反光平面外观缺陷的视觉检测方法

技术领域

本发明涉及外观缺陷检测技术领域，更具体地说，本发明涉及反光平面外观缺陷的视觉检测方法。

背景技术

金属工件的主要生产工艺流程为机械加工、冲压、精密铸造、粉末冶金、金属注射成型、尺寸检测、外观缺陷检测等。在整个生产过程中受到制造工艺的影响，工件尺寸和外观在一定程度上会存在不合格。其中外观缺陷主要包括：缺口、粘料、开裂、压痕、针眼、划痕和起泡等。存在外观质量缺陷的工件若流入下个生产工序，会导致组装受阻、变形，影响组装件的质量，严重时可能导致组装件报废而停机，极大地影响了自动化生产线的生产效率，给生产企业带来潜在的经济损失和信誉风险。

目前，对于工件表面的外观缺陷检测方式主要通过人工人眼检测，由于工人的主观性和眼部疲劳，常常在检测的过程中遗漏有缺陷的产品，从而导致漏检率高，为此我们提出一种反光平面外观缺陷的视觉检测方法。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供反光平面外观缺陷的视觉检测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：反光平面外观缺陷的视觉检测方法，包括以下步骤：

S1、检测仪器准备：准备视觉系统相机和照明器组件，所述视觉系统相机和照明器组件能够沿着待检测产品表面移动；

S2、路径规划：根据待检测产品的外观尺寸和切片法进行路径规划，经过三维坐标系转换得到产品的表面和边沿两种路径；

S3、参数设置：根据待检测产品的颜色和两种路径设置相应的参数，其中包括图像预处理参数、光源参数、缺陷参数；

S4、表面路径缺陷检测：获取当前表面路径点上的外观图像并预处理，自动阈值分割得到合适的二值化图像，运用特征提取算法、轮廓大小及轮廓匹配图像处理方法筛选相应的缺陷，得到表面路径点上的缺陷检测结果；

S5、边沿路径缺陷检测：获取当前边沿路径点上的外观图像并预处理，自动阈值分割得到合适的二值化图像，运用特征提取算法并通过筛选轮廓大小及数量对缺陷进行判定，得到边沿路径点上的缺陷检测结果；

S6、外观缺陷检测结果标记：外观检测流程结束后，统计所有表面路径点和边沿路径点缺陷检测结果，标记到模型对应的位置并显示。

进一步的，所述视觉系统相机具有图像传感器和光学器件并且限定一光轴，该视觉系统相机被定向以对所述待检测产品外观边缘和外观表面成像，所述照明器组件以与所述光轴不平行的预定角将所构造的光束投影到所述待检测产品外观边缘和外观表面。

进一步的，所述照明器组件包括柱面透镜，用于聚焦出聚焦线，所述聚焦线在反射之后落到所述视觉系统相机的拍摄口孔径的外部。

进一步的，所述步骤S2中的路径规划分为外观表面路径规划和外观边沿路径规划，外观表面路径规划为使用切片法对产品外观模型进行路径规划，得到产品的表面路径；外观边沿路径规划为使用切片法对产品外观模型进行路径规划，得到产品的边沿路径。

进一步的，所述图像预处理参数根据待检测产品的颜色和路径的不同，需要设置高斯核、二值化阈值参数。

进一步的，所述光源参数根据待检测产品的颜色和路径的不同，需要设置光源颜色、光强大小参数。

进一步的，所述缺陷参数根据缺陷检测要求，需要设置缺陷轮廓矩、缺陷边缘距离参数。

进一步的，所述步骤S4和步骤S5中具体包括：

图像滤波单元：考虑到噪声以及缺陷种类的多样性，其中包括异物、划痕、毛丝、针眼、粒点、水点、油点、凹坑，采用分类选取用5×5高斯滤波窗口对采集的待检测产品外观表面缺陷图像进行滤波处理；

自动阈值分割单元：采用最大类间方差的自动确定阈值，根据图像的灰度特性，将图像分为前景和背景两个部分，当取最佳阈值时，两部分之间的差别最大，前景和背景之间的类间方差越大，说明构成图像的两个部分之间的差别越大，部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时意味着错分概率最小。

进一步的，所述步骤S6中的外观缺陷检测结果标记具体包括：

表面缺陷结果标记：外观检测流程结束后，统计所有表面路径点缺陷检测结果，标记到模型对应的位置并显示；

边沿缺陷结果标记：外观检测流程结束后，统计所有边沿路径点缺陷检测结果，标记到模型对应的位置并显示。

本发明的技术效果和优点：

本发明能够对待检测产品的外观边缘和外观表面进行检测，并利用外观缺陷检测结果标记对产品的外观缺陷部位进行标记，从而能够避免出现漏检和误检的状况，因此能够有效的降低漏检误检率，同时有效的提高生产效率。

具体实施方式

下面将本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了反光平面外观缺陷的视觉检测方法，包括以下步骤：

S1、检测仪器准备：准备视觉系统相机和照明器组件，视觉系统相机和照明器组件能够沿着待检测产品表面移动；

S2、路径规划：根据待检测产品的外观尺寸和切片法进行路径规划，经过三维坐标系转换得到产品的表面和边沿两种路径；

S3、参数设置：根据待检测产品的颜色和两种路径设置相应的参数，其中包括图像预处理参数、光源参数、缺陷参数；

S4、表面路径缺陷检测：获取当前表面路径点上的外观图像并预处理，自动阈值分割得到合适的二值化图像，运用特征提取算法、轮廓大小及轮廓匹配图像处理方法筛选相应的缺陷，得到表面路径点上的缺陷检测结果；

S5、边沿路径缺陷检测：获取当前边沿路径点上的外观图像并预处理，自动阈值分割得到合适的二值化图像，运用特征提取算法并通过筛选轮廓大小及数量对缺陷进行判定，得到边沿路径点上的缺陷检测结果；

S6、外观缺陷检测结果标记：外观检测流程结束后，统计所有表面路径点和边沿路径点缺陷检测结果，标记到模型对应的位置并显示。

其中，视觉系统相机具有图像传感器和光学器件并且限定一光轴，该视觉系统相机被定向以对待检测产品外观边缘和外观表面成像，照明器组件以与光轴不平行的预定角将所构造的光束投影到待检测产品外观边缘和外观表面。

其中，照明器组件包括柱面透镜，用于聚焦出聚焦线，聚焦线在反射之后落到视觉系统相机的拍摄口孔径的外部。

进一步的，步骤S2中的路径规划分为外观表面路径规划和外观边沿路径规划，外观表面路径规划为使用切片法对产品外观模型进行路径规划，得到产品的表面路径；外观边沿路径规划为使用切片法对产品外观模型进行路径规划，得到产品的边沿路径。

进一步的，步骤S3中的图像预处理参数、光源参数和缺陷参数具体包括：

图像预处理参数根据待检测产品的颜色和路径的不同，需要设置高斯核、二值化阈值参数；

光源参数根据待检测产品的颜色和路径的不同，需要设置光源颜色、光强大小参数；

缺陷参数根据缺陷检测要求，需要设置缺陷轮廓矩、缺陷边缘距离参数。

进一步的，步骤S4和步骤S5中具体包括：

图像滤波单元：考虑到噪声以及缺陷种类的多样性，其中包括异物、划痕、毛丝、针眼、粒点、水点、油点、凹坑，采用分类选取用5×5高斯滤波窗口对采集的待检测产品外观表面缺陷图像进行滤波处理；

自动阈值分割单元：采用最大类间方差的自动确定阈值，根据图像的灰度特性，将图像分为前景和背景两个部分，当取最佳阈值时，两部分之间的差别最大，前景和背景之间的类间方差越大，说明构成图像的两个部分之间的差别越大，部分目标被错分为背景或部分背景被错分为目标，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时意味着错分概率最小。

更进一步的，步骤S6中的外观缺陷检测结果标记具体包括：

表面缺陷结果标记：外观检测流程结束后，统计所有表面路径点缺陷检测结果，标记到模型对应的位置并显示；

边沿缺陷结果标记：外观检测流程结束后，统计所有边沿路径点缺陷检测结果，标记到模型对应的位置并显示。

以上仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。