢測方法，包括以下步驟：

(a)讀取拍攝的模板工件圖片與待測工件圖片；

(b)將待測工件圖片與模板工件圖片進(jìn)行粗匹配，匹配時對待測圖片進(jìn)行旋轉(zhuǎn)和平移校正，使其與模板圖片重合度最高；

(c)將校正處理后的待測工件圖片與原來的模板工件圖片進(jìn)行相同區(qū)域分割，對分割后的每塊子區(qū)域進(jìn)行精匹配，匹配時對待測子區(qū)域圖片進(jìn)行平移校正，使其與對應(yīng)模板子區(qū)域圖片重合度最高；

(d)對校正處理后的待測的子區(qū)域圖片與對應(yīng)的模板子區(qū)域圖片進(jìn)行對比分析找出缺陷，獲得每塊子區(qū)域的缺陷檢測結(jié)果；

(e)將每塊子區(qū)域的缺陷檢測結(jié)果在模板工件圖片上進(jìn)行標(biāo)記，并提示最后總的缺陷數(shù)量。

作為優(yōu)選，所述步驟(b)粗匹配時具體為在模板工件圖片和待測工件圖片中選擇方位相同的一對對角區(qū)域，兩個對角區(qū)域分別選出一對理想匹配點(diǎn)，用于待測圖片平移與旋轉(zhuǎn)校正，使其與模板圖片重合度最高。

作為優(yōu)選，所述步驟(c)具體為對校正后的待測圖片以及模板圖片進(jìn)行相同的區(qū)域分割，得到多個子區(qū)域，在分割后的一個子區(qū)域中找出一對理想匹配點(diǎn)，對待測的子區(qū)域圖片進(jìn)行平移校正，使其與對應(yīng)模板子區(qū)域圖片重合度最高。接著對待測的子區(qū)域分別進(jìn)行上下左右四個方向上的單位像素微調(diào)，對比微調(diào)前的重合度獲得重合度最高的待測的子區(qū)域圖片，其他子區(qū)域執(zhí)行相同操作。

作為優(yōu)選，所述步驟(b)中的粗匹配具體包括以下步驟：

(b1)從待測工件圖片中的兩對對角區(qū)域中選出特征點(diǎn)數(shù)總和較多的一對對角區(qū)域，進(jìn)行理想匹配點(diǎn)對獲取；

(b2)找出其中歐氏距離最小的前n對匹配點(diǎn)，計算每對匹配點(diǎn)x軸方向上的絕對差值Xc，以及y軸方向上的絕對差值Yc，找出Xc與Yc的最大值，記錄為Lc；找出所有Lc中的最小值Lmc，以Lmc為準(zhǔn)，將Lmc分為0～Lmc，Lmc～Lmc+10，Lmc+10～Lmc+20,Lmc+20～Lmc+30.....Lmc+10×(T-2)～Lmc+10×(T-1)這樣T個等級(T>＝1)。將每對匹配點(diǎn)的Xc、Yc與Lmc進(jìn)行比較，當(dāng)且僅當(dāng)Xc與Yc均小于Lmc的第m個等級，同時Xc或Yc大于Lmc的第m-1個等級，將其定級為m。將對角區(qū)域n對匹配點(diǎn)中等級大于T的匹配點(diǎn)對濾除。另一個對角區(qū)域執(zhí)行相同操作。

(b3)兩個對角區(qū)域各自留下來一定數(shù)量的匹配點(diǎn)對，兩個對角區(qū)域各取一對匹配點(diǎn)構(gòu)成一個組合，其中歐氏距離較小的一對匹配點(diǎn)用于待測工件圖片平移校正，較大的用于旋轉(zhuǎn)校正，遍歷所有組合，選擇與模板圖片重合度最高的校正后的待測圖片。

作為優(yōu)選，所述步驟(c)中的精匹配具體包括以下步驟：

(c1)對校正后的待測圖片以及原來的模板圖片進(jìn)行相同的區(qū)域分割，得到多個子區(qū)域；

(c2)以一個子區(qū)域?yàn)槔页銎渲袧h明距離最小的前n’對匹配點(diǎn)，獲得其中漢明距離最小值，記為S。以S值遍歷區(qū)域中所有漢明距離值Sa，找出與S值相等的所有匹配點(diǎn)對，計算每對匹配點(diǎn)x軸方向上的絕對差值Xc’，以及y軸方向上的絕對差值Yc’，找出Xc’與Yc’的最大值，記錄為Lc’；找出所有Lc’中的最小值Lmc’，以Lmc’為準(zhǔn)，將Lmc’分為0～Lmc’，Lmc’～Lmc’+10，Lmc’+10～Lmc’+20,Lmc’+20～Lmc’+30.....Lmc’+10×(T’-2)～Lmc’+10×(T’-1)這樣T’個等級(T’>＝1)。

在n’對匹配點(diǎn)中，計算每對匹配點(diǎn)的Xc’、Yc’，并與Lmc’進(jìn)行比較，當(dāng)且僅當(dāng)Xc’與Yc’均小于Lmc’的第m’個等級，同時Xc’或Yc’大于Lmc’的第m’-1個等級，將其定級為m’，濾除匹配點(diǎn)對中等級大于T’的。

(c3)剩余的匹配點(diǎn)對中，每個匹配點(diǎn)對對應(yīng)一種平移校正后的待測工件子區(qū)域圖片，從中獲得與模板子區(qū)域圖片重合度最高的，記為Rs；

(c4)對Rs分別進(jìn)行上、下、左、右四個方向單位像素平移的操作，每個方向與平移前的進(jìn)行重合度比較，獲得重合度最高的待測子區(qū)域圖片，每個子區(qū)域皆按步驟(c2)-(c4)執(zhí)行。

作為優(yōu)選，步驟(b1)中在兩對對角區(qū)域選擇一對對角區(qū)域時通過以下方法進(jìn)行選擇：

(1)對角區(qū)域的特征點(diǎn)數(shù)總和SUM

(2)對角區(qū)域特征點(diǎn)數(shù)的比值RATE

SUM＝S1+S2

其中S1、S2分別表示兩個對角區(qū)域的特征點(diǎn)總數(shù)，選取SUM較大的一對對角區(qū)域，特征點(diǎn)數(shù)比值記為RATE1，另一對對角區(qū)域記為RATE2。如果RATE1<RATE2,則選擇該對對角區(qū)域；否則擴(kuò)展一次該對對角區(qū)域，并選擇擴(kuò)展后的對角區(qū)域。

作為優(yōu)選，步驟(c1)中的進(jìn)行區(qū)域分割時，使用附加區(qū)域的區(qū)域分割方式，具體方法為：

先用若干條分割線將模板工件圖片和待測工件圖片均分成多個小區(qū)域，在每條分割線的兩側(cè)分別畫出兩條與該分割線平行的輔助分割線，將每個小區(qū)域中以分割線為邊的邊界向外擴(kuò)展至臨近的輔助分割線，從而得到子區(qū)域，從分割線擴(kuò)展至輔助分割線的區(qū)域記為重疊區(qū)域。

作為優(yōu)選，步驟(c4)中的單位像素微調(diào)操作具體為：首先統(tǒng)計微調(diào)前的待測子區(qū)域Rs的匹配重合度記為s0，接著對其分別進(jìn)行上、下、左、右四個方向微調(diào)并統(tǒng)計微調(diào)后的匹配重合度s1,s2,s3,s4。如果s0最小，則輸出；否則，將s1,s2,s3,s4中最小的一個作為新的s0，重新進(jìn)行四個方向的微調(diào)統(tǒng)計，如此迭代。

作為優(yōu)選，在步驟(c4)中設(shè)置一個最多迭代次數(shù)u保證迭代正常終止。

本發(fā)明的有益效果是：

本發(fā)明首先對待測工件圖片與模板工件圖片進(jìn)行粗匹配，再對經(jīng)過粗匹配校正的待測工件圖片與原來的模板工件圖片進(jìn)行相同的區(qū)域分割，對分割后的每個子區(qū)域進(jìn)行精匹配，在精匹配的基礎(chǔ)上對每塊子區(qū)域分別進(jìn)行缺陷檢測，并將最后缺陷檢測結(jié)果整合到模板工件圖片上并標(biāo)記，提高了缺陷檢測精度，保證缺陷檢測的準(zhǔn)確性。本發(fā)明能滿足多種類型待測工件與模板工件圖像的高精度匹配，在缺陷檢測上具有高準(zhǔn)確率。

附圖說明

圖1是本發(fā)明的流程示意圖；

圖2是工件圖像；

圖3是工件缺陷圖像；

圖4是區(qū)域分割示意圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步描述：

本發(fā)明使用的機(jī)器視覺檢測系統(tǒng)包括工業(yè)相機(jī)、工業(yè)鏡頭以及光源，并將將獲取的圖片放在計算機(jī)中進(jìn)行缺陷檢測。本實(shí)施例中使用GS3-U3-120S6M-C的面陣相機(jī)，DTCM110-240工業(yè)遠(yuǎn)心鏡頭以及與鏡頭相配套的光源。鏡頭滿足工件的高精度成像，相機(jī)滿足實(shí)際精度要求的情況下，相機(jī)的成像靶面無法容納整體工件，采用多工位的拍攝得到解決，光源選擇與鏡頭配套的DC110-240。整體硬件組合滿足工業(yè)檢測精度要求。

本發(fā)明提供的工件缺陷檢測方法的流程如圖1所示，具體包括以下步驟：

(1)讀取拍攝的模板工件圖片與待測工件圖片；

(2)圖片中的兩對對角區(qū)域(左上、右下與右下、左上)中存在一對合適對角區(qū)域，選出一對合適對角區(qū)域，進(jìn)行理想匹配點(diǎn)對獲取。對角區(qū)域通過以下方法進(jìn)行選擇：

1)對角區(qū)域的特征點(diǎn)數(shù)總和SUM

2)對角區(qū)域特征點(diǎn)數(shù)的比值RATE

SUM＝S1+S2

其中S1、S2分別表示兩個對角區(qū)域的特征點(diǎn)總數(shù)，選取SUM較大的一對對角區(qū)域，特征點(diǎn)數(shù)比值記為RATE1，另一對對角區(qū)域記為RATE2。如果RATE1<RATE2,則選擇該對對角區(qū)域；否則擴(kuò)展一次該對對角區(qū)域，并選擇擴(kuò)展后的。

(3)以一個對角區(qū)域?yàn)槔页銎渲袣W氏距離最小的前n對匹配點(diǎn)，計算每對匹配點(diǎn)x軸方向上的絕對差值Xc，以及y軸方向上的絕對差值Yc，找出Xc與Yc的最大值，記錄為Lc；找出所有Lc中的最小值Lmc，以Lmc為準(zhǔn)，將Lmc分為0～Lmc，Lmc～Lmc+10，Lmc+10～Lmc+20,Lmc+20～Lmc+30.....Lmc+10×(T-2)～Lmc+10×(T-1)這樣T個等級(T>＝1)。將每對匹配點(diǎn)的Xc、Yc與Lmc進(jìn)行比較，當(dāng)且僅當(dāng)Xc與Yc均小于Lmc的第m個等級，同時Xc或Yc大于Lmc的第m-1個等級，將其定級為m。將對角區(qū)域n對匹配點(diǎn)中等級大于T的匹配點(diǎn)對濾除。另一個對角區(qū)域執(zhí)行相同操作；

(4)兩個對角區(qū)域各自留下來一定數(shù)量的匹配點(diǎn)對，兩個對角區(qū)域各取一對匹配點(diǎn)構(gòu)成一個組合，其中歐氏距離較小的一對匹配點(diǎn)用于待測工件圖片平移校正，較大的用于旋轉(zhuǎn)校正，遍歷所有組合，選擇與模板圖片重合度最高的校正后的待測圖片；

(5)對校正后的待測圖片以及原來的模板圖片進(jìn)行相同的區(qū)域分割。具體操作如下：先用若干條分割線將模板工件圖片和待測工件圖片分割成多個小區(qū)域，在每條分割線的兩側(cè)分別畫出兩條與該分割線平行的輔助分割線，將每個小區(qū)域中以分割線為邊的邊界向外擴(kuò)展至臨近的輔助分割線，從而得到子區(qū)域，從分割線擴(kuò)展至輔助分割線的區(qū)域記為重疊區(qū)域；

下面舉例說明，如圖4所示，圖中待測工件圖片被分割成4個區(qū)域F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，其中L1，L2是平均分割四個區(qū)域的分割線，但由于存在缺陷區(qū)域被分割的風(fēng)險，需要將L1，L2用l1,l2,l3,l4四條輔助分割線取代，用于新增附加區(qū)域。以F1區(qū)域?yàn)槔渲丿B的附加區(qū)域是f1和f2，其中f1是由L1，l2和l4組成的區(qū)域，f2是由L2，l4和l2組成的區(qū)域；而F2的重疊區(qū)域就是f1′與f2′，其中是f1′由L1，l2和l3組成的區(qū)域,f2′是由L2，l3和l2組成的區(qū)域。重疊區(qū)域的附加原則是除了邊界區(qū)域以外，其余圖像內(nèi)部的分割都需要附加。

(6)以一個子區(qū)域?yàn)槔?，找出其中漢明距離最小的前n’對匹配點(diǎn)，獲得其中漢明距離最小值，記為S。以S值遍歷區(qū)域中所有漢明距離值Sa，找出與S值相等的所有匹配點(diǎn)對(一個漢明距離值對應(yīng)一個匹配點(diǎn)對)，計算每對匹配點(diǎn)x軸方向上的絕對差值Xc’，以及y軸方向上的絕對差值Yc’，找出Xc’與Yc’的最大值，記錄為Lc’；找出所有Lc’中的最小值Lmc’，以Lmc’為準(zhǔn)，將Lmc’分為0～Lmc’，Lmc’～Lmc’+10，Lmc’+10～Lmc’+20,Lmc’+20～Lmc’+30.....Lmc’+10×(T’-2)～Lmc’+10×(T’-1)這樣T’個等級(T’>＝1)。

在n’對匹配點(diǎn)中，計算每對匹配點(diǎn)的Xc’、Yc’，并與Lmc’進(jìn)行比較，當(dāng)且僅當(dāng)Xc’與Yc’均小于Lmc’的第m’個等級，同時Xc’或Yc’大于Lmc’的第m’-1個等級，將其定級為m’，濾除匹配點(diǎn)對中等級大于T’的。

(7)剩余的匹配點(diǎn)對中，每個匹配點(diǎn)對對應(yīng)一種平移校正后的待測工件子區(qū)域圖片，從中獲得與模板子區(qū)域圖片重合度最高的，記為Rs；

(8)對Rs分別進(jìn)行上、下、左、右四個方向單位像素平移的操作，每個方向與平移前的進(jìn)行重合度比較，獲得重合度最高的待測子區(qū)域圖片。單位像素微調(diào)操作具體為：首先統(tǒng)計微調(diào)前的待測子區(qū)域Rs的匹配重合度記為s0，接著對其分別進(jìn)行上、下、左、右四個方向微調(diào)并統(tǒng)計微調(diào)后的匹配重合度s1,s2,s3,s4。如果s0最小，則輸出；否則，將s1,s2,s3,s4中最小的一個作為新的s0，重新進(jìn)行四個方向的微調(diào)統(tǒng)計，如此迭代。為了避免迭代次數(shù)過多，設(shè)置一個最多迭代次數(shù)u保證迭代正常終止，每個子區(qū)域皆按步驟(6)-(8)執(zhí)行；

(9)對精匹配后的每塊子區(qū)域的待測工件圖片與模板工件圖片進(jìn)行對比分析找出缺陷，獲得每塊子區(qū)域最終的缺陷檢測結(jié)果；

(10)將每塊子區(qū)域的缺陷檢測結(jié)果在模板工件圖片上進(jìn)行標(biāo)記，并提示最后總的缺陷數(shù)量。

與上述方法相對應(yīng)的基于機(jī)器視覺的工件缺陷檢測裝置，包括：

圖片獲取單元，用于讀取拍攝的模板工件圖片與待測工件圖片；

粗匹配單元，用于將待測工件圖片與模板工件圖片進(jìn)行粗匹配，匹配時對待測圖片進(jìn)行旋轉(zhuǎn)和平移校正，使其與模板圖片重合度最高；

精匹配單元，將校正處理后的待測工件圖片與原來的模板工件圖片進(jìn)行相同區(qū)域分割，對分割后的每塊子區(qū)域進(jìn)行精匹配，匹配時對待測子區(qū)域圖片進(jìn)行平移校正，使其與對應(yīng)模板子區(qū)域圖片重合度最高；

缺陷檢測單元，用于對校正處理后的待測子區(qū)域圖片與對應(yīng)的模板子區(qū)域圖片進(jìn)行對比分析找出缺陷，獲得每塊子區(qū)域的缺陷檢測結(jié)果；

整合單元，用于將每塊子區(qū)域的缺陷檢測結(jié)果在模板工件圖片上進(jìn)行標(biāo)記，并提示最后總的缺陷數(shù)量。

本發(fā)明方案所公開的技術(shù)手段不僅限于上述實(shí)施方式所公開的技術(shù)手段，還包括由以上技術(shù)特征任意組合所組成的技術(shù)方案。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也視為本發(fā)明的保護(hù)范圍。