61]其中，邊緣檢測單元中數(shù)學(xué)形態(tài)學(xué)邊緣檢測具體是使用Sobel算子，該算子使用兩組3X3矩陣，分別為橫向和縱向，與預(yù)處理后零部件圖像做卷積積分，再進行濾波操作。
[0062]上述系統(tǒng)可基于Labview進行圖像采集、圖像預(yù)處理和后處理程序。
[0063]如圖3所示，上述整套裝置的進行精沖零部件缺陷智能在線檢測方法的步驟如下:
[0064](I)傳送帶帶動精沖零部件運行，當(dāng)精沖零部件到達工業(yè)相機的拍攝區(qū)域時，光電開關(guān)捕捉到精沖零部件，進而觸發(fā)工業(yè)相機進行拍照。
[0065](2)工業(yè)相機拍照后，將圖像傳遞給在線檢測處理系統(tǒng)(如安裝了相關(guān)處理軟件的計算機)進行預(yù)處理階段。預(yù)處理的目的是檢測精沖零部件是否有可疑目標(biāo)，如果圖像沒有可疑目標(biāo)，則直接刪除，若有可疑目標(biāo)，圖像轉(zhuǎn)移給圖像緩存區(qū)。
[0066](3)在后處理流程中，計算機圖像處理程序提取圖像中有可疑目標(biāo)的區(qū)域進行后處理。后處理流程中，圖像進行二值化、濾波、增強、粒子分析，可得出圖像中精沖零部件是否有缺陷。若無缺陷則直接刪除，若有缺陷則算出缺陷的高度、面積和相應(yīng)的位置。
[0067](4)后處理結(jié)束后，還可以對有缺陷的精沖零部件數(shù)據(jù)需進行保存，存入數(shù)據(jù)庫以便進行后續(xù)研究。
[0068]本發(fā)明的一個實施例中，上述方法中的步驟(I)中光電開關(guān)觸發(fā)工業(yè)相機進行拍照的方法為:
[0069]光電開關(guān)分發(fā)射部分和接收部分，當(dāng)沒有精沖零部件時，發(fā)射部分發(fā)射的紅外線會被接收部分接收，光電開關(guān)輸出的信號是“ I ”，計算機接收到模擬信號“ I ”時不會觸發(fā)相機拍照。當(dāng)精沖零部件到來時，精沖零部件會擋住發(fā)射部分發(fā)出的紅外線光，接收部分接收不到紅外線時，光電開關(guān)輸出的信號是“0”，計算機接收到的模擬信號“O”時會觸發(fā)工業(yè)相機進行拍照。
[0070]步驟(2)中圖像預(yù)處理階段的方法為:
[0071]相機拍攝的圖片傳遞給在線檢測處理系統(tǒng)(如計算機)，預(yù)處理流程是先將彩色照片轉(zhuǎn)換成黑白照片，轉(zhuǎn)化后的黑白照片共有256個灰度級。之后對轉(zhuǎn)化后的黑白照片進行標(biāo)定，再進行圖像分割，找到圖片中有興趣的區(qū)域(如圖4所示)，即在圖片中將有精沖零部件的部分提取出來(如果是彩色相機，需先將圖片進行灰度處理)，之后再進行圖像去噪處理，可利用數(shù)學(xué)形態(tài)學(xué)邊緣檢測方法進行像素級邊緣檢測，此時會檢測出精沖零部件的表面輪廓，如圖5所示。
[0072]之后再檢測精沖零部件表面輪廓內(nèi)是否有灰度突變的點或線。如果精沖零部件表面無缺陷，則輪廓內(nèi)不會檢測出有灰度突變的點或線，此時初步判定精沖零部件表面無缺陷，圖像刪除。若輪廓內(nèi)檢測出有灰度突變的點或線，則初步判定精沖零部件表面有缺陷，圖像會被保存在內(nèi)存內(nèi)設(shè)定好的一塊圖像緩存區(qū)，以便進行圖像后處理。
[0073]步驟(3)中圖像后處理階段的方法為:
[0074]圖像從緩存區(qū)提取出來進行后處理，主要包括圖像二值化、特征提取、濾波去除噪聲、邊緣提取、粒子分析。如果經(jīng)粒子分析發(fā)生無缺陷，則刪除圖像，若有缺陷，則會在計算機中顯示缺陷的位置、大小等特征。如圖6所示，此時需計算出零件的高度，再使用模式匹配去掉表面輪廓，剩下的再使用粒子分析功能進行分析，通過計算缺陷撕裂帶高度占整個零件高度的百分比來判斷零件是否合格，可以規(guī)定當(dāng)撕裂帶高度不超過零件高度的10%時，則判定零件合格，否則零件是不合格的。對于合格的零件圖像直接刪除，對不合格的零件則算出缺陷的高度、面積和相應(yīng)的位置，如圖6所示。如具體使用Sobel算子，該算子是使用兩組3X3矩陣，分別為橫向和縱向，與圖像做卷積積分，這種算法簡單有效，但不足之處是有時候可能不能將背景與主體有效的區(qū)別出來，所以之后還需要進行濾波操作。如圖7所示，是圖像后處理中進行粒子分析。粒子分析是將設(shè)定好的閾值范圍內(nèi)的粒子篩選出來，通過粒子在圖像中所占像素的大小，可以推算出缺陷的面積、位置、數(shù)目等參數(shù)。
[0075]步驟(4)所述的結(jié)果保存方法為:
[0076]可在在線檢測處理系統(tǒng)(即計算機)中創(chuàng)建一個數(shù)據(jù)庫，將檢測出有缺陷零件的信息(如零件編號，缺陷大小面積等)保存在數(shù)據(jù)庫中，以便后續(xù)分析。
[0077]工業(yè)生產(chǎn)中，絕大多數(shù)精沖零件都是合格的，只有一少部分表面會存在缺陷，通過簡單的預(yù)處理流程就可以篩選排除掉大多數(shù)合格的精沖零部件圖像，而不需要對每個精沖零部件圖像進行一整套的預(yù)處理和后處理流程，這樣可以節(jié)省檢測時間，提高工作效率。
[0078]應(yīng)當(dāng)理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。
【主權(quán)項】
1.一種精沖零部件缺陷智能在線檢測方法，其特征在于，包括以下步驟: 51、將待檢測的精沖零部件放置在傳送帶上，當(dāng)精沖零部件到達相機拍攝區(qū)域時，觸發(fā)光電開關(guān)，啟動相機進行拍照； 52、對零部件圖像進行預(yù)處理，對預(yù)處理后的圖像利用數(shù)學(xué)形態(tài)學(xué)邊緣檢測方法進行像素級邊緣檢測，檢測出零部件的表面輪廓，并初步判斷該零部件是否存在缺陷，若否，則刪除該零部件圖像，若是，則將該零部件圖像轉(zhuǎn)移給圖像緩沖區(qū)； 53、將圖像緩存區(qū)的圖像提取出來進行后處理并判斷，若無缺陷則直接刪除，若有缺陷則算出缺陷的大小、面積和相應(yīng)的位置，并算出缺陷撕裂帶的最大高度，若缺陷撕裂帶的最大高度超過預(yù)設(shè)值，則認為該零部件有缺陷，否則認為該零部件合格。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中對零部件圖像進行預(yù)處理具體為: 將彩色的零部件圖像轉(zhuǎn)換成黑白照片，之后對轉(zhuǎn)化后的黑白照片進行標(biāo)定，再使用圖像分割技術(shù)提取照片中有零部件的部分，再進行中值濾波，去除照片中的噪聲點。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括步驟: 54、若該零部件有缺陷，則將不合格的零部件數(shù)據(jù)進行保存，存入數(shù)據(jù)庫以便進行后續(xù)研究，若無缺陷則直接刪除照片。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中數(shù)學(xué)形態(tài)學(xué)邊緣檢測方法具體是使用Sobel算子，該算子使用兩組3 X 3矩陣，分別為橫向和縱向，與預(yù)處理后零部件圖像做卷積積分，再進行濾波操作。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S3具體為: 使用閾值法對圖像緩存區(qū)的圖像進行二值化，經(jīng)中值濾波后，進行數(shù)學(xué)形態(tài)學(xué)運算提取邊緣； 對提取的邊緣進行粒子分析，濾除低于閾值的粒子，若有大于閾值的粒子則判定為缺陷；根據(jù)粒子分析的結(jié)果計算缺陷大小、面積和相應(yīng)的位置； 若存在缺陷撕裂帶，則提取出缺陷撕裂帶的最大高度與零件高度對比，若缺陷撕裂帶的最大高度占零件高度的百分比不超過預(yù)設(shè)值時，則認為零件是合格的，否則，認定零件不合格。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟SI中，當(dāng)精沖零部件到達相機拍攝區(qū)域時，光電開關(guān)輸出模擬信號，計算機接收到該模擬信號時會觸發(fā)相機進行拍照。7.一種精沖零部件缺陷智能在線檢測處理系統(tǒng)，其特征在于，包括: 預(yù)處理單元，用于對零部件圖像進行預(yù)處理； 邊緣檢測單元，用于對預(yù)處理后的圖像利用數(shù)學(xué)形態(tài)學(xué)邊緣檢測方法進行像素級邊緣檢測，檢測出零部件的表面輪廓； 初步判斷單元，用于根據(jù)檢測出零部件的表面輪廓初步判斷該零部件是否存在缺陷，若否，則刪除該零部件圖像，若是，則將該零部件圖像轉(zhuǎn)移給圖像緩沖區(qū)； 后處理單元，用于將圖像緩存區(qū)的圖像提取出來進行后處理； 最終判斷單元，用于根據(jù)后處理的結(jié)果進行判斷，若無缺陷則直接刪除，若有缺陷則算出缺陷的大小、面積和相應(yīng)的位置，并算出缺陷撕裂帶的最大高度，若缺陷撕裂帶的最大高度超過預(yù)設(shè)值，則認為該零部件有缺陷，否則認為該零部件合格。8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，該系統(tǒng)還包括: 數(shù)據(jù)存儲單元，用于若該零部件有缺陷，則將不合格的零部件數(shù)據(jù)進行保存，存入數(shù)據(jù)庫以便進行后續(xù)研究，若無缺陷則直接刪除照片。9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，邊緣檢測單元中數(shù)學(xué)形態(tài)學(xué)邊緣檢測具體是使用Sobel算子，該算子使用兩組3 X 3矩陣，分別為橫向和縱向，與預(yù)處理后零部件圖像做卷積積分，再進行濾波操作。10.一種精沖零部件缺陷智能在線檢測裝置，其特征在于，包括: 傳送帶，用于放置將待檢測的精沖零部件； 光源，用于為工業(yè)相機提供恒定的光照條件。 工業(yè)相機，用于拍攝待檢測的精沖零部件照片。 光電觸發(fā)開關(guān)，與工業(yè)相機連接，用于當(dāng)精沖零部件傳來時，觸發(fā)工業(yè)相機進行拍照； 精沖零部件缺陷智能在線檢測處理系統(tǒng)，該系統(tǒng)為權(quán)利要求7-9中任一項所述的系統(tǒng)。
【專利摘要】本發(fā)明公開了一種精沖零部件缺陷智能在線檢測方法、系統(tǒng)及裝置，其中方法包括以下步驟：當(dāng)傳送帶上的精沖零部件到達相機拍攝區(qū)域時，觸發(fā)光電開關(guān)，啟動相機進行拍照；對零部件圖像進行預(yù)處理，包括像素級邊緣檢測，并初步判斷該零部件是否存在缺陷，若是，則將該零部件圖像轉(zhuǎn)移給圖像緩沖區(qū)；將圖像緩存區(qū)的圖像提取出來進行后處理并判斷，若有缺陷則算出缺陷的大小、面積和相應(yīng)的位置，并算出缺陷撕裂帶的最大高度，若缺陷撕裂帶的最大高度超過預(yù)設(shè)值，則認為該零部件有缺陷，否則認為該零部件合格。本發(fā)明將機器視覺技術(shù)與精沖零部件技術(shù)相結(jié)合，能識別出精沖零部件的表面缺陷，在很大程度上提高了檢測效率和準(zhǔn)確度。
【IPC分類】G01N21/88
【公開號】CN105158268
【申請?zhí)枴緾N201510607834
【發(fā)明人】劉艷雄, 華林, 張亮杰, 李楊康
【申請人】武漢理工大學(xué)
【公開日】2015年12月16日
【申請日】2015年9月21日