[发明专利]基于机器视觉的工件缺陷检测方法

说明书

本发明提供了一种基于机器视觉的工件缺陷检测方法。该方法首先采集法兰盘式工件的图像，对相机进行标定，获取标定误差，然后对工件轮廓进行亚像素边缘信息的提取，计算出拟合边缘到工件轮廓的距离，并通过比较该距离是否大于所给阈值判别工件外轮廓的破损情况，最后针对工件表面纹理复杂影响工件表面划痕与锈蚀分割的问题，采用基于像素分层采样的PixelNet卷积神经网络对表面缺陷进行分割。结果表明，本发明可以准确地检测出工件的外形缺陷和表面缺陷，并提高了算法鲁棒性。

技术领域

本发明涉及一种基于机器视觉的工件缺陷检测方法，在对法兰盘式工件运用图像处理技术进行检测时，提高了检测准确性和检测效率。

背景技术

20世纪60年代起计算机运行速度得到显著提高，同时伴随着CCD技术的问世，基于机器视觉的缺陷检测技术开始在工业生产线上得到广泛应用，如机械、电子、印刷、纺织行业借助先进的检测技术提高了产品质量和生产效率。机器视觉检测作为一种无损检测的方法，它通过线阵或面阵相机获得清晰的待测物体图像，由计算机进行图像处理完成目标缺陷的实时检测。

随着我国制造业的快速发展，对于产品质量的要求也越来越高，近年来基于机器视觉的缺陷检测理论研究不断成熟。周善旻等人采用不同角度照明的方式获得金属表面的多元图像，在不同照明角度下缺陷特征具有明显差别，多幅图像之间的变化提供了更多缺陷特征信息，通过挖掘多元图像间的关联信息实现对金属表面缺陷的检测。该方法需要不断改变照明角度拍摄多幅图像，但本发明中工件处于移动的状态，进行多角度照明不仅操作繁琐且无法做到对工件的实时检测与分拣。黄柳倩等人针对冲压件外形缺陷的检测问题，对提取的背景区域进行闭操作从而实现外形破损位置的填充，然后将闭操作后的背景区域与原图背景区域做差，进而根据差值大小判断冲压件的破损情况。由于工件破损尺寸不同，因此在对工件进行闭操作时结构元的选择无法统一，从而影响外形缺陷检测的精度。李永敬等人提出了基于形状模板匹配的方法确定待测工件位置，通过外形提取与动态阈值的方法对工件外形缺陷进行分割。由于其采用背向照明的方式获取工件图像，此方法并不适用于本发明对工件外形缺陷的检测。黄景维等人提出了基于轮廓特征的图像对齐算法，以实现五金工件与模板图像的快速对齐，并通过判断待测工件图像与标准工件图像灰度差值的大小检测工件表面缺陷。该方法对细微划痕及较小的缺陷分割效果较差，无法满足本发明对工件表面缺陷的实时检测。

综上所述，目前迫切需要提出一种精确度高和实用性较强的工件外形缺陷和表面缺陷的检测方法。

发明内容

本发明的目的是克服现有方法的上述不足，提出了一种基于机器视觉的工件缺陷检测方法，该方法可以实现对工件外形缺陷和表面缺陷测量精度的大幅提高。为此，本发明采用如下的技术方案：

步骤1：采集现实中法兰盘式工件的图像；

步骤2：对相机利用张氏标定法进行标定，获得相机的参数和位姿，根据标定结果获取测量系统的标定误差；

步骤3：对工件图像进行图像滤波，提取出感兴趣区域；

步骤4：首先采用Canny算子完成工件像素级边缘的检测，然后采用基于灰度矩的方法提取工件图像的亚像素边缘；

步骤5：采用圆拟合的方法获取工件上同心孔及过孔的质心，根据最小二乘法的思想，用圆去逼近工件外轮廓及各个过孔的边缘；

步骤6：采用基于边缘像素距离的缺陷检测方法，计算工件实际轮廓上的亚像素坐标点到拟合圆半径方向的距离；

步骤7：采用基于像素分层采样的PixelNet卷积神经网络对表面缺陷进行分割，得到划痕和锈蚀区域。

与现有技术相比，本发明的有益效果是：