CN101694472A - 缺陷孔图像识别方法 - Google Patents
缺陷孔图像识别方法 Download PDFInfo
- Publication number
- CN101694472A CN101694472A CN200910186305A CN200910186305A CN101694472A CN 101694472 A CN101694472 A CN 101694472A CN 200910186305 A CN200910186305 A CN 200910186305A CN 200910186305 A CN200910186305 A CN 200910186305A CN 101694472 A CN101694472 A CN 101694472A
- Authority
- CN
- China
- Prior art keywords
- defective hole
- hole
- dimensional
- image
- defect hole
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
一种缺陷孔图像识别方法,首先采用灰度图像处理技术,根据缺陷孔图像的灰度值特征,对缺陷孔进行初步判断,并找出可能的缺陷孔的区域坐标,然后运用三维数字图像技术,根据缺陷孔在三维图像中的数据特征,进一步确定缺陷孔的存在,并计算缺陷孔的位置、大小和深度等参数。本发明的缺陷孔图像识别方法与现有技术相比,具有以下优点:缺陷孔监测的准确率更高,在二维图像信息的缺陷孔监测方法的基础上,利用三维数字图像中的信息进行判别,大大提高了判别的精确度;同时采用二维和三维数字图像技术实现缺陷孔的在线检测,方法科学、合理、精确;实现了缺陷孔检测的数据与信号的实时显示与监控;所应用的设备简单可靠,有成本优势。
Description
技术领域
本发明涉及一种缺陷孔图像识别方法。
背景技术
零件加工过程中,如焊接、铸造、注塑等所形成的影响零件加工质量的表面孔隙,叫缺陷孔。现有的缺陷孔如焊接表面针孔、铸造表面气孔的检测方法主要还是依赖于人眼的识别,对人眼无法辨认的或者内在的孔隙缺陷,主要有磁粉检测、渗透检测、超声检测以及涡流检测等方法,这些方法很操作繁琐。
发明内容
本发明的目的就是提供一种可在线检测,精确度高、成本低的缺陷孔图像识别方法。
本发明的缺陷孔图像识别方法,首先采用灰度图像处理技术,根据缺陷孔图像的灰度值特征,即缺陷孔区域的灰度值与其表面周围区域灰度值的存在差别,对缺陷孔进行初步判断,并利用Matlab软件中的regionprops()函数找出可能的缺陷孔的区域坐标,然后运用三维数字图像技术,根据缺陷孔在三维图像中的数据特征,即缺陷孔区域在三维坐标(x,y,z)中的z值与其他区域的z值的差别,进一步确定缺陷孔的存在,并分别运用二维和三维数字图像处理技术计算缺陷孔的位置、大小和深度等参数,实现对缺陷孔识别,达到在线检测零件加工表面质量的目的。
本发明的缺陷孔图像识别方法,所采用的***包括三维激光扫描仪、报警器、控制板卡、显示器和工业控制计算机,三维激光扫描仪用于获得被检测表面的三维数字图像信息,三维激光扫描仪同时接收来自工业控制计算机的指令,完成采集图像数据的任务;报警器通过控制板卡与工业控制计算机相连,当实施***检测到缺陷孔存在时,***通过控制板卡上的继电器接通报警器电路,使报警器发出报警信号;显示器从工业控制计算机中接受信号,用于显示缺陷孔的相关数据及图像信息。
所述的灰度图像是由三维激光扫描仪获得的三维图像信息转换成的灰度图像。
所述的三维数字图像信息中的高度值是指由三维激光扫描仪获得的三维数据图像信息(x,y,z)中的z值,其中x,y分别为像素点的坐标值。
所述的三维图像信息中缺陷孔的高度值是指缺陷孔底部像素点高度值的平均值,即三维数据信息(x,y,z)中的z值平均值Zk,其平均值Zk与缺陷孔表面周围像素点的高度值得平均值Zz的差值Dk,其中:Zk、Zz和Dk分别由下式计算得到:
本发明的缺陷孔图像识别方法,同时采用二维灰度图像和三维数字图像处理技术,即首先利用灰度图像找出缺陷孔的位置,即中心坐标、缺陷孔区域像素点的坐标,并计算缺陷孔的大小如面积、直径等,然后利用三维数字图像信息,通过比较缺陷孔区域的三维信息中的高度值(z值)的差别Dk,该差值是否大于设定的阀值,进一步判断缺陷孔的存在与否。
本发明的缺陷孔图像识别方法与现有技术相比,具有以下优点:
1、缺陷孔监测的准确率更高,在二维图像信息的缺陷孔监测方法的基础上,利用三维数字图像中的信息进行判别,大大提高了判别的精确度;
2、同时采用二维和三维数字图像技术实现缺陷孔的在线检测,方法科学、合理、精确;
3、实现了缺陷孔检测的数据与信号的实时显示与监控;
4、所应用的设备简单可靠,有成本优势。
附图说明
图1为本发明的结构组成框图;
图2为本发明的***主程序流程图。
具体实施方式
一种缺陷孔图像识别方法,所采用的***包括三维激光扫描仪1、报警器2、控制板卡3、显示器4及工业控制计算机5,三维激光扫描仪1与工业控制计算机5相连,三维激光扫描仪1接受工业控制计算机5的指令采集被检测对象的三维数字图像信息,并将获得的图像信息传输给工业控制计算机5,报警器2通过控制板卡3与工业控制计算机5相连,当***检测到缺陷孔存在时,控制板卡3上的继电器得电,接通报警器2,报警器2发出报警,显示器4与工业控制计算机5相连,并从工业控制计算机5中接受信号,用于显示缺陷孔的相关数据和图像信息。
对工业控制计算机5硬件要求:PIII500以上的微型机及其兼容机,至少256M内存,推荐512M,至少2G的硬盘剩余空间,VGA、SVGA及支持Windows 256色以上的图形显示卡,本实施例采用研华IPC-610,操作***为Windows XP,软件开发平台为MATLAB 7。
程序存储在工业计算机5的硬盘中,其主要作用是:(1)对采集的三位数图像转换为二维灰度图像;(2)在二维灰度图像中判断缺陷孔的存在与否;(3)利用缺陷孔区域的三维数字图像信息计算缺陷孔的深度,如超过设定的阀值(该值可根据不同的精度要求进行设定,本实施例设定为2mm),则最终确定为缺陷孔;(4)显示输出缺陷孔的存在的信号(如本例直接在显示器幕上设定的区域用红色字体显示“存在缺陷孔”)及其相关信息(如位置、大小等);(5)通过控制板卡的继电器控制报警器2的报警(接通报警器电路使其发出报警信号)。
缺陷孔图像识别方法,包括以下几个步骤:
1、环境进入被检测状态时,软件初始化并开始运行;
2、三维激光扫描仪1按照设定的图像采集参数采集图像信息,并将图像信息存入工业控制计算机5中;
3、将采集的三维图像转为二维灰度图像,即根据缺陷孔所在区域的灰度值与其表面区域灰度值的差异初步判断缺陷孔是否存在,并用Matlab软件中的label2rgb()函数对缺陷孔区域进行标记;
4、利用三维数字图像信息,计算缺陷孔区域中的三维图像信息(X,Y,Z)中的高度(Z)值的平均值Zk与该缺陷孔区域周围的三维图像中的高度(Z)值的平均值(Zz)的差值Dk,如果该差别大于设定的阀值Df(本例设定为2mm),则认为是缺陷孔,其中:Zk、Zx和Dk分别由下式计算得到:
5、根据确定为缺陷孔区域的二维数据图像信息,计算缺陷孔的中心坐标、面积、直径等参数,根据确定为缺陷孔区域的三维数据图像信息,计算缺陷孔的深度,即Dk=Zz-Zk。
6、输出缺陷孔实时监测结果(报警,并输出缺陷孔的位置、大小和深度等信息)。
Claims (3)
1.一种缺陷孔图像识别方法,其特征在于:首先采用灰度图像处理技术,根据缺陷孔图像的灰度值特征,即缺陷孔区域的灰度值与其表面周围区域灰度值的存在差别,对缺陷孔进行初步判断,并利用Matlab软件中的regionprops()函数找出可能的缺陷孔的区域坐标,然后运用三维数字图像技术,根据缺陷孔在三维图像中的数据特征,即缺陷孔区域在三维坐标(x,y,z)中的z值与其他区域的z值的差别,进一步确定缺陷孔的存在,并分别运用二维和三维数字图像处理技术计算缺陷孔的位置、大小和深度等参数,实现对缺陷孔识别。
2.如权利要求1所述的一种缺陷孔图像识别方法,其特征在于:所采用的***包括三维激光扫描仪(1)、报警器(2)、控制板卡(3)、显示器(4)及工业控制计算机(5),三维激光扫描仪(1)与工业控制计算机(5)相连,三维激光扫描仪(1)接受工业控制计算机(5)的指令采集被检测对象的三维数字图像信息,并将获得的图像信息传输给工业控制计算机(5),报警器(2)通过控制板卡(3)与工业控制计算机(5)相连,当***检测到缺陷孔存在时,控制板卡(3)上的继电器得电,接通报警器(2),显示器()4与工业控制计算机(5)相连,并从工业控制计算机(5)中接受信号,用于显示缺陷孔的相关数据和图像信息。
3.如权利要求1所述的缺陷孔图像识别方法,其特征在于:包括下面步骤:
(I)、环境进入被检测状态时,软件初始化并开始运行;
(II)、三维激光扫描仪(1)按照设定的图像采集参数采集图像信息,并将图像信息存入工业控制计算机(5)中;
(III)、将采集的三维图像转为二维灰度图像,即根据缺陷孔所在区域的灰度值与其表面区域灰度值的差异初步判断缺陷孔是否存在,并用Matlab软件中的label2rgb()函数对缺陷孔区域进行标记;
(IV)、利用三维数字图像信息,计算缺陷孔区域中的三维图像信息(X,Y,Z)中的高度(Z)值的平均值Zk与该缺陷孔区域周围的三维图像中的高度(Z)值的平均值(Zz)的差值Dk,如果该差别大于设定的阀值Df,则认为是缺陷孔,其中:Zk、Zz和Dk分别由下式计算得到:
(V)、根据确定为缺陷孔区域的二维数据图像信息,计算缺陷孔的中心坐标、面积、直径等参数,根据确定为缺陷孔区域的三维数据图像信息,计算缺陷孔的深度;
(VI)、输出缺陷孔实时监测结果(报警,并输出缺陷孔的位置、大小和深度等信息)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101863055A CN101694472B (zh) | 2009-10-23 | 2009-10-23 | 缺陷孔图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101863055A CN101694472B (zh) | 2009-10-23 | 2009-10-23 | 缺陷孔图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101694472A true CN101694472A (zh) | 2010-04-14 |
CN101694472B CN101694472B (zh) | 2011-11-09 |
Family
ID=42093457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101863055A Expired - Fee Related CN101694472B (zh) | 2009-10-23 | 2009-10-23 | 缺陷孔图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101694472B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297832A (zh) * | 2011-07-12 | 2011-12-28 | 长安大学 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
CN103077526A (zh) * | 2013-02-01 | 2013-05-01 | 苏州华兴致远电子科技有限公司 | 具有深度检测功能的列车异常检测方法及*** |
CN103376264A (zh) * | 2012-04-24 | 2013-10-30 | 镇江华扬信息科技有限公司 | 一种印刷电路板的表面检查方法 |
CN103909041A (zh) * | 2014-04-14 | 2014-07-09 | 肖根福罗格注胶技术(苏州工业园区)有限公司 | 转台视觉注胶***及其工作方法 |
CN105057899A (zh) * | 2015-08-18 | 2015-11-18 | 河海大学常州校区 | 一种应用于智能激光切割的扫描图像识别方法 |
CN105241801A (zh) * | 2015-10-12 | 2016-01-13 | 中国科学院上海硅酸盐研究所 | 一种测量热障涂层气孔率的方法 |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
CN106296025A (zh) * | 2016-08-19 | 2017-01-04 | 宁夏共享集团股份有限公司 | 一种同步记录铸件缺陷参数和坐标信息的方法 |
CN106645168A (zh) * | 2016-12-19 | 2017-05-10 | 湘潭大学 | 一种起重机臂筒表面凹凸缺陷的检测方法 |
CN108359947A (zh) * | 2018-04-26 | 2018-08-03 | 宁波江丰电子材料股份有限公司 | 溅射靶材封孔方法、装置及电子设备 |
CN108961252A (zh) * | 2018-07-27 | 2018-12-07 | Oppo(重庆)智能科技有限公司 | 检测logo粘贴不良的方法、电子装置及计算机可读存储介质 |
CN111054638A (zh) * | 2019-11-27 | 2020-04-24 | 奥特斯科技(重庆)有限公司 | 制造部件承载件的方法及在制造期间操控面板的设备 |
CN111539954A (zh) * | 2020-05-25 | 2020-08-14 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
CN111862074A (zh) * | 2020-07-30 | 2020-10-30 | 国网湖南省电力有限公司 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
CN112666078A (zh) * | 2019-10-16 | 2021-04-16 | 由田新技股份有限公司 | 用于孔状结构的检测信息呈现方法、检测方法及检测设备 |
CN113408947A (zh) * | 2021-07-15 | 2021-09-17 | 隆升量化(武汉)大数据科技有限公司 | 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 |
CN113763355A (zh) * | 2021-09-07 | 2021-12-07 | 创新奇智(青岛)科技有限公司 | 一种缺陷检测方法、装置、电子设备及存储介质 |
CN113808087A (zh) * | 2021-09-02 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 |
CN115170476A (zh) * | 2022-06-08 | 2022-10-11 | 郑州卓润电子科技有限公司 | 基于图像处理的印制线路板缺陷检测方法 |
CN116051542A (zh) * | 2023-03-06 | 2023-05-02 | 深圳市深视智能科技有限公司 | 缺陷检测方法及缺陷检测装置 |
CN116912721A (zh) * | 2023-09-14 | 2023-10-20 | 众芯汉创(江苏)科技有限公司 | 一种基于单目立体视觉的配电网设备本体识别方法及*** |
-
2009
- 2009-10-23 CN CN2009101863055A patent/CN101694472B/zh not_active Expired - Fee Related
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297832A (zh) * | 2011-07-12 | 2011-12-28 | 长安大学 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
CN103376264A (zh) * | 2012-04-24 | 2013-10-30 | 镇江华扬信息科技有限公司 | 一种印刷电路板的表面检查方法 |
CN103077526A (zh) * | 2013-02-01 | 2013-05-01 | 苏州华兴致远电子科技有限公司 | 具有深度检测功能的列车异常检测方法及*** |
CN103909041A (zh) * | 2014-04-14 | 2014-07-09 | 肖根福罗格注胶技术(苏州工业园区)有限公司 | 转台视觉注胶***及其工作方法 |
CN105057899A (zh) * | 2015-08-18 | 2015-11-18 | 河海大学常州校区 | 一种应用于智能激光切割的扫描图像识别方法 |
CN105241801A (zh) * | 2015-10-12 | 2016-01-13 | 中国科学院上海硅酸盐研究所 | 一种测量热障涂层气孔率的方法 |
CN105243381B (zh) * | 2015-11-25 | 2019-04-19 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
CN106296025A (zh) * | 2016-08-19 | 2017-01-04 | 宁夏共享集团股份有限公司 | 一种同步记录铸件缺陷参数和坐标信息的方法 |
CN106645168A (zh) * | 2016-12-19 | 2017-05-10 | 湘潭大学 | 一种起重机臂筒表面凹凸缺陷的检测方法 |
CN106645168B (zh) * | 2016-12-19 | 2019-05-03 | 湘潭大学 | 一种起重机臂筒表面凹凸缺陷的检测方法 |
CN108359947A (zh) * | 2018-04-26 | 2018-08-03 | 宁波江丰电子材料股份有限公司 | 溅射靶材封孔方法、装置及电子设备 |
CN108961252A (zh) * | 2018-07-27 | 2018-12-07 | Oppo(重庆)智能科技有限公司 | 检测logo粘贴不良的方法、电子装置及计算机可读存储介质 |
CN108961252B (zh) * | 2018-07-27 | 2021-06-08 | Oppo(重庆)智能科技有限公司 | 检测logo粘贴不良的方法、电子装置及计算机可读存储介质 |
CN112666078B (zh) * | 2019-10-16 | 2024-05-03 | 由田新技股份有限公司 | 用于孔状结构的检测信息呈现方法、检测方法及检测设备 |
CN112666078A (zh) * | 2019-10-16 | 2021-04-16 | 由田新技股份有限公司 | 用于孔状结构的检测信息呈现方法、检测方法及检测设备 |
CN111054638A (zh) * | 2019-11-27 | 2020-04-24 | 奥特斯科技(重庆)有限公司 | 制造部件承载件的方法及在制造期间操控面板的设备 |
CN111539954A (zh) * | 2020-05-25 | 2020-08-14 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
CN111539954B (zh) * | 2020-05-25 | 2024-01-23 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
CN111862074B (zh) * | 2020-07-30 | 2023-11-24 | 国网湖南省电力有限公司 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
CN111862074A (zh) * | 2020-07-30 | 2020-10-30 | 国网湖南省电力有限公司 | 一种电缆阻水缓冲层缺陷识别方法及装置 |
CN113408947A (zh) * | 2021-07-15 | 2021-09-17 | 隆升量化(武汉)大数据科技有限公司 | 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 |
CN113808087A (zh) * | 2021-09-02 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 |
CN113763355A (zh) * | 2021-09-07 | 2021-12-07 | 创新奇智(青岛)科技有限公司 | 一种缺陷检测方法、装置、电子设备及存储介质 |
CN115170476A (zh) * | 2022-06-08 | 2022-10-11 | 郑州卓润电子科技有限公司 | 基于图像处理的印制线路板缺陷检测方法 |
CN115170476B (zh) * | 2022-06-08 | 2023-06-16 | 重庆宇隆光电科技股份有限公司 | 基于图像处理的印制线路板缺陷检测方法 |
CN116051542A (zh) * | 2023-03-06 | 2023-05-02 | 深圳市深视智能科技有限公司 | 缺陷检测方法及缺陷检测装置 |
CN116912721A (zh) * | 2023-09-14 | 2023-10-20 | 众芯汉创(江苏)科技有限公司 | 一种基于单目立体视觉的配电网设备本体识别方法及*** |
CN116912721B (zh) * | 2023-09-14 | 2023-12-05 | 众芯汉创(江苏)科技有限公司 | 一种基于单目立体视觉的配电网设备本体识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN101694472B (zh) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101694472B (zh) | 缺陷孔图像识别方法 | |
CN104331910B (zh) | 一种基于机器视觉的轨道障碍物检测*** | |
CN101915672B (zh) | 车道偏离报警***的测试装置及测试方法 | |
CN102789640B (zh) | 一种将可见光全色图像与红外遥感图像进行融合的方法 | |
CN103699916B (zh) | 一种rfid标签移动方向判断方法及电子设备 | |
CN103984961A (zh) | 一种用于检测车底异物的图像检测方法 | |
CN107392103A (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN108537197A (zh) | 一种基于深度学习的车道线检测预警装置及预警方法 | |
CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
CN105744232A (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN104866856B (zh) | 基于连通域等价对处理的成像测井图像溶洞信息拾取方法 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及***、电子设备 | |
CN104773625B (zh) | 一种基于物联网的电梯健康监测***及监测方法 | |
CN107014818B (zh) | 一种镭雕缺陷视觉检测***及方法 | |
CN102565062B (zh) | 基于图像灰度检测的液体浑浊度测试方法 | |
CN100565557C (zh) | 基于粒子动态采样模型的红外人体目标跟踪*** | |
CN103077526A (zh) | 具有深度检测功能的列车异常检测方法及*** | |
CN111062285B (zh) | 一种基于深度学习算法的停车场智能监控识别*** | |
CN107014821B (zh) | 一种塑料自封袋检测***及方法 | |
CN103325123A (zh) | 一种基于自适应神经模糊推理***的图像边缘检测方法 | |
CN115661453A (zh) | 一种基于下视角相机的塔吊吊物检测分割方法及*** | |
CN201812368U (zh) | 车道偏离报警***的测试装置 | |
CN103390259A (zh) | 视觉导引agv中的地面图像处理方法 | |
CN202771439U (zh) | 基于matlab交通标志自动识别装置 | |
CN117686650A (zh) | 一种适用于运营期隧道的病害智能检测***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111109 Termination date: 20121023 |