[发明专利]一种基于机器视觉的工件外观缺陷检测方法

摘要

本发明公开了一种基于机器视觉的工件外观缺陷检测方法，首先通过视觉系统引导机器人，根据基于灰度值的模板匹配算法精确定位目标工件位姿，然后进行工件外观缺陷检测，其步骤为：(1)获取工件图像，采用中值滤波进行预处理；(2)利用全局阈值分割目标工件，并进行工件位姿矫正；(3)通过数学形态学开运算去除工件边缘毛刺干扰；(4)检测缺口、粘料、开裂、压痕、针眼、划痕和起泡外观缺陷。该方法解决人工检测速度慢、效率低、精度差的问题；克服目前视觉检测缺陷类型单一、成像质量差和误检率高的问题，提高精密工件生产自动化程度和产品质量。

主权项

1.一种基于机器视觉的工件外观缺陷检测方法，其特征在于，包括以下步骤：步骤1：工件图像获取及预处理；步骤2：图像分割与工件位姿矫正；步骤3：检测以下外观缺陷：缺口、粘料、开裂、压痕、针眼、划痕和起泡；步骤1中，通过同轴光源照明，利用CCD工业相机和图像采集卡采集工件图像f(x，y)，工件图像为灰度图像，然后把工件图像送入工控机进行预处理，预处理为对采集到的工件图像进行中值滤波处理；步骤2中：(1)图像分割：基于直方图法对预处理后的图像进行图像分割，工件图像的灰度直方图会显示两个波峰：一个是作为前景的工件，一个是背景，取波谷灰度值为分割阈值以有效分割前景和背景：式中，F(x，y)为分割出的工件图像，Thf为分割阈值(2)图像矫正为通过仿射变换实现图像中工件的平移和旋转角度矫正；步骤3中：标定工件边缘为缺口检测区域，记为Regqk；标定整个工件表面区域为粘料、开裂、压痕、针眼、划痕和起泡缺陷检测区域；其中粘料和针眼检测区域记为Regnl和Regzy；划痕和开裂检测区域记为Reghh和Regkl；压痕检测区域记为Regyh；起泡检测区域记为Regqp；缺陷的面积判断阈值：式中，Th为缺陷的面积判断阈值；φ为缺陷容忍度；W和H为图像中工件的宽和高，以像素为单位；M和N为工件的实际长和宽，以毫米为单位；①缺口检测：1)采用图像分割阈值Tqk在区域Regqk中分割缺口的Blob候选块，通过八连通区域标识出Blob连通域，记为Blqk；分割阈值Tqk的确定：采用(2Dqk+1)×(2Dqk+1)的滤波掩码进行平滑处理，式中Dqk为缺口缺陷的直径；计算平滑后的图像灰度值的均值Meanqk(x，y)和标准差σqk(x，y)；由于缺口缺陷显示为暗像素，则选择Tqk＝Meanqk(x，y)‑γqk·σqk(x，y)为分割阈值，γqk为缺口缺陷的标准差权重；2)利用像素计数法提取Blqk连通域的像素面积特征Areaqk；根据下式判断Blqk是否为缺口缺陷：式中，缺陷面积判断阈值Thqk由公式3确定，其中φ的取值范围是[0.0120，0.0130]，YES和NO分别表示存在缺口缺陷和不存在缺口缺陷；②粘料和针眼检测：1)采用分割阈值Tzz在区域Regnl和Regzy中分割粘料和针眼的Blob候选块，通过八连通区域标识出Blob连通域，记为Blnl和Blzy；分割阈值Tzz的确定：Tzz＝Mean′zz(x，y)‑δzz·V′zz(x，y)式中Mean′zz(x，y)和V′zz(x，y)为检测区域像素灰度值的均值和方差，δzz为粘料和针眼缺陷的方差权重；图像中低于分割阈值的像素区域为缺陷候选块；2)利用像素计数法提取Blnl连通域的像素面积特征Areanl和圆度特征Roundnessnl、Blzy连通域的像素面积特征Areazy和圆度特征Roundnesszy，根据下式5、6分别判断Blnl是否为粘料缺陷以及Blzy是否为针眼缺陷：式中，缺陷面积判断阈值Thnl1和Thzy1由式3确定，其中φ的取值范围分别是[0.0020，0.0021]和[0.0024，0.0025]；缺陷圆度判断阈值Thnl2和Thzy2的取值范围分别是[0.5，1]和[0.85，1]；∩表示逻辑“与”运算；YES和NO分别表示是和否；像素面积特征即区域内的像素个数，圆度特征描述即目标区域的面积与外接圆面积的比值，形状越接近圆，比值越接近1，圆度特征的取值范围是：0＜Roundness_nl＜1，计算公式为其中r为被提取目标的外接圆半径，此处的被提取目标指粘料和针眼缺陷；③划痕和开裂检测：1)采用局部图像方差强度算法求取分割阈值Thk，在区域Reghh和Regkl中分割划痕和开裂的Blob块候选，通过八连通区域标识出Blob连通域，记为Blhh和Blkl；局部图像方差强度是图像局部阈值概念的拓展延伸，由于被检测工件受生产工艺影响会有背景不均匀情况，因此很难找到固定阈值将目标缺陷与背景完整分割；故提出局部阈值检测方法，即局部灰度特征与整体相结合的方法；结合局部方差与方差的特性，先采用(2Dhk+1)×(2Dhk+1)的滤波掩码进行平滑处理，式中Dhk为划痕和开裂缺陷的长度；再计算平滑后图像灰度值的标准差σhk(x，y)和方差Vhk(x，y)；分割阈值按下式的确定：其中σ′hk(x，y)和V′hk(x，y)表示平滑前的整幅图像的标准差和方差；2)利用像素计数法提取Blhh连通域的像素面积特征Areahh和内部最长直径特征Diameterhh以及Blkl连通域的像素面积特征Areakl和内部最长直径特征Diameterkl；根据式7、8分别判断Blhh是否为划痕缺陷，以及Blkl是否为开裂缺陷：式中，缺陷面积判断阈值Thhh1和Thkl1由式3确定，其中φ的取值范围分别是[0.0110，0.0120]和[0.0048，0.0049]；缺陷最长直径判断阈值Thhh2和Thkl2的取值范围由经验值确定；∩表示逻辑“与”运算；内部最长直径即区域边界上最远的两个像素点的距离，距离和面积都是以像素为单位，即该距离内或该区域内包含的像素个数；④压痕检测：1)通过拉普拉斯高斯变换算法和局部动态阈值Tyh分割压痕的Blob候选块；Tyh的确定：采用(2Dyh+1)×(2Dyh+1)的滤波掩码进行平滑处理，式中Dyh为压痕缺陷的直径；计算平滑后图像灰度值的均值Meanyh(x，y)和标准差σyh(x，y)；由于压痕缺陷在拉普拉斯高斯变换后的图像中显示为亮像素，故选择Tyh＝Meanyh(x，y)+γyh·σyh(x，y)为分割阈值，γyh为压痕缺陷的标准差权重；通过八连通区域标识出Blob连通域，记为Blyh；2)利用像素计数法提取Bl_yh连通域的像素面积特征Area_yh和矩形度特征Rectan_yh，矩形度是描述被提取区域对其外接矩形的充满程度，计算公式为其中S_m为被提取区域外接矩形区域的面积；根据式9判断Bl_yh是否为压痕缺陷：式中，面积判断阈值Thyh1由式3确定，其中φ的取值范围是[0.0160，0.0170]；矩形度判断阈值Thyh2的取值范围是[0.7，1]；∩表示逻辑“与”运算；⑤起泡检测：1)通过快速傅立叶变换将图像函数从空间域转变到频率域，采用低通滤波器平滑图像，再通过傅立叶逆变换将图像从频率域变换到空间域；根据图像灰度直方图，选取波谷灰度值为分割阈值分割目标分割起泡的Blob候选块，通过八连通区域标识出Blob连通域，记为Blqp；2)利用像素计数法提取Blqp连通域的像素面积特征Areaqp和圆度特征Roundnessqp；根据式10判断Blqp是否为起泡缺陷：式中，面积判断阈值Thqp1由式3确定，其中φ的取值范围是[0.0123，0.0124]；圆度判断阈值Thqp2的取值范围是[0.5，1]；∩表示逻辑“与”运算。