CN109102507A - 螺钉螺纹检测方法以及装置 - Google Patents
螺钉螺纹检测方法以及装置 Download PDFInfo
- Publication number
- CN109102507A CN109102507A CN201810988708.0A CN201810988708A CN109102507A CN 109102507 A CN109102507 A CN 109102507A CN 201810988708 A CN201810988708 A CN 201810988708A CN 109102507 A CN109102507 A CN 109102507A
- Authority
- CN
- China
- Prior art keywords
- screw
- image
- thread
- measured
- screw rod
- 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 74
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000007547 defect Effects 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 15
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种螺钉螺纹检测方法以及装置。其中,该方法包括:取待测螺钉的螺纹图像,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像,然后对第一螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果,达到了对螺钉螺纹边缘精确定位的目的。本发明解决了相关技术中采用局部测量以及图像相减的方式来进行螺钉螺纹检测,而导致螺钉螺纹检测准确率低的技术问题。
Description
技术领域
本发明涉及工业制造领域,具体而言,涉及一种螺钉螺纹检测方法以及装置。
背景技术
在机器视觉中螺钉螺纹缺陷检测一般是用卡尺工具测量局部螺牙的个数和螺牙深度,或者是通过对图像进行形态学处理之后,使用减法运算定位缺陷的方法来判断是其否合格。
但是以上方法对螺钉的螺杆整体螺纹无法精确检测,这是因为每个螺钉位于不同角度时在相同的位置成像的螺牙个数以及深度并不一致,采用局部测量以及图像相减的方式来进行检测,则导致螺杆螺纹检测过程中准确率较低,无法保证螺钉螺纹的质量。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种螺钉螺纹检测方法以及装置,以至少解决相关技术中采用局部测量以及图像相减的方式来进行螺钉螺纹检测,而导致螺钉螺纹检测准确率低的技术问题。
根据本发明实施例的一个方面,提供了一种螺钉螺纹检测方法,所述方法包括:获取待测螺钉的螺纹图像;基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
进一步地,在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像之后,所述方法还包括:对所述第一螺纹轮廓图像进行仿射变换,得到第二螺纹轮廓图像;基于预设的螺纹标准参数对所述第二螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
进一步地,获取待测螺钉的螺纹图像包括:采集所述待测螺钉的螺钉图像;根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到所述螺纹图像。
进一步地,获取待测螺钉的螺纹图像包括:采集所述待测螺钉的螺钉图像;根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到第一螺纹图像;对所述第一螺纹图像进行仿射变换,得到所述螺纹图像。
进一步地,在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,所述方法还包括:基于预设边界算法确定所述螺纹图像中所述待测螺钉的螺杆边界图像;对所述螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;确定所述螺杆边界膨胀图像与所述螺纹图像相交的区域为所述待测螺钉的螺杆区域图像。
进一步地,基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像包括:通过高斯滤波器对所述螺杆区域图像进行滤波,得到第一螺杆图像;对所述第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到所述第一螺纹轮廓图像。
进一步地,所述螺纹标准参数包括以下至少之一:标准螺钉的螺纹长度、标准螺钉的螺纹宽度以及标准螺钉的螺纹高度。
根据本发明实施例的另一方面,还提供了一种螺钉螺纹检测装置,所述装置包括:获取单元,用于获取待测螺钉的螺纹图像;提取单元,用于基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;检测单元,用于根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
进一步地,所述装置还包括:第一确定单元,用于在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,基于预设边界算法确定所述螺纹图像中所述待测螺钉的螺杆边界图像;处理单元,用于对所述螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;第二确定单元,用于确定所述螺杆边界膨胀图像与所述螺纹图像相交的区域为所述待测螺钉的螺杆区域图像。
进一步地,所述提取单元包括:滤波模块,用于通过高斯滤波器对所述螺杆区域图像进行滤波,得到第一螺杆图像;锐化模块,用于对所述第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到所述第一螺纹轮廓图像。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如上所述的螺钉螺纹检测方法
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行如上所述的螺钉螺纹检测方法。
在本发明实施例中,获取待测螺钉的螺纹图像,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像,然后对第一螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果,达到了对螺钉螺纹边缘精确定位的目的,进而解决了相关技术中采用局部测量以及图像相减的方式来进行螺钉螺纹检测,而导致螺钉螺纹检测准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的螺钉螺纹检测方法的示意图;
图2是根据本发明实施例的一种可选的螺钉图像的图像分割示意图;
图2a是根据本发明实施例的一种可选的螺纹图像的示意图;
图3是根据本发明实施例的另一种可选的螺钉螺纹检测方法的示意图;
图4a是根据本发明实施例的又一种可选的螺纹图像的示意图;
图4b是根据本发明实施例的又一种可选的螺纹图像的示意图;
图4c是根据本发明实施例的又一种可选的螺纹图像的示意图;
图4d是根据本发明实施例的又一种可选的螺纹图像的示意图;
图4e是根据本发明实施例的又一种可选的螺纹图像的示意图;
图5是根据本发明实施例的一种可选的螺钉螺纹检测装置的示意图;
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
在对本发明的实施例进行介绍之前,首先对本发明的实施例中的螺钉螺纹检测方法的应用场景进行说明。螺钉螺纹的检测主要通过转盘式或履带式螺钉检测机来进行检测,该螺钉螺纹检测机上在固定位置设置有相应的工业相机,用于对螺钉进行图像采集,进而通过螺钉螺纹检测机将螺钉的图像传送至处理中心进行检测。其中,处理中心包括但不限于PC端、螺钉螺纹检测机的数据处理中心单元以及云端处理服务器等。
根据本发明实施例,提供了一种螺钉螺纹检测方法,如图1所示,该方法包括:
S101,获取待测螺钉的螺纹图像;
S102,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
S103,根据预设的螺纹标准参数对第一螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果。
将待测螺钉放置螺钉螺纹检测机上后,在螺钉螺纹检测机的运转下,在待测螺钉移动至螺钉螺纹检测机的相机的预设位置上,通过相机对待测螺钉进行拍照。其中,获取的待测螺钉的图像由于是在固定位置上采集的,因此在待测螺钉的图像中螺钉的位置是相近的,一般来说都是居中的,以便后续的待测螺钉的具体的图像信息的提取。
另外需要说明的是,待测螺钉在检测过程中,一般都是螺帽在下螺杆在上,竖直放置在螺钉螺纹检测机上的,而通过螺钉螺纹检测机采集的待测螺钉的图像也是如此。以上仅是一种示例,该示例不会对本发明实施例的技术方案产生任何限定。
其中螺纹的标准参数是用于评价待测螺钉是否合格的参数,其可以基于实际经验进行设置,也可以是预先获取与待测螺钉型号相同的标准螺钉,该标准螺钉的螺纹标准参数可以作为参考,来对待测螺钉的图像参数进行评价。需要说明的是,在实际的应用场景中,可以采用待测螺钉的螺纹图像的图像和与其比例相同的标准螺钉的图像进行比对的方式来检测待测螺钉的参数是否合格。而作为一种优选的实施方式,是获取与待测螺钉型号相同的标准螺钉,获取标准螺钉的螺纹标准参数,然后根据螺纹标准参数以及根据第一螺纹轮廓图像进行检测。
通过本发明实施例中,获取待测螺钉的螺纹图像,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像,然后对第一螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果,达到了对螺钉螺纹边缘精确定位的目的,进而解决了相关技术中采用局部测量以及图像相减的方式来进行螺钉螺纹检测,而导致螺钉螺纹检测准确率低的技术问题。
作为一种优选地技术方案,在本发明实施例中,在基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像之后,该方法还包括但不限于:对第一螺纹轮廓轮图像进行仿射变换,得到第二螺纹轮廓图像;基于预设的螺纹标准参数对第二螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果。
具体的,在待测螺钉的检测过程中,部分螺钉的螺帽部分会存在缺陷或质量不合格的问题,而导致螺钉倾斜,进而导致待测螺钉的螺钉图像以及螺纹倾斜。在此情况下,若采用图像比对的方法对待测螺钉的螺纹进行检测,则会产生不匹配的情况而报错。为了提高对待测螺钉的螺纹检测结果的准确定,需要对待测螺钉的螺纹图像进行纠正,以使螺纹图像保持垂直状态。因此在本发明的实施例中,在对螺纹图像进行螺纹轮廓提取后,得到第一螺纹轮廓图像后,对第一螺纹轮廓图像进行垂直仿射变换,以使第二螺纹轮廓图像保持垂直状态,然后可以基于对第二螺纹轮廓图像进行缺陷检测,以得到待测螺钉的检测结果。
作为一种优选地技术方案,在本发明实施例中,获取待测螺钉的螺纹图像包括但不限于:采集所述待测螺钉的螺钉图像;根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到所述螺纹图像。在具体的应用场景中,通过螺钉螺纹检测机获取的待测螺钉的图像中螺钉仅占一部分,因此需要对螺钉图像进行螺纹图像提取,获取待测螺钉需要进行处理的部分,以提高待测螺钉的螺纹检测效率。具体的,采集到待测螺钉的螺钉图像如图2所示,然后基于螺杆检测区域对螺钉图像进行分割提取,得到如图2a所示的螺纹图像。
作为一种优选地技术方案,在本发明实施例中,获取待测螺钉的螺纹图像包括但不限于:采集所述待测螺钉的螺钉图像;根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到第一螺纹图像;对所述第一螺纹图像进行仿射变换,得到所述螺纹图像。在上述方式中,是对经过拉普拉斯高斯算子处理后的螺纹轮廓图像进行垂直仿射变换,而在本实施方式中,则是在对螺钉的螺钉图像进行拉普拉斯高斯算子处理前,针对螺钉图像进行垂直仿射变换,得到第一螺纹图像,以提高待测螺钉的螺纹检测效率。
需要说明的是,在本发明实施例中,将待测螺钉的螺纹进行仿射变换,将螺纹图像旋转到垂直方向,此过程目的是保证待测螺钉螺纹垂直后螺纹截取的对称性。
作为一种优选地技术方案,在本发明实施例中,在基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,还包括但不限于:基于预设边界算法确定螺纹图像中待测螺钉的螺杆边界图像;对螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;确定螺杆边界膨胀图像与螺纹图像相交的区域为待测螺钉的螺杆区域图像。具体的,根据输入的待检测螺钉的螺钉图像,通过阈值分割将螺钉螺杆区域的螺纹图像提取出来,再使用边界算法得到待测螺钉螺杆边界的螺杆边界图像,对螺杆边界图像进行膨胀操作得到螺杆边界膨胀图像,来保证螺纹边缘的准确提取并避免其他像素信息的干扰,随之提取膨胀后的螺杆边界膨胀图像跟螺纹图像相交的区域即螺杆区域图像。
作为一种优选地技术方案,在本发明实施例中,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像包括:通过高斯滤波器对螺杆区域图像进行滤波,得到第一螺杆图像;对第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到第一螺纹轮廓图像。
具体的,在获取到螺杆区域图像后,螺杆区域图像使用高斯滤波得到第一螺杆图像,通过使用高斯滤波使图像更加平滑,即使是对待测螺钉的螺牙和螺纹边缘使用高斯滤波器滤波之后也较清晰更贴合实际边缘点。其中,滤波公式如下:
h(x,y)=f(x,y)*G(x,y)
其中,σ为高斯函数平方差,与图像的平滑度成正比。
然后对平滑后的第一螺杆图像进行拉普拉斯变换,使用拉普拉斯高斯算子对第一螺杆图像的空间域图像进行增强,在频域锐化第一螺杆图像的图像边缘,得到拉普拉斯高斯算子边缘检测后的螺纹图像。拉普拉斯算子是一种二阶边缘检测算子,该算子不受方向因素的影响,能够保证螺纹边缘完整性。拉普拉斯函数定义为:
其中,f(x,y)为连续函数。
在本发明实施例中,采用拉普拉斯高斯算子来处理螺纹边缘优于其他边缘检测的算子,因为拉普拉斯高斯算子能够除去许多伪边缘点,求得的边缘一定会恰好通过真实边缘角度,由于螺牙像素点较少,故可以用本方法准确表达待测螺钉的螺纹特征。
作为一种优选地技术方案,在本发明实施例中,螺纹标准参数包括以下至少之一:标准螺钉的螺纹长度、标准螺钉的螺纹宽度以及标准螺钉的螺纹高度。具体的,在通过上述方法确定待测螺钉的螺纹轮廓图像后,截取有效螺纹区域,使螺纹变为左右两条,使用标准螺钉的螺纹宽度、高度以及长度等特征参数来判断待测螺钉的螺纹是否合格。
以下通过具体的实施场景来对本发明的技术方案进行说明,该实施场景仅是本发明技术方案的一种应用,并不会对本发明的技术方案产生任何限定。在本发明的具体实施例中,一种螺钉螺纹检测方法,如图3所示,具体包括以下步骤:
S301,如图4a所示,选择螺杆检测区域,并对螺杆检测区域进行阈值分割;
S302,如图4b所示,通过边界算法找到螺杆边缘进行膨胀操作来扩大螺杆边界区域,提取出螺杆区域;
S303,如图4c所示,使用拉普拉斯高斯算子将螺纹轮廓提取出来;
S304,如图4d所示,对螺纹轮廓进行垂直仿射变换;
S305,如图4e所示,截取有效的轮廓区域通过合格螺纹的长度、宽度以及高度特征筛选出合格螺纹。
通过本发明实施例中,获取待测螺钉的螺纹图像,基于拉普拉斯高斯算子对螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像,然后对第一螺纹轮廓图像进行缺陷检测,得到待测螺钉的检测结果,达到了对螺钉螺纹边缘精确定位的目的,进而解决了相关技术中采用局部测量以及图像相减的方式来进行螺钉螺纹检测,而导致螺钉螺纹检测准确率低的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例,还提供了一种用于实施上述螺钉螺纹检测方法的螺钉螺纹检测装置,如图3所示,该装置包括:
1)获取单元301,用于获取待测螺钉的螺纹图像;
2)提取单元302,用于基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
3)检测单元303,用于根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
作为一种优选地技术方案,在本发明实施例中,所述装置还包括:
1)第一确定单元,用于在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,基于预设边界算法确定所述螺纹图像中所述待测螺钉的螺杆边界图像;
2)处理单元,用于对所述螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;
3)第二确定单元,用于确定所述螺杆边界膨胀图像与所述螺纹图像相交的区域为所述待测螺钉的螺杆区域图像。
作为一种优选地技术方案,在本发明实施例中,所述提取单元302包括:
1)滤波模块,用于通过高斯滤波器对所述螺杆区域图像进行滤波,得到第一螺杆图像;
2)锐化模块,用于对所述第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到所述第一螺纹轮廓图像。
可选地,本实施例中的具体示例可以参考上述实施例1中所描述的示例,本实施例在此不再赘述。
实施例3
根据本发明实施例,还提供了一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行如上所述的螺钉螺纹检测方法。
可选地,在本实施例中,存储介质被设置为存储以下程序代码:
S1,获取待测螺钉的螺纹图像;
S2,基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
S3,根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
可选地,本实施例中的具体示例可以参考上述实施例1中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
实施例4
本发明的实施例还提供了一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行如上所述的螺钉螺纹检测方法。
可选地,在本实施例中,所述程序包括以下步骤的程序代码:
S1,获取待测螺钉的螺纹图像;
S2,基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
S3,根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
可选地,本实施例中的具体示例可以参考上述实施例1中所描述的示例,本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种螺钉螺纹检测方法,其特征在于,所述方法包括:
获取待测螺钉的螺纹图像;
基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
2.根据权利要求1所述的方法,其特征在于,在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像之后,所述方法还包括:
对所述第一螺纹轮廓图像进行仿射变换,得到第二螺纹轮廓图像;
基于预设的螺纹标准参数对所述第二螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
3.根据权利要求1所述的方法,其特征在于,获取待测螺钉的螺纹图像包括:
采集所述待测螺钉的螺钉图像;
根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到所述螺纹图像。
4.根据权利要求1所述的方法,其特征在于,获取待测螺钉的螺纹图像包括:
采集所述待测螺钉的螺钉图像;
根据预先设置的螺杆检测区域对所述螺钉图像进行图像分割,得到第一螺纹图像;
对所述第一螺纹图像进行仿射变换,得到所述螺纹图像。
5.根据权利要求1所述的方法,其特征在于,在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,所述方法还包括:
基于预设边界算法确定所述螺纹图像中所述待测螺钉的螺杆边界图像;
对所述螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;
确定所述螺杆边界膨胀图像与所述螺纹图像相交的区域为所述待测螺钉的螺杆区域图像。
6.根据权利要求5所述的方法,其特征在于,基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像包括:
通过高斯滤波器对所述螺杆区域图像进行滤波,得到第一螺杆图像;
对所述第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到所述第一螺纹轮廓图像。
7.根据权利要求1所述的方法,其特征在于,所述螺纹标准参数包括以下至少之一:标准螺钉的螺纹长度、标准螺钉的螺纹宽度以及标准螺钉的螺纹高度。
8.一种螺钉螺纹检测装置,其特征在于,所述装置包括:
获取单元,用于获取待测螺钉的螺纹图像;
提取单元,用于基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到第一螺纹轮廓图像;
检测单元,用于根据预设的螺纹标准参数对所述第一螺纹轮廓图像进行缺陷检测,得到所述待测螺钉的检测结果。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第一确定单元,用于在基于拉普拉斯高斯算子对所述螺纹图像进行螺纹轮廓提取,得到螺纹轮廓图像之前,基于预设边界算法确定所述螺纹图像中所述待测螺钉的螺杆边界图像;
处理单元,用于对所述螺杆边界图像进行膨胀操作,得到螺杆边界膨胀图像;
第二确定单元,用于确定所述螺杆边界膨胀图像与所述螺纹图像相交的区域为所述待测螺钉的螺杆区域图像。
10.根据权利要求9所述的装置,其特征在于,所述提取单元包括:
滤波模块,用于通过高斯滤波器对所述螺杆区域图像进行滤波,得到第一螺杆图像;
锐化模块,用于对所述第一螺杆图像进行拉普拉斯高斯算子边缘检测,得到所述第一螺纹轮廓图像。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至7任一项中所述的螺钉螺纹检测方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任一项所述的螺钉螺纹检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988708.0A CN109102507A (zh) | 2018-08-28 | 2018-08-28 | 螺钉螺纹检测方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988708.0A CN109102507A (zh) | 2018-08-28 | 2018-08-28 | 螺钉螺纹检测方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109102507A true CN109102507A (zh) | 2018-12-28 |
Family
ID=64864022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810988708.0A Pending CN109102507A (zh) | 2018-08-28 | 2018-08-28 | 螺钉螺纹检测方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102507A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059540A (zh) * | 2019-02-28 | 2019-07-26 | 南京航空航天大学 | 一种用于散堆抽芯铆钉识别定位的图像处理方法 |
CN110189348A (zh) * | 2019-05-29 | 2019-08-30 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN110390668A (zh) * | 2019-06-26 | 2019-10-29 | 石家庄铁道大学 | 螺栓松动检测方法、终端设备及存储介质 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
CN115330793A (zh) * | 2022-10-13 | 2022-11-11 | 济宁市兖州区恒升机械有限公司 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201337247A (zh) * | 2012-03-01 | 2013-09-16 | Univ Chienkuo Technology | 螺絲彎曲判別方法及裝置 |
CN103337067A (zh) * | 2013-06-03 | 2013-10-02 | 南京航空航天大学 | 单针扫描式螺纹测量仪探针x轴旋转偏差的视觉检测方法 |
CN107742289A (zh) * | 2017-10-15 | 2018-02-27 | 哈尔滨理工大学 | 一种基于机器视觉回转体工件检测方法 |
US20180114092A1 (en) * | 2016-10-26 | 2018-04-26 | Canon Virginia, Inc. | Devices, systems, and methods for anomaly detection |
CN108416809A (zh) * | 2018-03-09 | 2018-08-17 | 江南大学 | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 |
-
2018
- 2018-08-28 CN CN201810988708.0A patent/CN109102507A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201337247A (zh) * | 2012-03-01 | 2013-09-16 | Univ Chienkuo Technology | 螺絲彎曲判別方法及裝置 |
CN103337067A (zh) * | 2013-06-03 | 2013-10-02 | 南京航空航天大学 | 单针扫描式螺纹测量仪探针x轴旋转偏差的视觉检测方法 |
US20180114092A1 (en) * | 2016-10-26 | 2018-04-26 | Canon Virginia, Inc. | Devices, systems, and methods for anomaly detection |
CN107742289A (zh) * | 2017-10-15 | 2018-02-27 | 哈尔滨理工大学 | 一种基于机器视觉回转体工件检测方法 |
CN108416809A (zh) * | 2018-03-09 | 2018-08-17 | 江南大学 | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 |
Non-Patent Citations (2)
Title |
---|
万海涛: "基于图像的螺纹表面缺陷检测", 《中国优秀博硕士学位论文全文数据库(硕士)信 息科技辑》 * |
基于机器视觉的滑动轴承缺陷检测***设计: "基于机器视觉的滑动轴承缺陷检测***设计", 《组合机床与自动化加工技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059540A (zh) * | 2019-02-28 | 2019-07-26 | 南京航空航天大学 | 一种用于散堆抽芯铆钉识别定位的图像处理方法 |
CN110189348A (zh) * | 2019-05-29 | 2019-08-30 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN110189348B (zh) * | 2019-05-29 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN110390668A (zh) * | 2019-06-26 | 2019-10-29 | 石家庄铁道大学 | 螺栓松动检测方法、终端设备及存储介质 |
CN110390668B (zh) * | 2019-06-26 | 2022-02-01 | 石家庄铁道大学 | 螺栓松动检测方法、终端设备及存储介质 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
CN115330793A (zh) * | 2022-10-13 | 2022-11-11 | 济宁市兖州区恒升机械有限公司 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
CN115330793B (zh) * | 2022-10-13 | 2023-01-31 | 济宁市兖州区恒升机械有限公司 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102507A (zh) | 螺钉螺纹检测方法以及装置 | |
CN111815630B (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
Yeum et al. | Vision‐based automated crack detection for bridge inspection | |
CN108416789A (zh) | 图像边缘检测方法及*** | |
US9552642B2 (en) | Apparatus and method for tracking object using feature descriptor, and apparatus and method for removing garbage feature | |
Sharma et al. | A comparative study of edge detectors in digital image processing | |
CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
US10445868B2 (en) | Method for detecting a defect on a surface of a tire | |
CN108846837B (zh) | 物体表面缺陷检测方法和装置 | |
CN110490839B (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN110378902B (zh) | 一种高噪声背景下的划痕检测方法 | |
CN113109368A (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
Baker et al. | Power line detection using Hough transform and line tracing techniques | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN110458855A (zh) | 图像提取方法及相关产品 | |
CN105959683A (zh) | 一种摄像机镜头分辨率检测方法及装置 | |
CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN106327558A (zh) | 点云立面提取方法和装置 | |
CN109300127A (zh) | 缺陷检测方法、装置、计算机设备及存储介质 | |
CN109255792B (zh) | 一种视频图像的分割方法、装置、终端设备及存储介质 | |
CN112991374A (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
Buza et al. | Unsupervised method for detection of high severity distresses on asphalt pavements | |
Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
CN112950594A (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、***及装置 |
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: 20181228 |