CN108765365A - 一种转子绕线图像合格性检测方法 - Google Patents
一种转子绕线图像合格性检测方法 Download PDFInfo
- Publication number
- CN108765365A CN108765365A CN201810287072.7A CN201810287072A CN108765365A CN 108765365 A CN108765365 A CN 108765365A CN 201810287072 A CN201810287072 A CN 201810287072A CN 108765365 A CN108765365 A CN 108765365A
- Authority
- CN
- China
- Prior art keywords
- image
- rotor winding
- template
- detection method
- similarity
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种转子绕线图像合格性检测方法,包括如下步骤:(1)采集转子绕线待检测部位图像,对采集的图像进行预处理;(2)对图像进行二值化处理,计算连通区域面积;(3)基于纹理特征对二值化图像进行定量描述;(4)基于纹理特征,通过欧氏距离或巴氏距离在模板图像中选取合适的匹配模板,最后对其进行基于矩特征的相似度匹配;本发明与现有技术相比,可以快速准确可靠地在线检测转子绕线的合格性,有利于下一道工序的生产,且适用于长时间连续工作的恶劣生产环境。
Description
技术领域
本发明涉及数字图像处理与视觉检测方法,尤其涉及一种基于四步法的用于转子绕线图像合格性检测的方法。
背景技术
随着工业生产的快速发展,转子绕线件的需求量与日俱增。转子绕线件在经过绕线机绕线后,出现了各种形态,如漏线、断线、畸形、正常等,而目前针对转子绕线件的合格性检测,生产线上普遍常采用的方法是人工肉眼检查,在复杂的生产环境下,该方法存在效率低下且随着工作时间的增加,肉眼检查易出现疲劳损伤,从而导致漏检或者错检等状况,主观因素过大,不利于批量化生产。随着相机生产技术与图像处理技术的不断发展提升,通过机器视觉和图像处理的方法可以避免上述问题的发生。
发明内容
发明目的:针对现有技术中的绕线件合格性检测问题,本发明的目的是提供一种基于四步法的转子绕线图像合格性检测方法,用于实现生产实践中电机转子绕线合格性的快速准确检测。
技术方案:一种转子绕线图像合格性检测方法,其特征在于,包括如下步骤:
(1)采集转子绕线待检测部位图像,对采集的图像进行预处理;
(2)对图像进行二值化处理,计算连通区域面积;
(3)基于纹理特征对二值化图像进行定量描述;
(4)基于纹理特征,通过计算欧氏距离或巴氏距离在模板图像中选取合适的匹配模板,最后对其进行基于矩特征的相似度匹配。
所述步骤(1)包括如下内容:
(1.1)利用工业相机采集转子绕线图像,快速定位截取待检测区域。
(1.2)针对采集的待检测区域图像,进行灰度化、中值滤波处理。
所述步骤(2)包括如下内容:
(2.1)针对预处理后的待检测图像,利用迭代法计算图像阈值;
(2.2)利用计算得到的阈值对图像进行二值化处理;
(2.3)结合先验知识对二值化图像进行一些微调整,得到完整清晰的绕线二值化图像,例如结合挂钩与噪点分布,在二值化图像上直接赋为黑。
(2.4)计算完整连通区域面积,进行面积机制判断,其中面积机制阈值通过采集1000-5000张样本统计得到。
所述步骤(3)包括如下内容:
生成关联的灰度共生矩阵,将灰度等级划分为16个等级,通过统计记录水平方向上的熵和能量、对比度、反差指标信息,得到关于绕线部分的纹理信息,选取熵和对比度指标,设定合理的阈值,其中阈值大小需在采集1000-5000张样本统计得到。
所述步骤(4)包括如下内容
(4.1)选取8-12张合适的各种形态转子绕线图像作为匹配模板库;
(4.2)基于纹理特征,通过计算待测图像与模板图像的欧氏距离或巴氏距离,在模板图像中选取合适的匹配模板;
(4.3)与选择好的匹配模板进行基于矩特征的相似度匹配,统计与模板匹配的相似度信息,取其均值。
(4.4)进行相似度机制检测判断,其中相似度机制阈值通过采集1000-5000张样本统计得到
有益效果
本发明与现有技术相比,可以快速准确可靠地在线检测转子绕线的合格性,有利于下一道工序的生产,且适用于长时间连续工作的恶劣生产环境。
附图说明
图1为本发明方法的流程示意图;
图2为面积机制流程图;
图3为纹理机制流程图;
图4为相似度机制流程图。
具体实施方式
为了详细的说明本发明公开的技术方案,下面结合说明书附图和具体实施方式做进一步的阐述。
如图1所示,本发明的一种转子绕线图像合格性检测方法,包括以下步骤:
步骤一,利用工业相机采集转子绕线图像,采用定位模板匹配快速准确定位待测部分在相机视野的位置,并截取待检测部分区域图像。针对该图像,进行灰度化、中值滤波预处理操作。
步骤二,针对预处理后的待检测图像,如图2所示,利用迭代法计算图像阈值对图像进行二值化处理。二值化阈值为T*,其中T*=(ZO+ZB)/2。
ZO为图像前景灰度平均值,
ZB为图像背景灰度平均值
T0取灰度图最大值与最小值的均值,nHist(i)表示其灰度直方图信息。T*取其迭代收敛值。
为了去掉一些挂钩、光线等外界因素的干扰,得到完整清晰的绕线二值化图像,结合先验知识对二值化图像进行一些微调整,例如利用连通区域质心分布去除挂钩的影响,在边角处对噪点区域强制赋值为黑。针对绕线形态的差异,计算完整连通区域面积,进行面积机制判断,其中面积机制阈值通过采集1000-5000张样本统计得到。
步骤三,取二值化图像(n*n)中任意一点(x,y)以及偏离的一点(x+a,y+b)构成灰度值点对,统计灰度值点对出现的归一化概率形成灰度共生矩阵,将灰度从0-255划分为16个等级,a和b在0-2之间取值。通过统计记录水平方向,45°方向,90°方向和135°方向上的熵和能量、对比度、反差指标信息,得到关于绕线部分的纹理信息,选取熵和对比度指标,设定合理的阈值,进行纹理机制检测判断,其中阈值大小可以在采集1000-5000张样本统计得到。
步骤四,选取8-12张各种形态的合格绕线图像作为模板图像库,对归一化后的纹理特征,通过计算待测图像与模板图像的欧氏距离或巴氏距离,在模板图像中选取距离最小的前两个匹配模板作为后面相似度匹配的模板。
本实施例中,采集的是待测图片和模板图像的图像熵、能量、对比度和反差四个指标信息来表征图像纹理信息,欧氏距离式中,x表示的是待测图片的纹理信息,y表示的是模板图像的纹理信息,(x1,x2,x3,x4)是待测图片x的四个纹理信息,(y1,y2,y3,y4)为模板库中任意模板图片y的四个纹理信息,当然也可以选取更多的匹配模板,以提高匹配精度,但需要的时间也会增大,因此匹配模板的数量需要根据检测时间来确定。
再与选择好的匹配模板进行基于Hu矩特征的相似度匹配,其中相似度计算公式如下:式中xi为待测图片的Hu矩值,yi为匹配模板的Hu矩值,统计与模板匹配的相似度信息,取其均值,进行相似度机制检测判断,其中相似度机制阈值通过采集1000-5000张样本统计得到,以上所述仅是本发明的优选实施方式,三道机制同时通过则为合格件。
Claims (5)
1.一种转子绕线图像合格性检测方法,其特征在于,包括如下步骤:
(1)采集转子绕线待检测部位图像,对采集的图像进行预处理;
(2)对图像进行二值化处理,计算连通区域面积;
(3)基于纹理特征对二值化图像进行定量描述;
(4)基于纹理特征,通过计算欧氏距离或巴氏距离在模板图像中选取合适的匹配模板,最后对其进行基于矩特征的相似度匹配。
2.根据权利要求1所述的转子绕线图像合格性检测方法,其特征在于:所述步骤(1)包括如下内容:
(1.1)利用工业相机采集转子绕线图像,快速定位截取待检测区域。
(1.2)针对采集的待检测区域图像,进行灰度化、中值滤波处理。
3.根据权利要求1所述的转子绕线图像合格性检测方法,其特征在于:所述步骤(2)包括如下内容:
(2.1)针对预处理后的待检测图像,利用迭代法计算图像阈值;
(2.2)利用计算得到的阈值对图像进行二值化处理;
(2.3)对二值化图像进行微调整,得到完整清晰的绕线二值化图像;
(2.4)计算完整连通区域面积,进行面积机制判断,其中面积机制阈值通过采集1000-5000张样本统计得到。
4.根据权利要求1所述的转子绕线图像合格性检测方法,其特征在于:所述步骤(3)包括如下内容:
生成关联的灰度共生矩阵,将灰度等级划分为16个等级,通过统计记录水平方向上的熵和能量、对比度、反差指标信息,得到关于绕线部分的纹理信息,选取熵和对比度指标,设定合理的阈值,其中阈值大小需在采集1000-5000张样本统计得到。
5.根据权利要求1所述的转子绕线图像合格性检测方法,其特征在于:所述步骤(4)包括如下内容
(4.1)选取8-12张各种形态转子绕线图像作为匹配模板库;
(4.2)基于纹理特征,通过计算待测图像与模板图像的欧氏距离或巴氏距离,在模板图像中选取合适的匹配模板;
(4.3)与选择好的匹配模板进行基于矩特征的相似度匹配,统计与模板匹配的相似度信息,取其均值;
(4.4)进行相似度机制检测判断,其中相似度机制阈值通过采集1000-5000张样本统计得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810287072.7A CN108765365A (zh) | 2018-04-03 | 2018-04-03 | 一种转子绕线图像合格性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810287072.7A CN108765365A (zh) | 2018-04-03 | 2018-04-03 | 一种转子绕线图像合格性检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765365A true CN108765365A (zh) | 2018-11-06 |
Family
ID=63980711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810287072.7A Pending CN108765365A (zh) | 2018-04-03 | 2018-04-03 | 一种转子绕线图像合格性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765365A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872310A (zh) * | 2019-02-01 | 2019-06-11 | 东莞中科蓝海智能视觉科技有限公司 | 工件漏线及表面字符方向检测识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101166997B1 (ko) * | 2011-02-23 | 2012-07-24 | 서울대학교산학협력단 | Glcm 텍스처 분석을 이용한 볼륨 보존 영역 검출과 비강체 정합 방법 및 그 기록 매체 |
CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种图像的多特征提取与融合方法及*** |
-
2018
- 2018-04-03 CN CN201810287072.7A patent/CN108765365A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101166997B1 (ko) * | 2011-02-23 | 2012-07-24 | 서울대학교산학협력단 | Glcm 텍스처 분석을 이용한 볼륨 보존 영역 검출과 비강체 정합 방법 및 그 기록 매체 |
CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种图像的多特征提取与融合方法及*** |
Non-Patent Citations (1)
Title |
---|
朱亚旋等: "基于图像纹理与矩特征的转子绕线检测研究", 《测控技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872310A (zh) * | 2019-02-01 | 2019-06-11 | 东莞中科蓝海智能视觉科技有限公司 | 工件漏线及表面字符方向检测识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN108562589A (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN111815564B (zh) | 一种检测丝锭的方法、装置及丝锭分拣*** | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及*** | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN109272546B (zh) | 一种鱼苗长度测量方法及*** | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
CN109345524A (zh) | 一种基于视觉的轴承外观缺陷检测*** | |
CN112634237A (zh) | 一种基于YOLOv3改进网络的长竹条表面缺陷检测方法及*** | |
CN108460344A (zh) | 屏幕中的动态区域智能识别***及智能识别方法 | |
CN116703909B (zh) | 一种电源适配器生产质量智能检测方法 | |
CN106872473A (zh) | 一种基于机器视觉的马铃薯缺陷检测识别***设计 | |
CN109241948A (zh) | 一种数控刀具视觉识别方法及装置 | |
CN116434206A (zh) | 一种基于机器视觉技术的棉花质量性状检测方法 | |
CN113780484B (zh) | 工业产品缺陷检测方法和装置 | |
CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN112101060B (zh) | 基于平移不变性和小区域模板匹配的二维码定位方法 | |
CN108765365A (zh) | 一种转子绕线图像合格性检测方法 | |
CN117237747A (zh) | 基于人工智能的五金件缺陷分类识别方法 |
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: 20181106 |