[发明专利]一种基于机器视觉的磁棒端面缺陷检测方法

说明书

本发明公开了一种基于机器视觉的磁棒端面缺陷检测方法，获取磁棒端面图像，并提取磁棒端面轮廓；基于磁棒端面轮廓的最大连通曲线拟合端面圆；轮询计算轮廓点与端面圆间的距离差，获得边缘缺陷信息图；基于边缘缺陷信息图判断磁棒端面是否存在缺陷。本发明可有效解决边缘缺陷在成像上有呈现，但是由于缺陷区域较小导致很难检测的问题。

技术领域

本发明属于缺陷检测技术领域，具体来说涉及一种基于机器视觉的磁棒端面缺陷检测方法。

背景技术

随着工业科技的发展，磁性材料以其优良性能在信息化、电子化、一体化以及医学和国防等方面的应用越来越广泛；铝镍钴磁棒类(LNG磁棒)作为磁性材料的一种，其主要用于石油化工、采矿、汽轮机、冶金、制药、食品、陶瓷、纺织、橡胶、塑料和机械等行业；而这些行业对LNG磁棒尺寸和表面缺陷有较高的要求，品质检测要求极高。以深度学习作为工件的缺陷检测算法是目前的发展方向，但深度学习对样本类型和数量要求比较高，误检率高仍然是推广到产业应用时面临的一个主要问题。

根据企业对LNG磁棒端面外观的评价标准，端面外观检测内容包括表面缺角、崩角和污点等，其中缺角、崩角缺陷判定依据为单个缺陷尺寸大于0.1mm×0.1mm，污点判定缺陷依据为单个污点面积大于0.15mm×0.15mm，其中崩角和缺角主要在端面边缘出现，污点主要在端面内出现。在磁棒端面外观检测过程中最大的难点是边缘的缺角和崩角，人工和视觉检测都比较容易误判。

发明内容

本发明的目的之一在于提供一种基于机器视觉的磁棒端面缺陷检测方法，以解决背景技术中现有的缺陷检测对磁棒端面边缘的缺角和崩角容易误判的问题。

为实现上述目的，本发明提供技术方案如下：

一种基于机器视觉的磁棒端面缺陷检测方法，包括以下步骤：

获取磁棒端面图像，并提取磁棒端面轮廓；

基于磁棒端面轮廓的最大连通曲线拟合端面圆；

轮询计算轮廓点与端面圆间的距离差，获得边缘缺陷信息图；

基于边缘缺陷信息图判断磁棒端面是否存在缺陷。

优选地，所述提取磁棒轮廓为，对磁棒端面图像进行图像分割，对分割图像进行边缘检测，得到磁棒端面轮廓。

优选地，所述磁棒端面图像通过阈值分割算法进行图像分割。

优选地，所述阈值分割算法包括以下步骤：计算磁棒端面图像的灰度直方图，将灰度直方图中波峰位置和波谷位置的灰度值分别作为灰度值上限Gray_max和灰度值下限Gray_min；基于阈值分割表达式进行图像分割，所述阈值分割表达式为Q＝{(x，y)∈D|Gray_min≤f_(x，y)≤Gray_max}，Q指在磁棒端面图像中灰度值处于Gray_min和Gray_max之间的像素点，D表示为图像域范围，f(x，y)表示磁棒端面图像中横坐标x、纵坐标y上的灰度值，Gray_min为灰度值下限，Gray_max为灰度值上限。

优选地，所述分割图像通过Canny算法进行边缘检测，得到磁棒轮廓。

优选地，所述的对磁棒端面图像进行图像分割后，对分割图像去噪，对去噪后的分割图像进行边缘检测。

优选地，去噪方法为对分割图像进行开运算。

优选地，所述基于磁棒端面轮廓的最大连通曲线拟合端面圆为：对磁棒端面轮廓二次开运算，获取修正后的磁棒端面轮廓，并进行圆拟合，得到拟合的端面圆。

优选地，所述轮询计算轮廓点与端面圆间的距离差为：计算各轮廓点与端面圆间的最小距离，基于所有最小距离获取边缘缺陷信息图。