[发明专利]基于机器视觉的钢球检测方法

权利要求书

1.基于机器视觉的钢球检测方法，其特征在于：该检测方法用到的检测系统包括照明装置、摄像头(1)、沥篮(2)、框架(3)、第一支架(4)、第二支架(5)、霍尔传感器(6)，所述照明装置由相连的LED光源(7)、板型灯(8)组成，LED光源(7)设在板型灯(8)上；

所述沥篮(2)通过拉杆(9)设在框架(3)上并进行上下运动，所述框架(3)上部设有与开关相连的霍尔传感器(6)，框架(3)上通过第一支架(4)连接设有板型灯(8)，框架(3)上通过第二支架(5)连接设有摄像头(1)，板型灯(8)、摄像头(1)依次位于沥篮(2)上前方且均朝向沥篮(2)设置；

该检测方法包括以下步骤：

S1：采用前光照的照射方案，板型灯(8)、摄像头(1)均利用旋转机构设置在装有钢球的沥篮(2)上前方，板型灯(8)从侧面进行照明，摄像头(1)从正前方进行拍照；根据拍摄时的光源不仅需要保证足够的整体亮度照亮物体，还需考虑最大化突出物体在图像中的特征量，增加对比度的要求；

S2：当沥篮(2)通过框架(3)上的拉杆(9)从熔盐中提升至最高点，沥篮(2)上方的篮盖打开至最大角度，触发霍尔传感器(6)，接触开关后摄像头(1)和板型灯(8)开始工作，在设置拍摄间隔和拍摄时长里，沥篮(2)开盖将钢球倒出，从拍摄中选择钢球完整展现的图像并进行后续图像处理和识别；

S3：图像处理：

S31：图像预处理：S311：对原始图像利用抠图算子，裁剪出需要的目标区域，可以有效避免篮盖或边缘的大量反光点造成的干扰；

S312：利用点计算对数字图像进行基本的线性变换，对图像进行增强，伸缩目标区域的像素值，提高目标和背景的对比度；图像增强主要利用灰度变换法，这里利用一种满足识别钢球实际需求的变换函数，直接在空间域中进行，表达式如下：

g(x,y)＝k×f(x,y)+a (1)

其中，f(x,y)表示原图像坐标为(x,y)的像素值，g(x,y)表示变换后的像素值，k代表变换函数的斜率，k＝255/(GMax-GMin)，a＝-k*GMin，GMax为图像最大像素值，GMin为图像最小像素值；

S313：采用空域滤波方法去除图像中的多种随机噪声，使用中值滤波器，在尽量保留钢球边缘细节的情况下，对噪声进行抑制和去除；

S32：识别计数：S321：利用阈值对目标和背景进行分割，阈值的选择通过对实际图像的分析和计算，公式如下：

TH(x,y)＝g(x,y)+k×f(x,y)+n (2)

其中，TH(x,y)为原图像坐标为(x,y)的阈值，g(x,y)表示局部均值，f(x,y)表示局部标准差，k为权重系数，n为设定的常数；公式(2)即通过位置(x,y)在其邻域中的局部统计信息，均值和标准差的加权和来确定该位置像素的阈值；

S322：由于阈值分割后的图像存在孤立点、毛刺等噪声，对图像进行数学形态学的操作来消除噪声，利用开运算对图像进行腐蚀和膨胀；使用腐蚀函数向内缩减目标中白色区域，填充目标物体中的白色空隙；使用膨胀函数向外扩张白色区域，消除目标连接边界处噪声；

腐蚀：AΘB＝{z|(B)z⌒Ac＝Ф} (3)

膨胀：A⊕B＝{{z|(B)z⌒A≠Ф} (4)

同时，利用开操作在腐蚀过程中，保持图像中较大物体的形状基本保持不变；利用闭操作在膨胀过程中，平滑图像轮廓；

开操作：AoB＝(AΘB)⊕B (5)

闭操作：A˙B＝(A⊕B)ΘB (6)；

S323：对处理后的图像进行连接后，利用图像匹配函数对图像中的反光点，认为是一定面积的矩形或者园斑进行识别，此处需要对半径和面积进行设置参数，也需要在对实际的图像进行分析和计算中获取；根据形状、半径、面积、灰度等特征值的范围，来提取相应特征值的独立目标。

2.根据权利要求1所述的基于机器视觉的钢球检测方法，其特征在于：所述第一支架(4)、第二支架(5)均为三角支架。

3.根据权利要求1所述的基于机器视觉的钢球检测方法，其特征在于：所述板型灯(8)、摄像头(1)均通过旋转机构连接在支架上。