CN102937592A - 陶瓷天线罩气孔及材质疏松缺陷自动检测方法 - Google Patents

Abstract

本发明涉及一种陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于采用透射图像处理方法来检测，具体步骤为：1）天线罩标准灰度值的获取；2）陶瓷天线罩不同部位透射图像获取；3）缺陷区边界提取处理；4）计算缺陷区灰度平均值及缺陷区域的面积，得到的缺陷区灰度值与整幅图像灰度平均值进行比较，用于判断缺陷区的材质疏松情况，结合缺陷区面积值的大小，来判定陶瓷天线罩的质量，本发明采用图像处理自动检测方法来对陶瓷天线罩的气孔及材质疏松情况进行检测，测量结果更加精确、客观。

Description

陶瓷天线罩气孔及材质疏松缺陷自动检测方法

技术领域

本发明涉及一种陶瓷天线罩气孔及材质疏松缺陷自动检测方法，属于无损检测技术领域。

背景技术

薄壁陶瓷天线罩产品生产后不可避免的存在气孔及材质疏松缺陷，但在目前的薄壁陶瓷天线罩产品检测中，对气孔及材质疏松缺陷的检测是通过人工观察进行测量的，这种测量方法得到的结果极不准确，无法保证产品的检测质量。

发明内容

本发明的目的是提供一种能够克服上述缺陷、检测精确、效率高的陶瓷天线罩气孔及材质疏松缺陷自动检测方法。其技术方案为：

一种陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于采用以下步骤：1）天线罩标准灰度值的获取；2）陶瓷天线罩透射图像获取；3）缺陷区边界提取处理；4）计算缺陷区灰度平均值及缺陷区域的面积，得到的缺陷区灰度值与整幅图像灰度平均值进行比较，用于判断缺陷区的材质疏松情况，结合缺陷区的面积值的大小，来判定陶瓷天线罩的质量。

所述陶瓷天线罩气孔及材质疏松缺陷自动检测方法，步骤1）中，在陶瓷天线罩内部设置光源，在陶瓷天线罩外部采用CCD摄像机自动进行图像采集，获得陶瓷天线罩不同部位的灰度透射图像，连续采集不同部位的多幅灰度图像，对每幅图像进行灰度统计，计算出所有图像的总灰度值，统计每幅图像的像素值，计算得到所有图像的总像素数，由总灰度值除以总像素数得到所有图像的平均灰度值，作为天线罩标准灰度值。

所述陶瓷天线罩气孔及材质疏松缺陷自动检测方法，步骤2）中，在陶瓷天线罩内部设置光源，采用CCD摄像机在天线罩外部对天线罩全部的不同部位进行图像采集，得到天线罩不同部位灰度透射图像。

所述陶瓷天线罩气孔及材质疏松缺陷自动检测方法，步骤3）中，为了对气孔及材质疏松缺陷区进行面积统计，需要先获得缺陷区域的边界，所以要进行边界提出处理，在灰度图像上缺陷区域和背景区域的灰度有较大的差别，缺陷区域的边界是像素的灰度值不连续的结果，所以可以通过求导的方式将其检测出来，采用拉普拉斯算子进行处理，对一个连续函数f(x,y)，它在位置(x,y)处的拉普拉斯值（即二阶导数）定义为：

${\mathrm{\Δ}}^{2}f=\frac{{\∂}^{2}f}{{\∂x}^2}+\frac{{\∂}^{2}f}{{\∂y}^2}$

在数字图像中用差分来近似，它的一个表示式为：

Δ²f＝f(m+1,n)+f(m-1,n)+f(m,n+1)+f(m,n-1)-4f(m,n)

其模板为：

$\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$

模板所有系数之和为0，即，如果在模板各相应位置处f(m,n)的值相同（没有边界），则算子的响应为0。

所述陶瓷天线罩气孔及材质疏松缺陷自动检测方法，步骤4）中，在获得缺陷区边界之后，统计得到每个缺陷区像素的灰度值之和及总像素数，然后由灰度值之和分别除以总像素数，得到缺陷区的灰度平均值，由统计得到的各缺陷区的总像素数得到缺陷区域的面积，缺陷区域的灰度平均值设为T₂，步骤1）中计算的整幅图像的灰度平均值设为T₁，则材质疏松率δ的计算公式如下：

$\mathrm{\δ}=\frac{T_2-T_1}{T_1}\×100\%$

由材质疏松率δ和缺陷的面积值来判定陶瓷天线罩的质量。

本发明与现有技术相比，其优点是：采用了图像处理自动检测方法来对陶瓷天线罩的气孔及材质疏松进行检测，测量结果更加精确、客观。

具体实施方式

对一个待检测的陶瓷天线罩进行气孔及材质疏松缺陷检测，在陶瓷天线罩内部设置光源，在陶瓷天线罩外部采用CCD摄像机自动进行图像采集，获得陶瓷天线罩不同部位的灰度透射图像，连续采集不同部位的多幅灰度图像，对每幅图像进行灰度统计，计算出所有图像的总灰度值，统计每幅图像的像素值，计算得到所有图像的总像素数，由总灰度值除以总像素数得到所有图像的平均灰度值，作为天线罩标准灰度值，这里采集了20幅图像，计算得到的天线罩标准灰度值：T₁＝80。

在陶瓷天线罩内部设置光源，采用CCD摄像机在天线罩外部对天线罩全部的不同部位进行图像采集，得到天线罩不同部位灰度透射图像，然后依次经过以下图像处理步骤：

步骤1）：在采集得到灰度图像之后，为了对气孔及材质疏松缺陷区进行面积统计，需要先获得缺陷区域的边界，所以要进行边界提出处理，在灰度图像上缺陷区域和背景区域的灰度有较大的差别，缺陷区域的边界是像素的灰度值不连续的结果，所以可以通过求导的方式将其检测出来，采用拉普拉斯算子进行处理，对一个连续函数f(x,y)，它在位置(x,y)处的拉普拉斯值（即二阶导数）定义为：

${\mathrm{\Δ}}^{2}f=\frac{{\∂}^{2}f}{{\∂x}^2}+\frac{{\∂}^{2}f}{{\∂y}^2}$

在数字图像中用差分来近似，它的一个表示式为：

Δ²f＝f(m+1,n)+f(m-1,n)+f(m,n+1)+f(m,n-1)-4f(m,n)

其模板为：

$\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$

注意，模板所有系数之和为0，即，如果在模板各相应位置处f(m,n)的值相同（没有边界），则算子的响应为0。

步骤2）：在获得缺陷区边界之后，统计得到缺陷区像素的灰度值之和及总像素数，然后缺陷区像素的灰度值之和除以总像素数，得到灰度平均值为T₂＝140，由统计得到的像素数得到每个缺陷区域的面积，面积为S＝28mm²，则材质疏松率δ的计算公式如下：

$\mathrm{\δ}=\frac{140-80}{80}\×100\%=75\%$

由材质疏松率δ和缺陷的面积值S来判定陶瓷天线罩的质量。

Claims (5)

1.一种陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于采用图像处理方法来检测，具体步骤为：1）天线罩标准灰度值的获取；2）陶瓷天线罩不同部位透射图像获取；3）缺陷区边界提取处理；4）计算缺陷区灰度平均值及缺陷区域的面积，得到的缺陷区灰度值与整幅图像灰度平均值进行比较，用于判断缺陷区的气孔和材质疏松情况，结合缺陷区的面积值大小，来判定陶瓷天线罩的质量。

2.如权利要求1所述的陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于：步骤1）中，在陶瓷天线罩内部设置光源，在陶瓷天线罩外部采用CCD摄像机自动进行图像采集，获得陶瓷天线罩不同部位的灰度透射图像，连续采集不同部位的多幅灰度图像，对每幅图像进行灰度统计，计算出所有图像的总灰度值，统计每幅图像的像素值，计算得到所有图像的总像素数，由总灰度值除以总像素数得到所有图像的平均灰度值，作为天线罩标准灰度值。

3.如权利要求1所述的陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于：步骤2）中，在陶瓷天线罩内部设置光源，采用CCD摄像机在天线罩外部对天线罩全部的不同部位进行图像采集，得到天线罩不同部位灰度透射图像。

4.如权利要求1所述的陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于：步骤3）中，在灰度图像上缺陷区域和背景区域的灰度有较大的差别，缺陷区域的边界是像素的灰度值不连续的结果，所以可以通过求导的方式将其检测出来，采用拉普拉斯算子进行处理，对一个连续函数f(x,y)，它在位置(x,y)处的拉普拉斯值（即二阶导数）定义为：

${\mathrm{\Δ}}^{2}f=\frac{{\∂}^{2}f}{{\∂x}^2}+\frac{{\∂}^{2}f}{{\∂y}^2}$

在数字图像中用差分来近似，它的一个表示式为：

Δ²f＝f(m+1,n)+f(m-1,n)+f(m,n+1)+f(m,n-1)-4f(m,n)

其模板为：

$\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$

模板所有系数之和为0，即，如果在模板各相应位置处f(m,n)的值相同（没有边界），则算子的响应为0。

5.如权利要求1所述的陶瓷天线罩气孔及材质疏松缺陷自动检测方法，其特征在于：步骤4）中，在获得缺陷区边界之后，统计得到每个缺陷区像素的灰度值之和及总像素数，然后由灰度值之和分别除以总像素数，得到缺陷区的灰度平均值，由统计得到的各缺陷区的总像素数得到缺陷区域的面积，缺陷区域的灰度平均值设为T₂，步骤1）中计算的整幅图像的灰度平均值设为T₁，则材质疏松率δ的计算公式如下：

$\mathrm{\δ}=\frac{T_2-T_1}{T_1}\×100\%$

由材质疏松率δ和缺陷的面积值来判定陶瓷天线罩的质量。