[发明专利]基于机器视觉的密封圈表面缺陷检测方法

摘要

本发明公开了一种基于机器视觉的密封圈表面缺陷检测方法，步骤如下：首先采集密封圈表面图像，并对采集到的图像进行自适应中值滤波处理；接着，计算出上述图像的灰度水平梯度和竖直梯度，并据此提取出图像中存在的灰度折角结构；再对各折角特征点邻域进行分割并计算分割域的灰度均值；最后，采用描述分割域灰度差异程度的函数值作为缺陷判定准则，筛选出缺陷轮廓点，实现对密封圈表面缺陷的检测。本发明依据密封圈表面缺陷形成原因，分析得到缺陷轮廓与密封圈外形轮廓之间存在的固有差异，并在图像上得到验证，本发明能检出密封圈表面较多类型的缺陷，包括凹痕、流痕、杂质、飞边以及过切缺陷；具有缺陷检测的准确性高，算法鲁棒性强等优点。

主权项

1.一种基于机器视觉的密封圈表面缺陷检测方法，其特征在于，方法步骤如下：步骤1、采集密封圈表面图像，并对采集到的图像进行自适应中值滤波处理；步骤2、计算出上述图像的灰度水平梯度和竖直梯度，并据此提取出图像中存在的灰度折角结构；所述步骤2中，采用一阶导数梯度算子计算图像灰度水平梯度和竖直梯度，然后根据折角结构顶点像素在灰度上应满足的条件对经自适应中值滤波处理后的图像中各像素点进行遍历筛选，从而提取出符合条件的灰度折角结构；步骤3、对各折角特征点邻域进行分割并计算分割域的灰度均值；所述步骤3中，各折角特征点邻域分割方法如下：依据步骤2所提取的灰度折角结构及其顶点，从该顶点出发搜寻出灰度折角结构的两条轮廓边，并反向延长，从而将该顶点邻域分割成4个子区域，分别为S1、S2、S3和S4，选择各子区域内与顶点最近的N个像素，N≥1，计算像素灰度均值；步骤4、采用描述分割域灰度差异程度的函数值作为缺陷判定准则，筛选出缺陷轮廓点，实现对密封圈表面缺陷的检测；所述步骤4中，描述分割域灰度差异程度的函数为：根据计算的各灰度折角结构对应的函数值β，设定函数值阈值，大于该阈值的灰度折角结构顶点为缺陷轮廓点，反之，认定为伪点进行剔除。