详情

原文传递一种金属陶瓷零件识别及表面缺陷检测系统和方法

专利名称：	一种金属陶瓷零件识别及表面缺陷检测系统和方法
摘要：	本发明公开了一种金属陶瓷零件识别及表面缺陷检测系统和方法。该系统包括检测装置和与检测装置相连的上位机，检测装置工作桌面、支架、环形光源、工业相机，底座通过型材固定架安装有竖直型材，竖直型材通过光源调节杆安装有环形光源，竖直型材上安装有位于光源调节杆上方的水平型材，水平型材上安装有位于环形光源正上方的工业相机，被测零件置于工作桌面且位于环形光源正下方；工业相机与上位机相连，在上位机中有一套集成算法的交互软件，该软件可利用相机回传图像进行零件识别和表面缺陷检测。本发明能够使用机器视觉的方法对金属陶瓷零件进行快速准确识别，并检测其表面的擦伤、划痕和凹痕缺陷，可以很好适应平移、旋转、尺度和光照变化。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	王宣银;叶子健;周彬
专利状态：	有效
申请日期：	2019-07-03T00:00:00+0800
发布日期：	2019-10-29T00:00:00+0800
申请号：	CN201910595816.6
公开号：	CN110389127A
代理机构：	杭州求是专利事务所有限公司
代理人：	林超
分类号：	G01N21/84(2006.01);G;G01;G01N;G01N21
申请人地址：	310058 浙江省杭州市西湖区余杭塘路866号
主权项：	1.一种金属陶瓷零件识别及表面缺陷检测系统，其特征在于，包括检测装置和与检测装置相连的上位机，检测装置包括工作桌面(6)、支架、环形光源(4)和工业相机(1)，支架主要由竖直型材(11)、水平型材(15)、型材固定架(9)和底座(7)组成，底座(7)置于工作桌面，底座(7)通过型材固定架(9)安装有竖直型材(11)，竖直型材(11)通过光源调节杆(3)安装有环形光源(4)，竖直型材(11)通过六角螺栓(14)和六角螺母(13)安装有位于光源调节杆(3)上方的水平型材(15)，水平型材(15)通过相机连接片(16)安装有位于环形光源(4)正上方的工业相机(1)，被测零件(5)置于工作桌面(6)且位于环形光源(4)正下方；工业相机(1)与上位机相连，通过网络电缆实现工业相机(1)与上位机的通讯。 2.根据权利要求1所述的一种金属陶瓷零件识别及表面缺陷检测系统，其特征在于，通过调节水平型材(15)位置控制工业相机(1)高度；通过调节光源调节杆(3)高度使得环形光源(4)在不进入视场前提下保证被测零件(5)周围光强的均匀性。 3.采用权利要求1-2任一所述金属陶瓷零件识别及表面缺陷检测系统的检测方法，其特征在于，包括以下步骤：步骤1：利用双圆图和霍夫圆检测的方法对工业相机的视场大小进行自动标定，通过上位机控制工业相机采集被测零件的原始图像；步骤2：从原始图像中提取主体目标后得到主体目标灰度图像，主体目标为原始图像中的被测零件；步骤3：对主体目标灰度图像中的被测零件进行零件识别；步骤4：对主体目标灰度图像进行零件表面缺陷检测，缺陷检测包括擦伤缺陷检测、划痕缺陷检测和凹痕缺陷。 4.根据权利要求3所述金属陶瓷零件识别及表面缺陷检测系统的检测方法，其特征在于，所述步骤1中对工业相机的视场大小进行自动标定的方法具体为：将两个圆心实际距离已知的双圆图放置于相机视场范围内，利用霍夫圆检测方法检测出两个圆，并计算两个圆心之间的像素距离，根据圆心实际距离和像素距离确定的拟合曲线获得标定系数，通过标定系数实现视场大小的自动标定。 5.根据权利要求3所述金属陶瓷零件识别及表面缺陷检测系统的检测方法，其特征在于，所述步骤2具体为： 2.1)将原始图像转到HSV颜色空间，并提取其中的色调通道后得到色调通道图； 2.2)然后分别使用大津算法和三角形算法对色调通道图进行二值化处理，在经大津算法处理得到的二值化图像和经三角形算法处理得到的二值化图像中选取灰度均值更小的二值化图像作为后续操作的图像输入； 2.3)将灰度均值更小的二值化图像进行闭运算处理以消除图像背景中的前景噪点，并对二值化图像中像素进行连通域标记与合并，在合并后的连通域中提取最大连通域作为主体目标粗掩膜，通过漫水填充法填补粗掩膜中的背景噪点，并利用开运算平滑粗掩膜边缘从而得到主体目标精细掩膜； 2.4)将原始图像转化为原始灰度图像，利用主体目标精细掩膜在原始灰度图像中提取出主体目标，从而得到获得主体目标区域的主体目标灰度图像。 6.根据权利要求3所述金属陶瓷零件识别及表面缺陷检测系统的检测方法，其特征在于，所述步骤3具体为： 3.1)计算主体目标灰度图像的7个不变Hu矩和主体目标占整个图像的面积占比，从而获得8维特征向量，将8维特征向量取绝对值并对数化，再与步骤1得到的标定系数相乘后作为支持向量机训练的特征数据； 3.2)将工业相机采集的所有原始图像进行零件类别的标记，将标记后的图像分为训练样本和测试样本，将训练样本和测试样本经步骤2和步骤3.1)处理后得到的所有特征数据组合为特征矩阵，将组合特征矩阵输入径向基核函数的支持向量机进行训练得到零件识别模型； 3.3)将步骤3.1)的特征数据输入步骤3.2)的零件识别模型进行判别得到零件类别，完成主体目标灰度图像的零件识别。 7.根据权利要求3所述金属陶瓷零件识别及表面缺陷检测系统的检测方法，其特征在于，所述步骤4中的擦伤缺陷检测具体为： 4.1.1)通过阈值化处理提取主体目标灰度图像中的擦伤缺陷区域，阈值化方法中的自动阈值采用下述模型计算得到： Tauto＝alogV2-klogA+c 其中，Tauto表示计算得到的自动阈值，V表示灰度图像的灰度均值，A表示主体目标占整个图像的面积占比，c表示常数项； 4.1.2)计算步骤4.1.1)提取的所有擦伤缺陷区域的面积和长宽比，根据设定的面积阈值和长宽比阈值筛选得到真实擦伤缺陷区域，并标记于原始图像中；所述步骤4中的划痕缺陷检测具体为： 4.2.1)通过对原始图像分别进行灰度处理和滤波处理得到原始灰度图像和均值滤波图像，将原始灰度图像减去均值滤波图像得到包含断裂划痕区域的高维空间图； 4.2.3)除去高维空间图中的真实擦伤缺陷区域和主体目标的外轮廓，然后使用中值滤波的方法除去高维空间图中的噪点，并采用膨胀形态学方法将断裂划痕区域进行连通，最后将连通的粗划痕经过图像细化操作得到最终划痕区域，并标记于原始彩图中；所述步骤4中的凹痕缺陷检测具体为： 4.3.1)将工业相机采集的所有原始图像进行凹痕缺陷标记，将标记有凹痕缺陷的图像作为正样本，将未标记有凹痕缺陷的图像作为负样本； 4.3.2)提取正样本和负样本中图像的HOG特征，将正样本和负样本的HOG特征输入支持向量机中训练得到凹痕缺陷检测模型； 4.3.3)提取步骤1采集的原始图像的HOG特征，将原始图像的HOG特征输入凹痕缺陷检测模型得到凹痕缺陷区域，根据设定的置信权重从模型检测得到的凹痕缺陷区域标出实际凹痕缺陷区域。
所属类别：	发明专利