[发明专利]基于机器视觉的球销类不合格品的自动分检方法和装置

说明书

技术领域

本发明涉及机器视觉领域，特别是涉及一种基于机器视觉的球销类不合格品的自动分检方法和装置。

背景技术

在工业元件的生产过程中由于工人误操作，可能使加工程序漏加工，从而导致产品不合格。为了检测出这些不合格品，通常采用人工的方式。人工测量存在很多的局限性和缺点：检测效率低，精度差；检测数量有限，检测人员容易疲劳以致发生漏检和误判现象；不能自动测量，不能在线测量，为了提高检测速度，就不得不靠增加检测分选人员的数量来实现，进而生产成本大幅度提高。且由于人眼疲劳等原因，不合格品有可能漏检，从而造成工厂声誉和经济上的损失。

机器视觉技术是指运用计算机模拟动物的视觉功能，获得客观事物的图像，并且从中提取有用信息、，进行处理并做出解释，从而正确的识别和理解周围环境。机器视觉的主要有以下特点：

高效低成本，计算机硬件的发展一直遵循着摩尔定理，并且CPU的价格也随着技术的发展不断降低但是性能却一直在上升，所以机器视觉系统也越来越变得低成本高效率，即所谓的性价比越来越高，并且操作起来简单，维修起来也很便宜。用机器视觉检测系统取代人工检测者让工厂和企业获得了更多的利润。

高精度，高精度的机器视觉系统甚至能够测量精确到0.01mm甚至更微小的级别，而且一个系统就能不需接触的测量图片中的多个部位，从而有效的保护了脆弱部件。

应用灵活，机器视觉系统可以测量各种不同的对象。比如，尺寸，大小，距离，部件定位，瑕疵等等。当要检测的对象变化后，只需要在算法和程序上做针对性的修改升级即可。

连续使用时间长，由于只需要有电源提供动力，除了故障和检修，机器视觉系统可以在各种环境下进行测量和使用，并且能够长时间使用而不会出现疲劳饥饿等人工检测者的状况。

机器视觉在工业元件检测系统中应用的关键问题是图像识别算法的准确率及运算耗时。由于待识别的工件部位尺寸往往比较小，工件部位是否合格的特征区别较为细微，而且分检系统运行在产品的生产流水线上，检测时常常受到油污等的干扰，这些因素都极大的影响了检测装置的准确率。为了突出工件待识别部位的细节信息、，基于机器视觉的工业元件分检系统中摄像头所采集的图像信息量往往比较巨大，如果直接处理这些巨大的图像数据，计算量非常大，系统运行耗时很难满足实际需求。

发明内容

本发明所要解决的技术问题是，提供一种基于机器视觉的球销类不合格品的自动分检方法和装置，以解决现有技术中分检系统的准确率低，耗时长的问题。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于机器视觉的球销类不合格品的自动分检方法，使用工业相机捕获球销类工件的图像信息，根据工件的物理参数定位待识别部位的图像坐标，检测所选择的零件部位是否合格。

使用光电检测装置捕获传送元件的装置到达工业相机所指定拍摄区域的时刻信息。当元件传送装置到达工业相机的拍摄区域时，光电检测装置触发工业相机抓拍一张图像，供后续的软件识别系统进行处理。

首先检测出球销的球头圆心位置，然后通过相机标定算法将实际的元件尺寸转换为图像尺寸，从而完成待识别部位的图像坐标定位。使用Hough变换检测球销元件球头圆心的位置，Hough变换检测圆的基本思想是将候选图像区域中的所有点经过先经过预处理得到边缘点图像，然后这些边缘点被映射到一个三元参数空间，在参数空间中每个坐标点的元素都会对应一个累加值，对这些累加值进行累加统计求取峰值，就可以判断得到所要求的圆的圆心和半径了。直角坐标系中圆的方程为：

(x-x₀)²+(y-y₀)²＝R²

其中，x₀为圆心横坐标，y₀为圆心纵坐标，R为半径。要确定一个圆，就要确定这三个参数，我们结合Hough变换的思想就可以知道，要在参数空间之中建立一个三维累加器数组，记为P(x₀，y₀，R)。并根据上述圆的方程式逐步的变化x₀和y₀来计算满足方程式的解R