一种基于OpenCV的注塑件缺陷检测方法

技术领域

本发明涉及产品质量检测技术领域，具体涉及一种注塑件缺陷检测。

背景技术

塑料由于具有重量轻、比强度高、绝缘性好、光学性能优秀和综合防护能力强等优异的物化性质，目前已被广泛地应用到农业、食品、制造业、汽车、电子、五金耗材、医疗器械、制药、便携设备、化工机械、防护制品等行业，是日常生活和工业生产中重要的材料之一。注塑成型是工业生产中最主要的塑料成型方法之一，该成型方法不但适合用于加工各类结构复杂或尺寸精细的制品，还具有生产周期短、生产成本低、适应性强、易于集成、自动化程度高等特点。一般地，注塑成型过程是一个复杂的多阶段材料成型过程，成型过程中各阶段工艺参数的设置与调整都对最终的注塑件成型质量有着重要的影响。在正常的连续注塑成型生产过程中，由于注塑机生产状态的波动、工艺参数设置的不确定性以及关键参数测量的滞后性等因素的影响，同一台注塑机先后生产的注塑件成型质量可能存在较大的差异。同时，对于不同批次的塑料原料、不同的注塑机和不同的生产模具，注塑成型过程都有不同的生产条件和生产环境，直接导致了无法对生产后的注塑件成型质量进行准确的评估。因此，需要对生产后的注塑件成型质量进行检测，以确保注塑件的成型质量满足生产要求。为生产制造过程中必不可少的一步，表面缺陷检测广泛应用于各工业领域，包括3C、半导体及电子、汽车、化工、医药、轻工、军工等行业，催生了众多上下游企业。自20世纪开始，表面缺陷检测大致经历了三个阶段，分别是人工目视法检测、单一机电或光学技术检测以及机器视觉检测。人工目视法起源最早，应用最广，虽然人工智能及机器视觉等先进检测技术逐渐成熟，但依靠肉眼进行缺陷检测仍然占据较大的比重，并广泛存在于中小企业中。然而，随着人口红利的消失，以及工作枯燥、自由度低、薪酬较少，愿意从事质检的越来越少，用工难问题愈发凸显。因此利用机器视觉对同一条注塑带上各个注塑件的表面缺陷进行检测的缺陷检测算法具有重要意义。

发明内容

本发明的目的在于解决现有注塑件缺陷检测中人工检测效率较低、精准性不足、缺陷检测算法算力要求过高等问题。提出了一种基于OpenCV的注塑件缺陷检测方法，通过相机对注塑带进行拍摄后进行多尺度模板匹配并得到单个注塑件后，通过阈值处理和轮廓提取得到注塑件清晰平滑的轮廓边缘，通过对特征点之间的距离来判断注塑件的缺陷情况。

为达到上述目的，本发明所采用的技术方案是：

一种基于OpenCV的注塑件缺陷检测方法，其包括以下步骤：

步骤一、运用相机对注塑带所有注塑件进行拍摄来采集注塑带整体的表面图像；

步骤二、运用多尺度模板匹配算法，读取模板图片，并依次执行灰度化和边缘检测处理；读取测试图片，遍历整个尺度空间，进行测试图片裁剪；在测试图片上获取到外接矩形，并绘制矩形框；

步骤三、依据矩形框，将注塑带上每个注塑件从整体的图像中分别裁剪出来，获得注塑件图像；

步骤四、对提取的注塑件图像进行阈值处理，将像素值大于阈值的像素点处理为255，像素值小于阈值的像素点处理为0，以此使图片变为只有黑色和白色的图片，在这种情况下提取ROI域就会变得很方便；

步骤五、将每个注塑件图像用掏空内部点法将轮廓内部的点进行调整删除，经过调整后的注塑件图像上就只剩下注塑件轮廓，同时使用Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘；

步骤六、定位特征点，提取对应的注塑件轮廓后取最小外接矩形，判断该矩形长宽，若长宽不满足要求，则该注塑件具有缺陷，反之无缺陷。

上述方案进一步地，步骤二的多尺度模板匹配算法的原理如下：

一、读取模板图片，并依次执行灰度化和边缘检测处理；二、读取测试图片，遍历整个尺度空间，进行测试图片裁剪；三、依次执行边缘检测和模板匹配，获取到外接矩形；四、根据结果对测试图片中模板所在的位置进行更新；五、进行位置转换，然后绘制矩形框，最后显示模板匹配结果。

上述方案进一步地，步骤四的阈值处理和提取ROI域的原理如下：

阈值处理就是设定某个阈值，然后对大于阈值的像素或者小于阈值的像素统一处理的过程；

在对提取的注塑件图像进行阈值处理过程中，将像素值大于阈值的像素点处理为255，像素值小于阈值的像素点处理为0，以此使图片变为只有黑色和白色的图片；在OpenCV中利用cv2.threshold()函数设定好图片对象、阈值、最大值、阈值处理类型后，即可返回阈值和处理后的结果图像；利用OpenCV的mask提取不规则的区域后，调用API函数bitwise_and即可提取注塑件的ROI域。

本发明与现有技术相比，具有以下有益效果：

1、本发明的缺陷检测方法在进行模板匹配时采用多尺度模板匹配的方式，通过对图片的尺度大小进行不断改变并匹配模板能够减少匹配时消耗的计算资源。

2、本发明通过定位特征点，提取对应的轮廓后取最小外接矩形，通过判断该矩形长宽来判断注塑件是否有缺陷，能够快速判断产品缺陷；

3、本发明提出的方法操作简单，计算量小，缺陷检测效果好，适用于不同的注塑件缺陷检测系统。

附图说明

图1为本发明其一实施例的一条注塑带上的两对注塑件的原始图；

图2为多尺度模板匹配后的结果图；

图3为从注塑带上剪裁出来的单个注塑件图；

图4为三角位朝上的注塑件提取ROI域的效果图；

图5为三角位朝下的注塑件提取ROI域的效果图；

图6为经过阈值处理后的效果图；

图7为经过轮廓提取后的效果图；

图8为经过sobel算子提取边缘的效果图；

图9为对注塑件上部的三角位的宽度提取并判断的结果图；

图10为对注塑件下部的三角位的宽度提取并判断的结果图；

图11为注塑件底部存在未充满缺陷的判断结果图；

图12为注塑带上无缺陷的注塑件检测结果图；

图13为注塑带上有缺陷的注塑件检测结果图。

具体实施方式

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例

如图1~13所示，实施例中是通过基于OpenCV的注塑件缺陷检测方法，具体应用于基于OpenCV的缺陷检测算法当中，包括如下步骤：

步骤一、运用相机对注塑带所有注塑件进行拍摄来采集注塑带整体的表面图像，并传送给电脑；

步骤二、运用多尺度模板匹配算法，读取模板图片，并依次执行灰度化和边缘检测处理，模板图片为预先保存于电脑中，提供参照；读取测试图片，遍历整个尺度空间，进行测试图片裁剪；在测试图片上获取到外接矩形，并绘制矩形框。该多尺度模板匹配算法的原理如下：一、读取模板图片，并依次执行灰度化和边缘检测处理；二、读取测试图片，遍历整个尺度空间，进行测试图片裁剪；三、依次执行边缘检测和模板匹配，获取到外接矩形；四、根据结果对测试图片中模板所在的位置进行更新；五、进行位置转换，然后绘制矩形框，最后显示模板匹配结果。

步骤三、依据矩形框，将注塑带上每个注塑件从注塑带整体的表面图像中分别裁剪出来，获得注塑件图像。

步骤四、对提取的注塑件图像进行阈值处理，将像素值大于阈值的像素点处理为255，像素值小于阈值的像素点处理为0，以此使图片变为只有黑色和白色的图片，在这种情况下提取ROI域就会变得很方便。阈值处理和提取ROI域的原理如下：

阈值处理就是设定某个阈值，然后对大于阈值的像素或者小于阈值的像素统一处理的过程；

在对提取的注塑件图像进行阈值处理过程中，将像素值大于阈值的像素点处理为255，像素值小于阈值的像素点处理为0，以此使图片变为只有黑色和白色的图片；在OpenCV中利用cv2.threshold()函数设定好图片对象、阈值、最大值、阈值处理类型后，即可返回阈值和处理后的结果图像；利用OpenCV的mask提取不规则的区域后，调用API函数bitwise_and即可提取注塑件的ROI域。

步骤五、将每个注塑件图像用掏空内部点法将轮廓内部的点进行调整删除，经过调整后的注塑件图像上就只剩下注塑件轮廓，同时使用Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。由于sobel算子对噪声具有平滑作用，能够提供较为精确的边缘方向信息，经过此种算法后提取的轮廓能够更加准确。

步骤六、定位特征点，提取对应的注塑件轮廓后取最小外接矩形，判断该矩形长宽，若长宽不满足要求，则该注塑件具有缺陷，反之无缺陷。

本发明的缺陷检测方法在进行模板匹配时采用多尺度模板匹配的方式，通过对图片的尺度大小进行不断改变并匹配模板能够减少匹配时消耗的计算资源。以及通过定位特征点，提取对应的轮廓后取最小外接矩形，通过判断该矩形长宽来判断注塑件是否有缺陷，能够快速判断产品缺陷。本发明提出的算法操作简单，计算量小，缺陷检测效果好，适用于不同的注塑件缺陷检测系统。

以上虽然结合附图描述了本发明的较佳具体实施例，但本发明不应被限制于与以上的描述和附图完全相同的结构和操作，对本技术领域的技术人员来说，在不超出本发明构思和范围的情况下通过逻辑分析、推理或者有限的实验还可对上述实施例作出许多等效改进和变化，但这些改进和变化都应属于本发明要求保护的范围。