CN105606623A - 一种基于线阵相机的钢板表面缺陷检测*** - Google Patents
一种基于线阵相机的钢板表面缺陷检测*** Download PDFInfo
- Publication number
- CN105606623A CN105606623A CN201510574524.6A CN201510574524A CN105606623A CN 105606623 A CN105606623 A CN 105606623A CN 201510574524 A CN201510574524 A CN 201510574524A CN 105606623 A CN105606623 A CN 105606623A
- Authority
- CN
- China
- Prior art keywords
- image
- steel plate
- linear array
- line
- detection system
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种基于线阵相机的钢板表面缺陷检测***,包括:照明光源、线阵相机、图像采集卡、工控机、图像处理器;线阵相机与图像采集卡相连接,图像采集卡与工控机相连接,工控机与图像处理器相连接。该钢板表面缺陷检测***通过线阵相机采集钢板表面图像,并对图像进行实时分析处理。在满足测量速度的情况下,单面检测仅需要2个线阵相机,***复杂度低,有利于***后期的使用维护。
Description
技术领域
本发明涉及视觉检测技术领域,特别涉及一种基于线阵相机的钢板表面缺陷检测***。
背景技术
现代工业制造领域中,产品的表面尺寸、形状、曲率、位置等空间几何特征直接影响着产品的质量、可靠性和竞争力,因此对钢铁生产加工企业的产品质量提出了更高的要求,基于计算机视觉的检测技术以其非接触、响应速度快等优点成为钢板表面缺陷检测技术的热点。视觉测量技术是集视觉、光学、电子、计算机和自动控制等现代技术为一体的综合性技术,具有非接触、速度快、自动化程度高、柔性好等突出优点。目前基于视觉技术的钢板表面缺陷技术主要有基于面阵相机的缺陷检测、基于光栅投影的缺陷检测、基于线结构光的缺陷检测等。
基于面阵相机的缺陷检测***主要通过面阵相机采集传送辊上的钢板表面图像,并对图像进行实时分析处理,从而实现对钢板表面二维缺陷的检测、识别及分类。这类***为了达到很高的分辨力,通常需要多个面阵相机,因此***复杂度较高,不利于***后期的使用维护。
光栅投影轮廓测量技术可以实现被测表面三维形貌的整体测量,但光栅投影轮廓术中特征点的特征和拓扑信息提取复杂,并且对钢板运动过程中的稳定性有很高的要求,即使钢板有很细微的震动,也会影响测量精度。
线结构光扫描的测量方式***结构简单,测量精度高,成本低,实时受控能力强,但是要实现对整体三维形貌的测量需要准确知道钢板的实时位移,测量速度慢,无法满足在线生产测量速度的要求。
发明内容
本发明的目的在于,针对现有技术的不足提供一种结构简单、测量速度快、检测精度高的基于线阵相机的钢板表面缺陷检测***。
为了实现上述目的,本发明所采用的技术方案如下:一种基于线阵相机的钢板表面缺陷检测***,包括:照明光源、线阵相机、图像采集卡、工控机、图像处理器;线阵相机与图像采集卡相连接,图像采集卡与工控机相连接,工控机与图像处理器相连接。
所述的照明光源为高亮度线性光源。
所述的线阵相机为4K线阵CMOS相机,数量为两个。
所述的图像处理器包括图像预处理***、缺陷提取***和缺陷分类***。
本发明的有益效果在于,该钢板表面缺陷检测***通过线阵相机采集钢板表面图像,并对图像进行实时分析处理。在满足测量速度的情况下,单面检测仅需要2个线阵相机,***复杂度低,有利于***后期的使用维护。
附图说明
图1为基于线阵相机的钢板表面缺陷检测***框图。
图2为基于线阵相机的钢板表面缺陷检测***工作原理图。
图3为钢板表面缺陷检测流程图。
具体实施方式
下面结合附图通过具体实施例对本发明的技术方案作进一步说明。
一种基于线阵相机的钢板表面缺陷检测***,包括:照明光源、线阵相机、图像采集卡、工控机、图像处理器;利用高亮度线性光源作为照明光源照亮支撑辊上的钢板表面,将表面存在的缺陷凸显出来;线阵相机采集被照亮的物体表面的实时图像,并将图像储存到图像采集卡,图像采集卡接入工控机时,被采集的图像传入工控机,最后图像通过图像处理器,对采集到的图像进行预处理、缺陷提取和缺陷分类。
***采用光源斜照,相机正拍,对称照明的照明方式。光源斜照在支撑辊的钢板上,减小钢板振动对图像拍摄的影响;选择红色LED线光源,光源长度足够覆盖整个板宽为照明板面。
检测对象的有效宽度为为2100mm。使用两台4K线阵CMOS相机,每台线阵CMOS相机使用3500个像素,缺陷检测的分辨力可达到0.3mm。镜头选择50mm焦距,为了实时在线检测、准确测量移动距离,在支撑辊的转动轴上安装编码器,使得编码器输入轴运动与钢板运动保持同步。
在缺陷检测之前,通过软件自适应地调整线阵相机的曝光时间,从而改变其拍摄到的钢板图像的灰度值,使其便于进行缺陷检测。如图2所示,每采集一副钢板图像,根据公式(1)对图像质量进行评估,然后通过串口发送信息至线阵相机,调整相机的曝光时间,以获得较好的图像效果。
(1)
上式中灰度值在区间[GL,GH]的像素点总数记为N,灰度值在区间[0,GL]的像素点总数记为NL,灰度值在区间的[GH,255]像素点总数记为NH。随后通过实验,寻找α1、α2、α3与灰度值变化关系,从而确定图像灰度值满足测量要求时α1、α2、α3的条件。如果采集到的图像灰度过高,则降低***的曝光时间,如果灰度值不足,则提高***的曝光时间,从而使采集到的钢板表面图像灰度值能够控制在一个稳定的范围内,便于后面对钢板表面的缺陷查找。
在曝光时间自适应调整完成之后,图像处理寻找缺陷的方法可以得到很大限度的简化,但仍需根据实际图像进行缺陷点联通、杂点去除等图像处理。如图3所示,钢板表面缺陷检测过程可以分为九个步骤,具体包括如下:
第一,横向灰度跳变点查找:在水平方向上从左向右逐行进行扫描,搜寻灰度值跳变点,也就是满足公式(2)的点,式中,i表示图像的行坐标,j表示图像的列坐标,Th表示设定阈值,将这些点记录为缺陷像素。如果没有灰度值小于设定阈值的点,则说明这一行没有缺陷像素。
(2)
第二,纵向灰度跳变点查找:在竖直方向上从上到下逐列进行扫描,寻找灰度跳变点,也就是满足共式(3)的点,式中,i表示图像的行坐标,j表示图像的列坐标,Th表示设定阈值并将这些点记录为缺陷像素。如果没有灰度值小于设定阈值的点,则说明这一列没有缺陷像素。
(3)
第三,高灰度值点查找:逐行扫描整幅图像,寻找图像灰度值大于某一设定数值的点,并将这些点记录为缺陷像素。
第四,低灰度值点查找:逐行扫描整幅图像,寻找图像灰度值小于某一设定数值的点,并将这些点记录为缺陷像素。
第五,将之前步骤记录下来的缺陷像素点边界进行扩充,为防止越界,不处理最左边、最右边、最上边、最下边的元素,从第2行、第2列开始检查图像中的像素点,逐行扫描每个像素;如果当前像素的八邻域像素至少有一个是之前记录下来的缺陷像素,则把此像素也记录为缺陷像素。循环这一步,直到处理完源图像的全部像素点。经过这一步可以扩展缺陷像素的边界,将单独的缺陷像素连接起来。
第六,消除噪声点:为防止越界,不处理最左边、最右边、最上边、最下边的元素,从第2行、第2列开始检查图像中的像素点,逐行扫描每个像素;如果当前像素的八邻域像素有任意一个不是之前记录下来的缺陷像素,则把此像素从缺陷像素中剔除。循环这一步,直到处理完源图像的全部像素点。经过这一步可以消除噪声点。
第七,对图像进行二值化,将之前记录下来的缺陷像素灰度值设为0,其余图像的灰度值设为255。
第八,联通域查找:这时图像被划分成多个联通区域,每个联通域即为一个缺陷轮廓。根据8邻接判据对图像中的连通域进行搜索。
第九,缺陷的记录保存:将一定高度h与宽度w范围内的缺陷轮廓即联通域标记为一个大缺陷,存储为一张图片。
本发明由于相机采集的是支撑辊上的钢板图像,很大程度上避免了检测过程中由于钢板震动造成采集到的缺陷不清晰的情况。
本发明实施例中所用的检测过程,对采集到的图像亮度进行评估,从而调整线阵相机的曝光时间,控制相机采集到图像的灰度值,降低了测量环境变化对***检测精度的影响,增强了***的鲁棒性环境适应性;改进了传统的使用固定阈值或者自适应阈值对图像进行二值化后检测轮廓的方法,提高了缺陷检测的精度。
Claims (4)
1.一种基于线阵相机的钢板表面缺陷检测***,其特征在于,包括:照明光源、线阵相机、图像采集卡、工控机、图像处理器;线阵相机与图像采集卡相连接,图像采集卡与工控机相连接,工控机与图像处理器相连接。
2.根据权利要求1所述的基于线阵相机的钢板表面缺陷检测***,其特征在于,所述的照明光源为高亮度线性光源。
3.根据权利要求1所述的基于线阵相机的钢板表面缺陷检测***,其特征在于,所述的线阵相机为4K线阵CMOS相机,数量为两个。
4.根据权利要求1所述的基于线阵相机的钢板表面缺陷检测***,其特征在于,所述的图像处理器包括图像预处理***、缺陷提取***和缺陷分类***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510574524.6A CN105606623A (zh) | 2015-09-11 | 2015-09-11 | 一种基于线阵相机的钢板表面缺陷检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510574524.6A CN105606623A (zh) | 2015-09-11 | 2015-09-11 | 一种基于线阵相机的钢板表面缺陷检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105606623A true CN105606623A (zh) | 2016-05-25 |
Family
ID=55986727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510574524.6A Pending CN105606623A (zh) | 2015-09-11 | 2015-09-11 | 一种基于线阵相机的钢板表面缺陷检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105606623A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221010A (zh) * | 2017-07-12 | 2017-09-29 | 中国科学院上海技术物理研究所 | 基于三面阵相机的机载高光谱图像几何校正方法与装置 |
CN112258510A (zh) * | 2020-12-22 | 2021-01-22 | 常州微亿智造科技有限公司 | 一种基于连通区域算法的图像异常检测方法 |
CN112763503A (zh) * | 2020-12-24 | 2021-05-07 | 山西大数据产业发展有限公司 | 基于机器视觉的高牌号冷轧硅钢孔洞检测*** |
CN114529510A (zh) * | 2022-01-11 | 2022-05-24 | 三门三友科技股份有限公司 | 一种阴极铜在线质量自动检测分类方法 |
-
2015
- 2015-09-11 CN CN201510574524.6A patent/CN105606623A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221010A (zh) * | 2017-07-12 | 2017-09-29 | 中国科学院上海技术物理研究所 | 基于三面阵相机的机载高光谱图像几何校正方法与装置 |
CN107221010B (zh) * | 2017-07-12 | 2023-07-04 | 中国科学院上海技术物理研究所 | 基于三面阵相机的机载高光谱图像几何校正方法与装置 |
CN112258510A (zh) * | 2020-12-22 | 2021-01-22 | 常州微亿智造科技有限公司 | 一种基于连通区域算法的图像异常检测方法 |
CN112763503A (zh) * | 2020-12-24 | 2021-05-07 | 山西大数据产业发展有限公司 | 基于机器视觉的高牌号冷轧硅钢孔洞检测*** |
CN114529510A (zh) * | 2022-01-11 | 2022-05-24 | 三门三友科技股份有限公司 | 一种阴极铜在线质量自动检测分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106597463B (zh) | 基于动态视觉传感器芯片的光电式接近传感器及探测方法 | |
CN109489566A (zh) | 锂电池隔膜材料分切宽度检测方法、检测***及装置 | |
CN105606623A (zh) | 一种基于线阵相机的钢板表面缺陷检测*** | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测*** | |
CN105241638A (zh) | 基于视觉的led模块亮度均匀性快速检测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测*** | |
CN102175701A (zh) | 工业x射线机在线探伤检测***及方法 | |
CN102304472A (zh) | 一种快速检测痰涂片结核菌的装置与方法 | |
CN105424723A (zh) | 一种显示屏幕模组缺陷检测方法 | |
CN109900723A (zh) | 玻璃表面缺陷检测方法及装置 | |
US20170010455A1 (en) | Cell imaging control device, method, and program | |
CN107238727A (zh) | 基于动态视觉传感器芯片的光电式转速传感器及探测方法 | |
CN109741307A (zh) | 摄像模组的杂光检测方法、杂光检测装置及杂光检测*** | |
CN110570412B (zh) | 一种零件误差视觉判断*** | |
CN109239099A (zh) | 多机协同环境下的路面破损实时检测***及其检测方法 | |
CN105991997B (zh) | 一种电容式图像传感器坏点实时定位的方法 | |
CN103217108A (zh) | 一种眼镜架几何参数检测方法 | |
CN102680481A (zh) | 棉纤维杂质的检测方法 | |
CN101930606A (zh) | 一种图像边缘检测的景深扩展方法 | |
CN112419261B (zh) | 具有异常点去除功能的视觉采集方法及装置 | |
CN102374997A (zh) | 基于视觉***的硬币表面质量高精度检测装置 | |
CN103852034A (zh) | 一种电梯导轨垂直度检测方法 | |
CN109816627A (zh) | 平面玻璃元件油墨区弱小缺陷目标检测方法 | |
CN105180802A (zh) | 一种物体尺寸信息识别方法和装置 | |
CN205120611U (zh) | 一种基于线阵相机的钢板表面缺陷检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160525 |