CN108572178A - 一种高精密高稳定性探测方法 - Google Patents
一种高精密高稳定性探测方法 Download PDFInfo
- Publication number
- CN108572178A CN108572178A CN201810329725.3A CN201810329725A CN108572178A CN 108572178 A CN108572178 A CN 108572178A CN 201810329725 A CN201810329725 A CN 201810329725A CN 108572178 A CN108572178 A CN 108572178A
- Authority
- CN
- China
- Prior art keywords
- contrast
- gray scale
- determinand
- detection method
- definition image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000007547 defect Effects 0.000 claims abstract description 43
- 238000003491 array Methods 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 2
- 238000003754 machining Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种高精密高稳定性探测方法，包括以下步骤：步骤1，高清图像获取；步骤2，图像灰度对比；步骤3，确定缺陷区域；步骤4，获取缺陷区域的三维信息。本发明方法能够实现对待测物的自动化检测和智能识别，提高了传统工业加工领域的生产效率和产品的质量水平，从而促进智能加工行业的快速发展。本发明具有检测效率和检测精度高，缺陷识别率好，对设备的要求低、误差小的特点。
Description
技术领域
本发明涉及产品检测加工装置领域，特别涉及一种高精密高稳定性探测方法。
背景技术
工件在进行切削、雕刻、塑变成形等机械加工后，需要对加工完成后的工件进行检测，以确定其加工质量。基于机器视觉的表面缺陷自动检测是确保自动化生产中工件质量的一个非常重要的环节。近几年来基于机器视觉的表面检测技术取得了重大进步，并且出现了一些新的研究热点，如瓶盖表面检测、苹果外观缺陷在线检测、凸轮轴表面缺陷检测、油封缺陷检测、金属表面划痕深度检测、钢带表面凹坑检测、轮胎表面缺陷检测、大尺寸钢球表面缺陷检测、大口径精密光学元件质量检测、铸坯表面缺陷检测、轴尖表面缺陷检测、多晶硅太阳能电池表面检测、铁路表面缺陷检测、铜带表面缺陷检测和电池表面缺陷检测等。虽然目前在表面缺陷检测方面已取得很大进步，但是在检测的精度和效率方面还有待提升。
发明内容
为解决上述技术问题，本发明提供了一种高精密高稳定性探测方法，通过图像灰度对比锁定缺陷区域，然后再得出缺陷区域的三维探测信息，解决了现有的检测方法存在检测精度差，检测效率低的问题。
为达到上述目的，本发明的技术方案如下：一种高精密高稳定性探测方法，包括以下步骤：
步骤1，高清图像获取；通过CCD相机对待测物进行拍摄，获得高清图像；
步骤2，图像灰度对比；根据高清图像的像素确定对比点，获取每个对比点的灰度值，并与标准图像进行对比，获得灰度异常对比点集合；
步骤3，确定缺陷区域；根据需检测的精度，确定单元区域的大小，单元区域由MxN个点的对比点组成，将高清图像划分成阵列分布的多个单元区域；去除灰度异常对比点集合中的孤立对比点，得到缺陷区域；
步骤4，获取缺陷区域的三维信息；提取高清图像的深度信息，从而获得待测物缺陷区域的表面高度信息，结合缺陷区域的坐标信息，得到待测物的表面三维缺陷信息。
作为本发明的一种优选方案，步骤1中通过平行光源对待测物表面进行倾斜照射。
作为本发明的一种优选方案，步骤4中通过CCD相机与平行光源、待测物三者的三角关系，根据投射光栅形变量，计算待物体表面高度信息。
作为本发明的一种优选方案，步骤3中在灰度异常对比点中，满足以下条件之一的即为孤立对比点：
1)以待判定的灰度异常对比点为中心的3x3对比点阵列内，周围相邻的8个对比点中无相邻灰度异常对比点；
2)以待判定的灰度异常对比点为中心的5x5对比点阵列内，灰度异常对比点的总数小于9。
作为本发明的一种优选方案，步骤3中所述单元区域的M≥5、N≥5；所述单元区域中去除孤立点后灰度异常对比点数量≥9，则为缺陷区域。
作为本发明的一种优选方案，步骤1中对CCD相机拍摄的高清图像进行减噪、滤波处理。
作为本发明的一种优选方案，所述平行光源为激光源和透镜组合；通过激光源和透镜组合形成线宽在300um-500um的平行条形激光，以一定的入射角投射到待测物表面。
通过上述技术方案，本发明技术方案的有益效果是：本发明方法能够实现对待测物的自动化检测和智能识别，提高了传统工业加工领域的生产效率和产品的质量水平，从而促进智能加工行业的快速发展。本发明具有检测效率和检测精度高，缺陷识别率好，对设备的要求低、误差小的特点。
具体实施方式
下面将结合本发明实施例，对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作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。
实施例1
一种高精密高稳定性探测方法，包括以下步骤：
步骤1，高清图像获取；通过平行光源对待测物表面进行倾斜照射，然后使用CCD相机对待测物进行拍摄，获得高清图像；
步骤2，图像灰度对比；根据高清图像的像素确定对比点，获取每个对比点的灰度值，并与标准图像进行对比，获得灰度异常对比点集合；
步骤3，确定缺陷区域；根据需检测的精度，确定单元区域的大小，单元区域由MxN个点的对比点组成，将高清图像划分成阵列分布的多个单元区域；去除灰度异常对比点集合中的孤立对比点，得到缺陷区域；
步骤4，获取缺陷区域的三维信息；提取高清图像的深度信息，从而获得待测物缺陷区域的表面高度信息，具体的，通过CCD相机与平行光源、待测物三者的三角关系，根据投射光栅形变量，计算待物体表面高度信息，结合缺陷区域的坐标信息，得到待测物的表面三维缺陷信息。
实施例2
一种高精密高稳定性探测方法，对待测物进行探测，包括以下步骤：
步骤1，高清图像获取；采用激光源和透镜组合作为平行光源；通过激光源和透镜组合形成线宽在300um-500um的平行条形激光，以30-60°的入射角投射到待测物表面，然后使用CCD相机对待测物进行拍摄，获得高清图像，并进行减噪、滤波处理。
步骤2，图像灰度对比；根据高清图像的像素确定对比点，获取每个对比点的灰度值，并与标准图像进行对比，获得灰度异常对比点集合。
步骤3，确定缺陷区域；根据需检测的精度，确定单元区域的大小，单元区域由7x7个点的对比点组成，将高清图像划分成阵列分布的多个单元区域；去除灰度异常对比点集合中的孤立对比点，得到缺陷区域；其中在灰度异常对比点中，满足以下条件之一的即为孤立对比点：1)以待判定的灰度异常对比点为中心的3x3对比点阵列内，周围相邻的8个对比点中无相邻灰度异常对比点；2)以待判定的灰度异常对比点为中心的5x5对比点阵列内，灰度异常对比点的总数小于9。单元区域中去除孤立点后灰度异常对比点数量≥9，则为缺陷区域。
步骤4，获取缺陷区域的三维信息；提取高清图像的深度信息，从而获得待测物缺陷区域的表面高度信息，具体的，通过CCD相机与平行光源、待测物三者的三角关系，根据投射光栅形变量，计算待物体表面高度信息，结合缺陷区域的坐标信息，得到待测物的表面三维缺陷信息。
实施例3
一种高精密高稳定性探测方法，对待测物进行探测，包括以下步骤：
步骤1，高清图像获取；采用激光源和透镜组合作为平行光源；通过激光源和透镜组合形成线宽在300um的平行条形激光，以45°的入射角投射到待测物表面，然后使用CCD相机对待测物进行拍摄，获得高清图像，并进行减噪、滤波处理。
步骤2，图像灰度对比；根据高清图像的像素确定对比点，获取每个对比点的灰度值，并与标准图像进行对比，获得灰度异常对比点集合。
步骤3，确定缺陷区域；根据需检测的精度，确定单元区域的大小，单元区域由5x5个点的对比点组成，将高清图像划分成阵列分布的多个单元区域；去除灰度异常对比点集合中的孤立对比点，得到缺陷区域；其中在灰度异常对比点中，满足以下条件之一的即为孤立对比点：1)以待判定的灰度异常对比点为中心的3x3对比点阵列内，周围相邻的8个对比点中无相邻灰度异常对比点；2)以待判定的灰度异常对比点为中心的5x5对比点阵列内，灰度异常对比点的总数小于9。单元区域中去除孤立点后灰度异常对比点数量≥9，则为缺陷区域。
步骤4，获取缺陷区域的三维信息；提取高清图像的深度信息，从而获得待测物缺陷区域的表面高度信息，具体的，通过CCD相机与平行光源、待测物三者的三角关系，根据投射光栅形变量，计算待物体表面高度信息，结合缺陷区域的坐标信息，得到待测物的表面三维缺陷信息。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种高精密高稳定性探测方法，其特征在于，包括以下步骤：
步骤1，高清图像获取；通过CCD相机对待测物进行拍摄，获得高清图像；
步骤2，图像灰度对比；根据高清图像的像素确定对比点，获取每个对比点的灰度值，并与标准图像进行对比，获得灰度异常对比点集合；
步骤3，确定缺陷区域；根据需检测的精度，确定单元区域的大小，单元区域由MxN个点的对比点组成，将高清图像划分成阵列分布的多个单元区域；去除灰度异常对比点集合中的孤立对比点，得到缺陷区域；
步骤4，获取缺陷区域的三维信息；提取高清图像的深度信息，从而获得待测物缺陷区域的表面高度信息，结合缺陷区域的坐标信息，得到待测物的表面三维缺陷信息。
2.根据权利要求1所述的高精密高稳定性探测方法，其特征在于，步骤1中通过平行光源对待测物表面进行倾斜照射。
3.根据权利要求2所述的高精密高稳定性探测方法，其特征在于，步骤4中通过CCD相机与平行光源、待测物三者的三角关系，根据投射光栅形变量，计算待物体表面高度信息。
4.根据权利要求3所述的高精密高稳定性探测方法，其特征在于，步骤3中在灰度异常对比点中，满足以下条件之一的即为孤立对比点：
1)以待判定的灰度异常对比点为中心的3x3对比点阵列内，周围相邻的8个对比点中无相邻灰度异常对比点；
2)以待判定的灰度异常对比点为中心的5x5对比点阵列内，灰度异常对比点的总数小于9。
5.根据权利要求4所述的高精密高稳定性探测方法，其特征在于，步骤3中所述单元区域的M≥5、N≥5；所述单元区域中去除孤立点后灰度异常对比点数量≥9，则为缺陷区域。
6.根据权利要求5所述的高精密高稳定性探测方法，其特征在于，步骤1中对CCD相机拍摄的高清图像进行减噪、滤波处理。
7.根据权利要求6所述的高精密高稳定性探测方法，其特征在于，所述平行光源为激光源和透镜组合；通过激光源和透镜组合形成线宽在300um-500um的平行条形激光，以一定的入射角投射到待测物表面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810329725.3A CN108572178A (zh) | 2018-04-10 | 2018-04-10 | 一种高精密高稳定性探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810329725.3A CN108572178A (zh) | 2018-04-10 | 2018-04-10 | 一种高精密高稳定性探测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108572178A true CN108572178A (zh) | 2018-09-25 |
Family
ID=63574699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810329725.3A Pending CN108572178A (zh) | 2018-04-10 | 2018-04-10 | 一种高精密高稳定性探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108572178A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111699377A (zh) * | 2018-12-29 | 2020-09-22 | 深圳配天智能技术研究院有限公司 | 检测装置及检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813946A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 成像系统物距自动调整的方法和装置 |
| CN102054279A (zh) * | 2009-11-02 | 2011-05-11 | 住友化学株式会社 | 随机图案的生成方法 |
| CN203232220U (zh) * | 2013-04-24 | 2013-10-09 | 合肥京东方光电科技有限公司 | 一种液晶面板检测设备 |
| CN103856681A (zh) * | 2012-11-29 | 2014-06-11 | 佳能株式会社 | 伽马校正表生成方法和图像处理装置 |
| CN104508423A (zh) * | 2012-05-16 | 2015-04-08 | 伊斯拉视像系统股份公司 | 用于被检查对象的表面的检查的方法和装置 |
| CN106570834A (zh) * | 2016-10-26 | 2017-04-19 | 东南大学 | 一种用于像素调制可见光通信系统的图像矫正方法 |
| CN107144579A (zh) * | 2017-07-03 | 2017-09-08 | 苏州康鸿智能装备股份有限公司 | 一种3d曲面玻璃屏外观缺陷检测设备 |
-
2018
- 2018-04-10 CN CN201810329725.3A patent/CN108572178A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813946A (zh) * | 2009-02-19 | 2010-08-25 | 中国科学院自动化研究所 | 成像系统物距自动调整的方法和装置 |
| CN102054279A (zh) * | 2009-11-02 | 2011-05-11 | 住友化学株式会社 | 随机图案的生成方法 |
| CN104508423A (zh) * | 2012-05-16 | 2015-04-08 | 伊斯拉视像系统股份公司 | 用于被检查对象的表面的检查的方法和装置 |
| CN103856681A (zh) * | 2012-11-29 | 2014-06-11 | 佳能株式会社 | 伽马校正表生成方法和图像处理装置 |
| CN203232220U (zh) * | 2013-04-24 | 2013-10-09 | 合肥京东方光电科技有限公司 | 一种液晶面板检测设备 |
| CN106570834A (zh) * | 2016-10-26 | 2017-04-19 | 东南大学 | 一种用于像素调制可见光通信系统的图像矫正方法 |
| CN107144579A (zh) * | 2017-07-03 | 2017-09-08 | 苏州康鸿智能装备股份有限公司 | 一种3d曲面玻璃屏外观缺陷检测设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111699377A (zh) * | 2018-12-29 | 2020-09-22 | 深圳配天智能技术研究院有限公司 | 检测装置及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115457035B (zh) | 基于机器视觉的建筑吊篮焊接质量检测方法 | |
| CN112529876B (zh) | 一种隐形眼镜边缘缺陷的检测方法 | |
| CN109772733B (zh) | 一种基于视觉的缺陷竹块检测分拣装置及方法 | |
| CN104236480B (zh) | 一种线结构光机器视觉六角钢坯轮廓测量装置及方法 | |
| CN101526484B (zh) | 基于嵌入式机器视觉的轴承缺陷检测方法 | |
| CN114252449B (zh) | 一种基于线结构光的铝合金焊缝表面质量检测系统及方法 | |
| CN107478657A (zh) | 基于机器视觉的不锈钢表面缺陷检测方法 | |
| CN105678776B (zh) | 一种基于激光视觉传感器焊缝图像特征点提取方法 | |
| CN104964980B (zh) | 一种基于机器视觉的火花塞端面缺陷检测方法 | |
| CN104677301A (zh) | 一种基于视觉检测的螺旋焊管管线外径测量装置和方法 | |
| CN116539620A (zh) | 一种刀具表面缺陷在机检测方法 | |
| CN111862055B (zh) | 一种基于图像处理的水准泡车削空腔缺陷检测方法 | |
| CN115861274A (zh) | 一种融合三维点云与二维图像的裂缝检测方法 | |
| CN114240871B (zh) | 一种面向工件成型过程中轮廓检测的点云数据处理方法 | |
| CN108280838A (zh) | 一种基于边缘检测的夹片牙型缺陷检测方法 | |
| CN114018946A (zh) | 一种基于OpenCV的高反光瓶盖缺陷检测方法 | |
| CN116840241A (zh) | 基于机器视觉的圆柱形干电池负极面缺陷检测方法 | |
| CN115375679A (zh) | 一种缺陷芯片寻边寻点定位方法及装置 | |
| CN113834445A (zh) | 铸坯火焰切割熔渣和毛刺尺寸检测方法 | |
| CN115239629B (zh) | 一种花篮内多类型电池片的在线质量感知方法 | |
| CN108572178A (zh) | 一种高精密高稳定性探测方法 | |
| CN108705689A (zh) | 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 | |
| CN103743750A (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
| CN106951814B (zh) | 编码器偏心调整系统的圆光栅偏心计算方法 | |
| CN1924896A (zh) | 基于局部图像处理的对接类型焊缝识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |