一种螺纹平纹缺陷检测方法

技术领域：

本发明属于螺纹检测领域，具体涉及一种螺纹平纹缺陷检测方法。

背景技术：

螺杆是工业加工生产中较为常见的一类紧固产品，需求量大且对品质的要求极为严格，在螺杆装配之前需要对其螺纹进行检测，确保螺杆的螺纹没有缺陷。依靠人工进行螺杆的螺纹检测，工作量大且作业条件和主观判断等因素会影响检测结果的准确性。随着计算机技术的发展，出现了基于机器视觉的螺纹检测技术，基于采集到的图像，经过预处理和轮廓匹配等操作得到螺丝的圈数，完成量化的螺杆整体及局部检测。

如申请号为CN202211325564。3的现有专利公开了一种尺度空间自适应的螺母内螺纹检测方法，通过图像采集及处理，基于SIFT算法，在六角螺杆内螺纹检测场景下，匹配标准零件和生产零件的关键点，通过关键点的匹配程度得到合格率，能够实现内螺纹的局部磨损、腐蚀或变形等缺陷的检测。

该内螺纹检测方法虽然可以实现螺杆整体及局部检测，但其主要是用于检测螺纹的破损缺陷，无法针对螺纹的平纹缺陷进行检测。

平纹指的是螺纹没有旋的结构，螺丝或螺杆上所有螺纹是阻断的。存在平纹缺陷的螺纹，用手尖指甲抵在其中一个螺纹上，然后旋转螺丝或螺杆多周时，手尖指甲始终在该螺纹上，不会旋转到其他螺纹上。螺杆存在平纹缺陷后，螺杆就无法旋进对应的螺杆里，存在无法装配的问题。

目前在空调铁壳电机转子轴这一产品上，存在平纹缺陷的螺杆较多，对产品的装配和使用造成一定的影响。基于此，市场上亟需一种螺纹平纹缺陷检测方法。

发明内容

为解决上述问题，本发明的首要目的在于提供一种螺纹平纹缺陷检测方法，可以通过图像处理技术快速方便的检测出螺杆是否存在平纹缺陷，检测效率高，且更加精确，能够避免螺杆在装配时无法使用的问题。

为实现上述目的，本发明的技术方案如下：

本发明提供一种螺纹平纹缺陷检测方法，包括有以下步骤：

S1：计算螺杆区域二值图，将螺杆和其背景分离，螺杆区域内的所有像素置为全白，背景置为全黑；

S2：计算螺杆的螺纹内凹点；

S3：判断是否有平纹缺陷。

进一步地，步骤S1包括有:

步骤S11：将背景区域最小灰度值预设为bg_val，然后将图像中灰度值

步骤S12：通过openCV的算子运算操作去除毛刺，然后过滤掉小块，得到像素全白，背景全黑的区域二值图。

进一步地，步骤S2包括有：

步骤S21：计算出整个螺杆区域的垂直中心线x＝x0；

步骤S22：在y轴方向取螺杆左右侧边缘点，记录在区间[ymin，ymax]中，将区间中最靠近中心线x0的点作为基准点(xbase，ybase)；

步骤S23：将螺杆的标准螺间距预设为d0，在x0的左右两侧，从y1＝ybase开始向上、向下搜索出所有的螺纹内凹点；

进一步地，在步骤S21中，通过openCV的算子运算操作得到螺杆区域的重心点，该点的x坐标所在x轴垂线就是垂直中心线。

进一步地，在步骤S22中，在取螺杆左右侧边缘点时，去掉顶部螺尾和底部螺头所在位置的边缘点，即：螺尾以下1-2个螺纹边缘点不要，螺头以上1-2个螺纹也不要，y方向上只保留中间部分[ymin，ymax]作为边缘点。

进一步地，步骤S22中，基准点(xbase，ybase)一定是螺杆上的某个螺纹内凹点。

进一步地，步骤S23中，搜索的螺纹内凹点的具体方法为：向上在[y1-d0/2，y1-d0*3/2]的边缘点内取横向最靠近x0的那个点作为一个螺纹内凹点(x2，y2)，然后再在该凹点继续向上在[y2-d0/2，y2-d0*3/2]的边缘点内取最靠近x0的那个点作为一个螺纹内凹点，直至搜索到ymin结束；同理从基准点y1向下在[y1+d0/2，y1+d0*3/2]的边缘点内取横向最靠近x0的那个点作为一个螺纹内凹点(x2’，y2’)，然后再在该凹点继续向上在[y2’+d0/2，y2’+d0*3/2]的边缘点内取最靠近x0的那个点作为一个螺纹内凹点，直至搜索到ymax结束。

进一步地，步骤S3中，判断是否存在平纹缺陷的方法为：预设S2中计算出来的螺杆左侧有ln个螺纹内凹点，从上到下分别为(lx1，ly1)，(lx2，ly2)，…，(lxn，lyn)；右侧有rn个螺纹内凹点，从上到下分别为(rx1，ry1)，(rx2，ry2)，…，(rxn，ryn)；取左侧第一个螺纹内凹点(lx1，ly1)，计算(lx1，ly1)与右侧所有螺纹内凹点之间连线与水平线之间的夹角绝对值，得到ln的夹角，取其中最小夹角min_deg_1作为(lx1，ly1)该段螺纹旋转半周的螺纹上旋或下旋角度；然后采用与(lx1，ly1)同样的方式，分别计算(lx2，ly2)，…，(lxn，lyn)与右侧所有螺纹内凹点之间连线与水平线之间的夹角绝对值，得到ln的夹角，取其中最小夹角，得到min_deg_2，…，min_deg_ln；假设该型号螺杆的螺纹旋转一周的螺纹上旋或下旋角度为deg0，判断min_deg_1，min_deg_2，…，min_deg_ln中是否存在小于(deg0-deg_d1)/2的一个值，如果是，则判断存在平纹缺陷，如果否，则不存在平纹缺陷。

进一步地，步骤S3中，为了确保检测准确性，预设一个值ln/2，当检测出小于(deg0-deg_d1)/2的数值的数量>＝ln/2时才确定为存在平纹缺陷。

相比于现有技术，本发明的有益效果是：本方法可以通过图像处理技术快速方便的检测出螺杆是否存在平纹缺陷，检测效率高，且更加精确，能够避免螺杆在装配时无法使用的问题。

附图说明

图1是正常螺杆的区域二值图。

图2是存在平纹缺陷的螺杆的区域二值图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明的实现如下：

如图1-2所示，本实施例提供一种螺纹平纹缺陷检测方法，包括有以下步骤：

S1：计算螺杆区域二值图，将螺杆和其背景分离，螺杆区域内的所有像素置为全白，背景置为全黑；

S2：计算螺杆的螺纹内凹点；

S3：判断是否有平纹缺陷。

进一步地，步骤S1包括有:

步骤S11：将背景区域最小灰度值预设为bg_val，然后将图像中灰度值

步骤S12：通过openCV的算子运算操作去除毛刺，然后过滤掉小块，得到像素全白，背景全黑的区域二值图。

进一步地，步骤S2包括有：

步骤S21：计算出整个螺杆区域的垂直中心线x＝x0；

步骤S22：在y轴方向取螺杆左右侧边缘点，记录在区间[ymin，ymax]中，将区间中最靠近中心线x0的点作为基准点(xbase，ybase)；

步骤S23：将螺杆的标准螺间距预设为d0，在x0的左右两侧，从y1＝ybase开始向上、向下搜索出所有的螺纹内凹点；

进一步地，在步骤S21中，通过openCV的算子运算操作得到螺杆区域的重心点，该点的x坐标所在x轴垂线就是垂直中心线。

进一步地，在步骤S22中，在取螺杆左右侧边缘点时，去掉顶部螺尾和底部螺头所在位置的边缘点，即：螺尾以下1-2个螺纹边缘点不要，螺头以上1-2个螺纹也不要，y方向上只保留中间部分[ymin，ymax]作为边缘点。

进一步地，步骤S22中，基准点(xbase，ybase)一定是螺杆上的某个螺纹内凹点。

进一步地，步骤S23中，搜索的螺纹内凹点的具体方法为：向上在[y1-d0/2，y1-d0*3/2]的边缘点内取横向最靠近x0的那个点作为一个螺纹内凹点(x2，y2)，然后再在该凹点继续向上在[y2-d0/2，y2-d0*3/2]的边缘点内取最靠近x0的那个点作为一个螺纹内凹点，直至搜索到ymin结束；同理从基准点y1向下在[y1+d0/2，y1+d0*3/2]的边缘点内取横向最靠近x0的那个点作为一个螺纹内凹点(x2’，y2’)，然后再在该凹点继续向上在[y2’+d0/2，y2’+d0*3/2]的边缘点内取最靠近x0的那个点作为一个螺纹内凹点，直至搜索到ymax结束。

进一步地，步骤S3中，判断是否存在平纹缺陷的方法为：预设S2中计算出来的螺杆左侧有ln个螺纹内凹点，从上到下分别为(lx1，ly1)，(lx2，ly2)，…，(lxn，lyn)；右侧有rn个螺纹内凹点，从上到下分别为(rx1，ry1)，(rx2，ry2)，…，(rxn，ryn)；取左侧第一个螺纹内凹点(lx1，ly1)，计算(lx1，ly1)与右侧所有螺纹内凹点之间连线与水平线之间的夹角绝对值，得到ln的夹角，取其中最小夹角min_deg_1作为(lx1，ly1)该段螺纹旋转半周的螺纹上旋或下旋角度；以同样的方式得到该段螺纹旋转半周的螺纹上旋或下旋角度min_deg_2；如此一直下去，直到得到ln个这样的角度分别为min_deg_1，min_deg_2，…，min_deg_ln。假设该型号螺杆的螺纹旋转一周的螺纹上旋或下旋角度为deg0(公差范围为[-deg_d1，+deg_d2])，判断min_deg_1，min_deg_2，…，min_deg_ln中是否存在小于(deg0-deg_d1)/2的一个值，如果是，则判断存在平纹缺陷，如果否，则不存在平纹缺陷。

进一步地，步骤S3中，为了确保检测准确性，预设一个值ln/2，当检测出小于(deg0-deg_d1)/2的数值的数量>＝ln/2时才确定为存在平纹缺陷。

进一步地，需要说明的是，本申请中使用的openCV图像处理技术属于现有技术。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。