CN111681206A - 喷丝板异型孔尺寸检测方法 - Google Patents
喷丝板异型孔尺寸检测方法 Download PDFInfo
- Publication number
- CN111681206A CN111681206A CN202010382206.0A CN202010382206A CN111681206A CN 111681206 A CN111681206 A CN 111681206A CN 202010382206 A CN202010382206 A CN 202010382206A CN 111681206 A CN111681206 A CN 111681206A
- Authority
- CN
- China
- Prior art keywords
- point
- contour
- hole
- curve
- arcs
- 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
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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种喷丝板异型孔尺寸检测方法,所述喷丝板异型孔尺寸检测方法包括:根据喷丝板孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用非刚性参数化匹配模型,自动对任意一种喷丝板异型孔进行建模和检测,实现异型孔检测的普适性,包括:通过标准异型孔图像进行图像提取、轮廓分析和特征提取,自动生成通用匹配模型;再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种喷丝板异型孔尺寸检测方法。
背景技术
化纤是由熔融聚酯高分子通过喷丝板上的特定形状喷丝孔在高温高压条件下喷射而出再冷凝结晶而形成的丝线,喷丝孔形状尺寸决定了化纤性能,而喷丝板在一定使用周期后要经过超声清洗和烘干后才能再次使用。喷丝孔质量监控是保证喷丝质量重要阶段。一般检测通过由人工通过精密仪器接触式测量孔径等尺寸,再通过双目显微镜检查污垢并清除。由于喷丝板数量众多,人工主观检查影响因素众多,且效率低下,近年来逐渐被基于计算机视觉的自动化检测设备所替代。
当前工业用喷丝板孔质量检测设备主要构成包括XYZ三轴驱动电机***、成像***(相机+放大镜头)、照明***、单片机控制***、工控机及专业软件,其基本工作流程包括板型建模、孔检测、不合格孔处理、数据进库及查询等。因该设备专业性较强,目前主要有美国SPINTRACK和中国科学院及中国台湾等少数几家企业生产,且对异型孔处理都有一定的局限性,特别是出现待检测新型异型孔时,***都要重新开发相应新算法,导致成本提高,时效降低,维护不方便。
传统喷丝板孔尺寸精度检测都是通过图像采集***由人工通过手工标定来进行统计的,这对于操作者的专业性和工作效率要求都很高,近年来有研发者采样图像分析方法自动对孔进行分析和统计,但由于孔的形状复杂多变,每一种孔都采样特定算法进行处理,对企业运营成本要求很高。
发明内容
本发明的目的在于提供一种喷丝板异型孔尺寸检测方法,以解决现有的喷丝板孔尺寸精度检测通用性差的问题。
为解决上述技术问题,本发明提供一种喷丝板异型孔尺寸检测方法,所述喷丝板异型孔尺寸检测方法包括:
根据喷丝板孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用非刚性参数化匹配模型,自动对任意一种喷丝板异型孔进行建模和检测,实现异型孔检测的普适性,包括:
通过标准异型孔图像进行图像提取、轮廓分析和特征提取,自动生成通用匹配模型;
再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,
然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。
可选的,在所述的喷丝板异型孔尺寸检测方法中,自动生成通用匹配模型包括:
对标准异型孔图像进行边缘提取和曲率分析,来分割、融合和定位特征线段;
进行基于特征线段和圆弧特征的形状拟合和端点特征定位,自动生成通用匹配模型。
可选的,在所述的喷丝板异型孔尺寸检测方法中,标准异型孔包括扁平型、三角型、三叶型、单C型、十字型、三C型及桔瓣型。
可选的,在所述的喷丝板异型孔尺寸检测方法中,在配准之前,先对待检测图像进行边缘提取和长度滤波处理,获取轮廓曲线,然后提取其二值化图像的基于极坐标网格编码;通过待测图形和编码组合模板的基于极坐标网格编码预匹配过程,将模板轮廓曲线和特征控制点参数初步投影至待测轮廓曲线空间上,并将模板控制点参数收缩至最优解空间附近;由控制点参数重构封闭分段曲线,构建重构曲线与待测轮廓曲线距离目标函数,最后通过非线性最小二乘优化求解特征参数。
可选的,在所述的喷丝板异型孔尺寸检测方法中,对标准异型孔图像进行边缘提取和曲率分析包括:
设清洁情况下3C孔图像为I={g(x,y),x∈[1,w],y∈[1,h]},w和h分别图像为图像的宽高;用Canny算子提取该图像边缘并进行8邻域细化处理,再进行基于8邻域的边缘交叉点搜索,并将交叉点断裂,然后进行曲线端点搜索并跟踪该轮廓轨迹,直至另一个端点处结束,最后进行长度统计,如果该长度小于设定阈值,则沿该端点逆向跟踪及轨迹擦除;
轮廓长度滤波后,重新搜索上述去噪后的细化曲线端点并标记为0,并设初始连通数cn=0;步骤一,如果为零,则任意选择一个轮廓点进行轮廓跟踪,同时记cn=cn+1,获取轮廓曲线,再判断所有轮廓曲线是否跟踪完毕,否则循环进行该步骤;步骤二,以标记为0的第一个端点为起点进行轮廓曲线跟踪,记cn=cn+1,当跟踪至另一个端点时,再寻找一定半径范围(r1)内最近距离标记为0端点,再继续下一段轮廓曲线跟踪,直至所以端点标记点跟踪完毕,如果当前端点跟踪完成后还有剩余标记为0端点,则继续循环该步骤,如果无标记为0端点,但还有轮廓曲线未跟踪,则进行循环步骤一。
可选的,在所述的喷丝板异型孔尺寸检测方法中,对标准异型孔图像进行边缘提取和曲率分析还包括:
(I)曲率分布直线阈值为cthr1,曲率分布圆弧阈值为cthr2,通常 cthr2<<cthr1,阈值分割标记曲线为
(II)设定长度阈值为lthr,先沿分割标记曲线的起点跟踪统计每个分割线段的长度,对第j段,起点和终点分别为和统计长度及线段中心k=(j1+j2)/2;顺序检查所有分割线段,当时,如果则将该线段反向溯源并设并将线段j与相邻标记为1的分割线段合并标记,重复迭代,直至无满足条件后退出;顺序检查所有分割线段,当时,如果则将该线段反向溯源并设并将线段j与相邻标记为2的分割线段合并标记,重复迭代,直至无满足条件后退出;最终有效线段集合表示为tp=0表示该线段为直线,否则为圆弧,n为有效线段总数;对有效线段集合Kt,当时,取轮廓跟踪曲线Lt中点集进行基于最小二乘的直线拟合,并标记为分别表示斜率和截距,当时进行基于最小二乘的圆拟合,并标记为当圆弧的相邻两个线段均为直线时,如果两条拟合直线相交角度大于一定阈值θ1,则求解两条直线交点,搜索该点至圆弧最近点距离,但该距离小于一定阈值d1时,则取消该圆弧标记。
可选的,在所述的喷丝板异型孔尺寸检测方法中,进行基于特征线段和圆弧特征的形状拟合和端点特征定位包括:
线段特征控制点求解,采用分段曲线建模,模型中只包含线段和圆弧,其中线段用起点和终点两个特征点表示,分别为与前后两个线段线或圆弧的终点和起点,圆弧用起点、终点和中间点三个特征点表示,其中中间点表示圆弧方向,其起点与终点分别为前后两个线段或圆弧的终点和起点,模型中相邻线段为直线与直线、直线与圆弧或者圆弧与圆弧三种连接类型;
有效线段集合Kt中各线段起点、终点和中点是基于轮廓跟踪曲线表示的,且相邻线段间没有共有连接点属性,计算相邻线段共有连接点,并且线段特征点重新投影至参数化特征曲线上;
在相邻线段共有连接点生成时,三种情况分别处理如下:(I)直线段与直线段求解交点;(II)线段与圆弧相交分两种情况,当线段与圆弧没有交点时,先获取圆弧圆心在该直线上的投影点,然后取投影点与圆心连线与圆弧交点,再去圆弧交点与投影点连线中心为特征点,反之,则选择直线与圆弧切点或者离圆弧中心最近的交点为特征点;(III)圆弧与圆弧相交分三种情况,当两圆弧不相交且不属包含关系时,选择两圆弧中心连线与两圆弧交点线段的中点作为特征点;当两圆弧不相交且属于包含关系时,选择内圆弧上轮廓点至外圆弧轮廓点距离最近两点线段中点为特征点;当两圆弧相交,先计算两圆弧交界点或彼此间轮廓曲线段中离双方最近点,再选择两个圆弧相交中离该点最近的交点为特征点;
至此,在确定各分段曲线特征点参数后,参数化封闭曲线模型表示如下:F={fi=(fi,x,fi,y),i∈[1,fn]}, 其中F为所有特征点集合,Pt为t连通直线段特征点编号索引集合,Qt为t连通圆弧特征点编号索引集合,s为起始特征点编号,e为终点特征点编号,c为圆弧方向点特征点编号,fn为整个特征点总数,为t连通直线段总数,为t连通圆弧线段总数。
可选的,在所述的喷丝板异型孔尺寸检测方法中,通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置包括:
获取基于极坐标网格编码的预匹配模型,采用最优阈值法计算图像的最优阈值Goptimal并进行分割,得到二值化图像
Ibin={gbin(x,y)=[g(x,y)>Goptimal?1:0],x∈[1,w],y∈[1,h]},w和h分别图像为图像的宽高,计算像素为1的分割区域重心并设为极坐标旋转中心;以此中心估计有效区域最大外接圆半径rmax,设定径向采集步长rstep、旋转角度采集步长θstep和起始径向采集半径rstart,计算第i径向和第j旋转采集网格的起点和终点位置和径向和旋转采集网格数rn=INT((rmax-rstart)/rstep)和bn=INT(2*pi/θstep),i=[0,rn-1], j=[0,bn-1],构建极坐标网格B(i,j),该网格编码值N(i,j)={∑(x,y)∈M(B(i,j))gbin(x,y)}, M(B(i,j)为B(i,j)对应的极坐标网格在二值化图像Ibin中的区域;预匹配模型表示为
可选的,在所述的喷丝板异型孔尺寸检测方法中,再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置包括:
建立编码组合模板,整个编码组合包含孔型类别,代表圆孔的0或代表异型孔的1、孔连通数-、轮廓跟踪曲线、极坐标网格编码、参数化特征控制点编码和孔检测特征指标编码,表示为{h,cn,M,Lt,F,Pt,Qt,T,t∈[1,cn]},其中Lt是为了后续多连通孔单连通局部匹配,T为检测特征指标编码,包括各连通区域孔面积areat、各连通区域周长perit、整个轮廓跟踪曲线外接圆半径 orad、各直线段的长度各圆弧长及半径直线段间距同向圆弧的径向差径向圆弧弧顶至孔中心距离同向圆弧间距反向圆弧间距直线段夹角具体指标根据孔型适当调整。
设待检测孔轮廓和基于极坐标网格编码分别为
在极坐标网格编码匹配时,径向采集网格数rn=min(rn1,rn2);模板特征网格编码匹配至待测网格编码的目标函数如下:
适中k∈[0,bn-1],采用轮盘赌方式求解最优θmin=k*θstep+θstep*0.5;图8 所示了同类型待匹配孔旋转校正前后的匹配结果示意图,最优匹配k=5,θmin=0.192;
可选的,在所述的喷丝板异型孔尺寸检测方法中,将模板轮廓曲线和特征控制点参数初步投影至待测轮廓曲线空间上,并将模板控制点参数收缩至最优解空间附近包括:
多连通中单连通区域局部匹配,对于多连通孔型,采用模板和待匹配轮廓中对应单连通曲线局部预匹配方法,包括:
单连通区域轮廓曲线配对,先搜索第t1连通轮廓中每个点至轮廓中最近第j点并标记其连通编号t2,然后统计模板曲线第t1连通中频率最高的待测轮廓连通编号并建立索引t1→t2,重复搜索所有模板轮廓并建立编号索引,最后将模板和特征指标编码T中各通道索引号t1用t2代替;
单连通区域轮廓局部预匹配,设定第t连通目标函数如下:
F1变换为F2,如下所示:
可选的,在所述的喷丝板异型孔尺寸检测方法中,非线性配准为通过调整模板曲线特征点位置,使待检测轮廓曲线各点投影至模板分段封闭曲线{F,Pt,Qt}上的距离均方差最小;令为第t连通待测轮廓第k点在模板第i直线段投影距离函数,为第t连通待测轮廓第k点在模板第j圆弧段投影距离函数,F为F1(当cn=1时)或F2(当cn>1时);当待测轮廓点在直线上的投影pd位于以外时,否则当投影点pk在圆弧形成的扇形范围内时,否则其模板特征控制点F非线性匹配的基于非线性最小二乘优化目标函数如下:
在本发明提供的喷丝板异型孔尺寸检测方法中,提出一种基于线段和圆弧组合的通用非线性参数化混合匹配模型,解决了化纤喷丝板异型孔检测及质量监控的普适性要求。该模型从标准孔图像生成,然后通过匹配至待测孔轮廓图像上,再计算出相应的特征参数,通过模板特征参数与检测特征参数比较,可以判定该异型孔特定参数是否符合要求。通过异型孔检测的部分数据分析表明,该方法可以作为化纤厂喷丝板异型孔加工及生产过程中的质量监控手段。
图像配准列来是研究热点,特别是在医学应用、遥感、生物识别、图像拼接、三维重建、手写识别、图片识别等领域,包括基于特征点匹配 (包括特征点提取、配对及鲁棒去噪估计)、基于纹理相关匹配、基于样条函数的非线性弹性模板配准、基于参数化样条的形变模型配准等。本发明考虑到复杂多样的喷丝孔边缘轮廓特征,用已有算法很难准确进行特征点定位,采用一种非线性参数化混合匹配模型,它不仅利用异型孔轮廓边缘曲率特征进行直线段和圆弧的分割和识别,计算相邻解析线段的交点作为控制特征点,而且利用孔全局通透纹理和轮廓信息作为刚性预匹配目标函数配准数据,共同组成参数化编码目标。在非线性配准过程中,本发明区别于以往通过基于特征点特征矢量相关匹配来构建目标函数方法,而是通过参数化重构分段曲线来构造待测轮廓点至分段曲线最小距离的目标函数来进行基于最小二乘的特征控制点参数优化。
附图说明
图1是本发明一实施例中的异型孔示意图;
图2是本发明一实施例中的图像采集***示意图;
图3是本发明一实施例中孔边缘轮廓提取、长度滤波及轮廓曲线跟踪示意图;
图4是本发明另一实施例中轮廓曲率曲线分割、线段融合及基于最小二乘拟合重构;
图5是本发明另一实施例中线段特征控制点生成示意图;
图6是本发明另一实施例中极坐标网格编码图形示意图;
图7是本发明另一实施例中异型孔检测特征指标示意图;
图8是本发明另一实施例中基于极坐标网格编码的预匹配结果示意图;
图9是本发明另一实施例中多连通中单连通区域局部匹配过程示意图;
图10是本发明另一实施例中非线性配准中轮廓投影距离计算规则和匹配结果;
图11是本发明另一实施例中对应孔型的部分异型孔图像;
图12是本发明另一实施例中对应孔型的部分异型孔图像;
图13是本发明另一实施例中为存在不同程度污垢情况下的模板非线性配准及误差分布。
具体实施方式
以下结合附图和具体实施例对本发明提出的喷丝板异型孔尺寸检测方法作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明的核心思想在于提供一种喷丝板异型孔尺寸检测方法,以解决现有的喷丝板孔尺寸精度检测通用性差的问题。
为实现上述思想,本发明提供了一种喷丝板异型孔尺寸检测方法,所述喷丝板异型孔尺寸检测方法包括:根据喷丝板孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用非刚性参数化匹配模型,自动对任意一种喷丝板异型孔进行建模和检测,实现异型孔检测的普适性,包括:通过标准异型孔图像进行图像提取、轮廓分析和特征提取,自动生成通用匹配模型;再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。
<实施例一>
本实施例根据喷丝板孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用化非刚性参数化匹配模型,自动对任意一种喷丝板异型孔进行建模和检测,实现异型孔检测的普适性,包括:通过标准异型孔图像进行图像提取、轮廓分析和特征提取,自动生成通用匹配模型;再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。例如,先对标准异型孔图像进行边缘提取和曲率分析,来分割、融合和定位特征线段,再进行基于线段和圆弧特征的形状拟合和端点特征定位,,自动生成通用匹配模型;最后与基于极坐标网格编码的预匹配模型组合成与孔型相关的编码组合。
模板配准时,先进行基于极坐标网格编码的旋转预匹配,然后再进行单连通孔全局及多连通孔局部刚性预匹配,将模板特征控制点参数初步投影到待测孔轮廓曲线上,最后构建基于待测孔轮廓点到重构模板曲线分段投影最短距离的目标函数,采用非线性最小二乘参数最优搜索方法,实现重构模板曲线与待测孔轮廓曲线的最优非刚性配准。本发明给出6种喷丝板异型孔的通用非刚性参数化模型建模和配准过程,并提出了与孔型相关的线段长度、线段间夹角、弧长及半径等孔质量监控参数。本发明给出了 6种异型孔检测结果统计数据,并分析了孔型、污垢等影响因素。
根据喷丝板异型孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用非刚性参数化匹配模型,通过标准孔型图像的轮廓分析和特征提取,自动生成通用匹配模型,再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。这样通过该模型,可以自动对任何一种喷丝板异型孔进行建模和检测,解决了异型孔检测的普适性问题。
图像配准列来是研究热点,特别是在医学应用、遥感、生物识别、图像拼接、三维重建、手写识别、图片识别等领域,包括基于特征点匹配(包括特征点提取、配对及鲁棒去噪估计)、基于纹理相关匹配、基于样条函数的非线性弹性模板配准、基于参数化样条的形变模型配准等。本发明考虑到复杂多样的喷丝孔边缘轮廓特征,用已有算法很难准确进行特征点定位,采用一种非线性参数化混合匹配模型,它不仅利用异型孔轮廓边缘曲率特征进行直线段和圆弧的分割和识别,计算相邻解析线段的交点作为控制特征点,而且利用孔全局通透纹理和轮廓信息作为刚性预匹配目标函数配准数据,共同组成参数化编码目标。在非线性配准过程中,本发明区别于以往通过基于特征点特征矢量相关匹配来构建目标函数方法,而是通过参数化重构分段曲线来构造待测轮廓点至分段曲线最小距离的目标函数来进行基于最小二乘的特征控制点参数优化。
具体的,匹配模型生成包括对喷丝孔进行分类,分为常规圆及异型孔,根据通透区域的对称性及圆度特征,喷丝孔可分为常规圆孔和异型孔,一般异型孔包括扁平、三角、三叶、单C、十字、桔瓣等,如图2第一至第四行所示。另外,还分为单连通和多连通,根据通透区域的连通性质,可分为单连通和多连通孔,常见类型包括双C、三C、四C等,如图1第五行所示。然后进行图像采集,本***三轴电机控制***采用ADlink伺服电机控制***,采集***采用500M工业相机(Basler),图像分辨率为 2592x1944x8bit,放大***采用14倍变焦***(Pomeas),光源采用正投射和背投射LED照明方式,对焦开启上光源,图像采集开启下光源(背光源),图2所示采集***和一幅典型三叶异行孔精准对焦后的上光源照明图像和下光源照明图像及一系列常规异型孔下光源照明图像,孔型依次为3C、十字、三叶、扁平、三角、1C型孔。这里注意如果后续没有特别说明,图像采集皆为下光源照明方式。
进一步的,轮廓曲线提取包括边缘提取及轮廓曲线跟踪,以及基于轮廓曲线曲率分析的线段分割和拟合,线段特征控制点求解,基于极坐标网格编码的预匹配模型,获取编码组合模板。图2为清洁3C孔图像,设为 I={g(x,y),x∈[1,w],y∈[1,h]},w和h分别图像为图像的宽高。用Canny算子提取该图像边缘并进行8邻域细化处理,这里边缘提取的强度阈值采用经验值,太低会增加不要噪声,太高会丢失重要细节。考虑到成像***对焦误差和清洗不净的孔边缘污垢会导致轮廓边缘分叉、断裂和重叠,再进行基于8邻域的边缘交叉点搜索,并将交叉点断裂,然后进行曲线端点搜索并跟踪该轮廓轨迹,直至另一个端点处结束,最后进行长度统计,如果该长度小于设定阈值,则沿该端点逆向跟踪及轨迹擦除。图3所示为3C孔图像的轮廓提取及长度阈值滤除过程。图3(a)为3C孔图像轮廓边缘细化图像;图3(b)为局部轮廓边缘修剪及长度去噪过程,其中左上角为未修剪轮廓,左下角图像中红色点为检测交叉点,蓝色为端点,右上角图像中蓝色曲线为待擦除轮廓,右下角为修剪后的轮廓;图3(c)为滤波后的边缘轮廓及轮廓曲线跟踪结果示意图,其中不同颜色代表不同连通区域;
轮廓长度滤波后,重新搜索上述去噪后的细化曲线端点并标记为0,并设初始连通数cn=0。(I):如果为零,则任意选择一个轮廓点进行轮廓跟踪,同时记cn=cn+1,获取轮廓曲线,再判断所有轮廓曲线是否跟踪完毕,否则循环进行(I);(II)以标记为0的第一个端点为起点进行轮廓曲线跟踪,记cn=cn+1,当跟踪至另一个端点时,再寻找一定半径范围(r1)内最近距离标记为0端点,再继续下一段轮廓曲线跟踪,直至所以端点标记点跟踪完毕,如果当前端点跟踪完成后还有剩余标记为0端点,则继续(II)循环,如果无标记为0端点,但还有轮廓曲线未跟踪,则进行(I)循环。
具体的,基于轮廓曲线曲率分析的线段分割和拟合包括,设第t连通轮廓跟踪曲线其中为轮廓点坐标,mt为轮廓点数, t∈[1,cn]。抽取当前跟踪点及其前后一定半径范围(r2)内最远轮廓点和 (如图4(a)所示),并采用基于最小二乘算法进行圆拟合,并以拟合圆的半径为曲率算子计算整个轮廓曲线曲率分布并采用双阈值法对曲率分布进行圆弧和直线的分割和融合(如图4(b)所示)。算法流程包括:(I)曲率分布直线阈值为cthr1,曲率分布圆弧阈值为cthr2,通常cthr2<<cthr1,阈值分割标记曲线为
即不同半径的圆弧在曲率分布曲线上都有明显差异,合适的曲率半径阈值能够将圆弧进行分割和定位,但圆弧半径大于极限阈值时,可以认为该段圆弧近似直线;(II)设定长度阈值为lthr,先沿分割标记曲线的起点跟踪统计每个分割线段的长度,对第j段,起点和终点分别为和统计长度及线段中心k=(j1+j2)/2。顺序检查所有分割线段,当时,如果(对应图4(b)和图4(c)中黑色线段部分),则将该线段反向溯源并设并将线段j与相邻标记为1的分割线段合并标记,重复迭代,直至无满足条件后退出。顺序检查所有分割线段,当时,如果(图4(c)中前后相邻为红色或黑色线段部分),则将该线段反向溯源并设并将线段j与相邻标记为2的分割线段合并标记,重复迭代,直至无满足条件后退出。最终有效线段集合可表示为tp=0表示该线段为直线,否则为圆弧,n为有效线段总数。对有效线段集合Kt,当时,取轮廓跟踪曲线Lt中点集进行基于最小二乘的直线拟合,并标记为分别表示斜率和截距,当时进行基于最小二乘的圆拟合,并标记为当圆弧的相邻两个线段均为直线时,如果两条拟合直线相交角度大于一定阈值θ1,则求解两条直线交点,搜索该点至圆弧最近点距离,但该距离小于一定阈值d1时,则取消该圆弧标记,如图4(k)~(m)所示。图4所示了孔轮廓跟踪曲率分布、线段分割及融合、线段参数拟合及重构过程。图4(a)曲率算子计算示意图;图4(b)为3 连通孔的曲率发布权限及双阈值分割示意图;图4(c)为3连通曲率分割后曲线轮廓跟踪位置示意图,图中红色线段为小半径圆弧,绿色线段为大半径圆弧,黑色线段为直线段;图4(d)为线段修剪和融合后的曲线轮廓跟踪位置示意图;图4(e)~(j)为基于最小二乘参数拟合后的重构示意图;图4(k)为分割线段修剪和融合结果示意图;图4(l)为(k)的线段参数拟合后的重构示意图;图4(m)为直线段夹角的圆弧误判示意图;
线段特征控制点求解包括如图5所示,图5包括:(a)直线段和圆弧控制点和连接点示意图;图(b)~(d)三种类型线段间连接控制点生成规则;图(h)~(m)为特征控制点及选段的生成编号,黑圈为连接控制点,黄圈为圆弧中间控制点,黑色为直线段,红色为小圆弧,绿色为大圆弧,li 代表第i直线段,l(i,j)代表第i连通第j直线段,cj代表单连通孔的第j圆弧, c(i,j)代表多连通第i连通第j圆弧。
不同于样本直接抽样生成模板方法,这里采用参数化封闭曲线模型来生成匹配模板。该模型采用分段曲线建模,模型中只包含线段和圆弧,其中线段用起点和终点两个特征点表示,分别为与前后两个线段线或圆弧的终点和起点,圆弧用起点、终点和中间点三个特征点表示,其中中间点表示圆弧方向,其起点与终点分别为前后两个线段或圆弧的终点和起点,模型中相邻线段只可能出现直线与直线、直线与圆弧或者圆弧与圆弧三种连接类型,如图5(a)所示。有效线段集合Kt中各线段起点、终点和中点是基于轮廓跟踪曲线表示的,且相邻线段间没有共有连接点属性,因此为了生成所需匹配模板,还需要计算相邻线段共有连接点,并且线段特征点重新投影至参数化特征曲线上。在相邻线段共有连接点生成时,三种情况分别处理如下:(I)直线段与直线段求解交点(如图5(b)所示);(II)线段与圆弧相交分两种情况,当线段与圆弧没有交点时,先获取圆弧圆心在该直线上的投影点,然后取投影点与圆心连线与圆弧交点,再去圆弧交点与投影点连线中心为特征点(如图5(d)所示),反之,则选择直线与圆弧切点或者离圆弧中心最近的交点为特征点(如图5(c)所示);(III)圆弧与圆弧相交分三种情况,当两圆弧不相交且不属包含关系时,选择两圆弧中心连线与两圆弧交点线段的中点作为特征点(如图5(f)所示);当两圆弧不相交且属于包含关系时,选择内圆弧上轮廓点至外圆弧轮廓点距离最近两点线段中点为特征点(如图5(g)所示);当两圆弧相交,先计算两圆弧交界点或彼此间轮廓曲线段中离双方最近点,再选择两个圆弧相交中离该点最近的交点为特征点(如图5(e)所示)。图5(b)直线段相交,取交点;图5(c)直线段与圆弧相交,取最靠近圆弧中心的交点,直线段与圆弧相切,取切点相交,取交点;图5(d)直线段与圆弧分离,取该圆弧圆心至该直线的投影点与投影线与圆弧交点连线的中点;图5(e)两圆弧相切,取切点,两圆弧相交,取最靠近小圆弧的交点;图5(f)两圆弧分离,取两圆弧圆心连线与两圆弧交点连线中点;图5(g)两圆弧包含,取两圆弧圆心连线与两圆弧交点连线中点;至此,在确定各分段曲线特征点参数后,参数化封闭曲线模型表示如下:F={fi=(fi,x,fi,y),i∈[1,fn]}, 其中F为所有特征点集合,Pt为t连通直线段特征点编号索引集合,Qt为t连通圆弧特征点编号索引集合,s为起始特征点编号,e为终点特征点编号,c为圆弧方向点特征点编号,fn为整个特征点总数,为t连通直线段总数,为t连通圆弧线段总数。图5图示了整个特征点求解过程及结果,其中图5的参数封闭曲线模型为:
P1=P2=P3={NULL} (2)
Q1={(1,3,2),(4,5,1),(6,7,4),(2,8,6)} (3)
Q2={(9,11,10),(12,13,9),(14,15,12),(10,16,14)} (4)
Q1={(17,19,18),(20,21,17),(22,23,20),(18,24,22)} (5)
基于极坐标网格编码的预匹配模型包括,考虑到同一喷丝板中每个孔位置分布离散性、自身形状各向异性及加工误差,直接对采集图像轮廓进行参数化配准不仅耗时,而且容易陷入局部最优,因此需要一个包含中心位移、尺度缩放、取向校正的快速预匹配过程来缩小匹配参数搜索范围,特别是各向异性分布孔及尺度差异较大孔匹配影响更大。这里采用基于极坐标网格编码模型来构建预匹配模型,具体过程包括:采用最优阈值法计算图像的最优阈值Goptimal并进行分割,得到二值化图像w和h分别图像为图像的宽高,计算像素为1的分割区域重心并设为极坐标旋转中心;以此中心估计有效区域最大外接圆半径rmax,设定径向采集步长rstep、旋转角度采集步长θstep和起始径向采集半径rstart,计算第i径向和第j旋转采集网格的起点和终点位置和径向和旋转采集网格数rn=INT((rmax-rstart)/rstep)和bn=INT(2*pi/θstep),i=[0,rn-1],j=[0,bn-1],构建极坐标网格B(i,j),该网格编码值N(i,j)={∑(x,y)∈M(B(i,j))gbin(x,y)}, M(B(i,j)为B(i,j)对应的极坐标网格在二值化图像Ibin中的区域。因此预匹配模型可表示为图6为对应的极坐标网格编码图形,参数为rstart=rstep=10,θstep=2。
获取编码组合模板包括,整个编码组合包含孔型类别(0:圆孔,1:异型孔)、孔连通数-、轮廓跟踪曲线、极坐标网格编码、参数化特征控制点编码和孔检测特征指标编码,表示为{h,cn,M,Lt,F,Pt,Qt,T,t∈[1,cn]},其中Lt是为了后续多连通孔单连通局部匹配,T为检测特征指标编码,包括各连通区域孔面积areat、各连通区域周长perit、整个轮廓跟踪曲线外接圆半径orad、各直线段的长度各圆弧长及半径直线段间距(一个线段两个端点至另一个线段投影距离的平均值)、同向圆弧的径向差径向圆弧弧顶至孔中心距离(先求圆弧圆心与孔中心连线与圆弧的交点,然后求取该交点与孔中心距离)、同向圆弧间距(先求小半径圆弧的两个端点与大半径圆弧圆心连线在大圆弧上交点,然后求小圆弧两端点与对应交点线段长度的平均值)、反向圆弧间距 (两个圆弧中心连线与两圆弧交点线段距离)、直线段夹角等,具体指标根据孔型适当调整。图5(h)三叶孔的特征指标编码为
图6是本发明另一实施例中极坐标网格编码图形示意图;(a)~(f)分别对应、的极坐标网格编码图形。图7所示了部分异型孔检测特征指标示意图。从左至右分别为:同向圆弧径向差、反向圆弧间距、径向圆弧弧顶至孔中心距离、直线段间距和直线段夹角。同向圆弧的径向差相向圆弧间距径向圆弧弧顶至孔中心距离直线段间距直线段夹角
进一步的,模型配准包括两个阶段,对于每一个待检测孔图像,预匹配能够显著缩短非线性配准的时间和提升非线性配准的精度。在配准之前,先对待检测图像进行边缘提取和长度滤波处理,获取轮廓曲线,然后提取其二值化图像的基于极坐标网格编码。通过待测图形和编码组合模板的基于极坐标网格编码预匹配过程,将模板轮廓曲线和特征控制点参数初步投影至待测轮廓曲线空间上,并将模板控制点参数收缩至最优解空间附近。由控制点参数重构封闭分段曲线,构建重构曲线与待测轮廓曲线距离目标函数,最后通过非线性最小二乘优化求解特征参数。设模板特征编码为其中
预匹配包括,设待检测孔轮廓和基于极坐标网格编码分别为这里略去尺度变换,主要是考虑在实际应用中,同一孔型图像采样时都设定用同一放大系数。待测图像基于极坐标网格编码的计算参数与编码组合模板计算时一致,但因为孔形状和位置略有偏差,导致径向网格数有一定差异,所以在极坐标网格编码匹配时,径向采集网格数rn=min(rn1,rn2)。模板特征网格编码匹配至待测网格编码的目标函数如下:
适中k∈[0,bn-1],可以采用轮盘赌方式求解最优θmin=k*θstep+θstep*0.5。图8所示了同类型待匹配孔旋转校正前后的匹配结果示意图,最优匹配 k=5,θmin=0.192。
图8包括(a)带匹配异型孔图像;(b)和(c)分别为旋转校正前后待测图像与模板间的极坐标网格编码误差对比图;(d)和(e)分别为旋转校正前后模板特征控制点投影至待测图像上的误差对比分布。
在获取预旋转角度θmin后,进行基于参数
其中,多连通中单连通区域局部匹配包括,对于多连通孔型,由于可能存在的加工误差,导致不同连通区域的形状和相对位置存在较大差异,上述全局性预匹配可能不能满足精细配准要求(见图8(e)中两个对应单连通区域轮廓仍然存在一定误差),因此这里采用模板和待匹配轮廓中对应单连通曲线局部预匹配方法,具体流程如下:
单连通区域轮廓曲线配对包括,先搜索第t1连通轮廓中每个点至轮廓中最近第j点并标记其连通编号t2,然后统计模板曲线第t1连通中频率最高的待测轮廓连通编号并建立索引t1→t2,重复搜索所有模板轮廓并建立编号索引,最后将模板和特征指标编码T中各通道索引号t1用t2代替。图9(a)为图8(e)中待测轮廓与模板轮廓连通索引号差异图示(用不同颜色标记不同连通区域),图9(b)为索引编号重新配对修正后的图示。(a)和(b)分布为待测轮廓与模板轮廓连通索引号修正前后的图示(不同颜色对应不同连通编号);(c)待测图像各单连通区域与模板配对区域重新局部预匹配后的效果图;(d)为待测轮廓与预匹配前后模板轮廓的匹配误差比较图(线段长度代表误差)。
单连通区域轮廓局部预匹配包括,设定第t连通目标函数如下:
F1变换为F2,如下所示:
其中(Pt)和(Qt)表示Pt和Qt线段对应的特征点编号。图9(c)图示了经过局部预匹配后的各模板单连通区域控制点在待测轮廓边缘分布情况,由图可知,此处理能有效提高特征控制点匹配精度。
最后,非线性配准如图10所示,图10是本发明另一实施例中非线性配准中轮廓投影距离计算规则和匹配结果;(a)和(b)分别为待测轮廓投影至模板直线段和圆弧段距离计算规则示意图;(c)为图4(c)非线性配准结果及匹配误差分布;(d)~(h)分别为图4(d)~图4(h)的非线性配准结果及配准前后匹配误差分布。非线性配准就是通过调整模板曲线特征点位置,使待检测轮廓曲线各点投影至模板分段封闭曲线{F,Pt,Qt}上的距离均方差最小。令为第t连通待测轮廓第k点在模板第i直线段投影距离函数,为第t连通待测轮廓第k点在模板第j圆弧段投影距离函数,F为F1(当cn=1时)或F2(当cn>1时)。函数计算规则如图10(a)所示,当待测轮廓点在直线上的投影pd位于以外时,否则函数计算规则如图10(b)所示,当投影点pk在圆弧形成的扇形范围内时(po为圆弧拟合圆中心,pc为圆弧段方向标记中心),否则其模板特征控制点F非线性匹配的基于非线性最小二乘优化目标函数如下:
图10(c)~图10(h)分别为图4(e)~图4(j)的非线性匹配结果。由匹配误差图可知,经过非线性配准,由特征控制点重构的模板轮廓与待测轮廓重叠度很好;如果待测异型孔不存在污垢,则刚性预匹配与非线性配准结果差异不大,因此在实际检测应用中,为了提高效率,对精度要求不高的大孔径喷丝板质量监控中可以略去非线性配准过程。
因为异型孔检测特征指标很多,这里根据只选择对后道成丝质量相关性较大的主要指标进行分析讨论,并且统计比较模板与整块喷丝板孔检测指标均值及其离散分布。通过这些数据统计与分析,设定关键指标的上下阈值,可以监控喷丝板孔尺寸是否满足工艺要求,同时通过数据跟踪,可以进行问题成丝的工序溯源和定位。
单连通异型孔检测结果分析及数据统计如下:
图11第1行至第5行分别为对应孔型的某编号喷丝板中部分喷丝孔图像,表1~表5分别为对应孔型的某编号喷丝板全部喷丝孔图像检测指标统计结果。
表1 十字孔检测结果数据分析
p1:连通区域面积(1);p2:连通区域周长(1);p3:圆弧弧顶至中心距离(1,01);p4:圆弧弧顶至中心距离(1,02);p5:圆弧弧顶至中心距离 (1,03);p6:圆弧弧顶至中心距离(1,04);p7:直线段间距(1,01)-(1,08); p8:直线段间距(1,02)-(1,03);p9:直线段间距(1,04)-(1,05);p10:直线段间距(1,07)-(1,06);p11:直线段夹角(1,01)-(1,02);p12:直线段夹角 (1,03)-(1,04);p13:直线段夹角(1,05)-(1,06);p14:直线段夹角(1,07)-(1,08)。 (其中(i)及(i,j)中i表示连通区域编号,j表示直线段或圆弧编号,表中p1单位为μm2,其他均为μm,后同)
表2 三叶孔检测结果分析
p1:连通区域面积(1);p2:连通区域周长(1);p3:圆弧弧顶至中心距离(1,01);p4:圆弧弧顶至中心距离(1,03);p5:圆弧弧顶至中心距离 (1,05);p6:圆弧弧顶至中心距离(1,02);p7:圆弧弧顶至中心距离(1,04); p8:圆弧弧顶至中心距离(1,06);p9:直线段间距(1,01)-(1,06);p10:直线段间距(1,04)-(1,05);p11:直线段间距(1,02)-(1,03)。
表3 扁平丝检测结果分析
p1:连通区域面积(1);p2:连通区域周长(1);p3:直线段间距 (1,01)-(1,02);p4:反向圆弧间距(1,01)-(1,02)。
表4 三角孔检测结果分析
p1:连通区域面积(1);p2:连通区域周长(1);p3:直线段夹角 (1,01)-(1,02);p4:直线段夹角(1,01)-(1,03);p5:直线段夹角(1,02)-(1,03); p6:线段长度(1,01);p7:线段长度(1,02);p8:线段长度(1,03)。
表5 1c孔检测结果分析
p1:连通区域面积(1);p2:连通区域周长(1);p3:同向圆弧半径差 (1,01)-(1,03);p4:相向圆弧间距(1,02)-(1,04);p5:圆弧弧长(1,01);p6:圆弧半径(1,01);p7:圆弧弧长(1,03);p8:圆弧半径(1,03)。
表1~表5中面积和周长指标作为整体指标在实际检测应用中通常作为孔通透性(污垢指标)依据,其他指标都是局部尺寸指标,通常用来判断孔是否合格。从表1~表4可看出,p2以后的指标绝对误差和标准差范围基本在2μm范围内,表明由直线段和小圆弧构成的异型孔加工精度容易控制,而表5大圆弧因弧长较长且加工精度要求不高,导致其指标离散性较大。
4.2多连通异型孔检测结果分析及数据统计
表6 3c孔检测结果数据分析
p1:同向圆弧间距(2,02)-(2,04);p2:同向圆弧间距(1,02)-(1,04);p3:同向圆弧间距(3,02)-(3,04);p4:圆弧弧顶至中心距离(2,04);p5:圆弧弧顶至中心距离(1,02);p6:圆弧弧顶至中心距离(3,04);p7:相向圆弧间距(2,01)-(1,01);p8:相向圆弧间距(1,03)-(3,03);p9:相向圆弧间距 (3,01)-(2,03);p10:圆弧弧长(1,02);p11:圆弧弧长(2,04);p12:圆弧弧长(3,04)。
表6为3c孔检测结果,由该表可知,其各项指标的离散度均要高于单连通孔指标,特别是弧长,这是因为:(1)多连通孔加工工艺要较单连通复杂;(2)同1c加工一样,由于孔尺寸较大,对加工的精度要求相对较低; (3)多连通特征控制点较多,非线性配准时圆弧间交叉控制点可能存在漂移,从而影响弧长精度。
每行从左至右分别为:原图、刚性预匹配结果、非线性配准结果及最终匹配误差分布图。
表7 3c孔污垢情况下的检测值与模板参考值对比
p1~p12定义同表1。
图13第1~2行分别对应严重污垢和适中污垢的3c异型孔检测结果示意图,第3行对应严重污垢的十字孔检测结果,第4行对应适中污垢的3 叶孔检测结果,第5行对应轻微污垢的偏平丝检测结果。由每行第2列的刚性预匹配结果可知,污垢存在与否对模板特征定位影响很小,这主要是因为该阶段是基于轮廓曲线间的匹配,非全局性污垢(指孔内被大部分污垢阻塞)对整体轮廓匹配误差贡献率很小。由每行第3列的非线性配准结果可知,对于严重污染的孔,在优化时为了保持重构轮廓与实际轮廓间距离误差平方和最小,导致其优化后的控制特征点位置与模板位置严重偏离,从而导致重构特征曲线位置失真;但对于适中污垢以下的孔,其刚性和非线性配准后的特征控制点及重构曲线基本没有太大的偏差。每行第4列所示了每个实际轮廓点匹配误差量化数据。表7所示了3c孔污染严重和污染适中情况下孔检测指标的对比,通过表中的偏差数据可以看出,污染严重的连通区域孔尺寸已经偏离正常值很多,而污染适中的孔尺寸偏差与表6 的正常孔检测统计结果对比还是基本在正常范围内。
本发明提出一种基于线段和圆弧组合的通用非线性参数化混合匹配模型,解决了化纤喷丝板异型孔检测及质量监控的普适性要求。该模型从标准孔图像生成,然后通过匹配至待测孔轮廓图像上,再计算出相应的特征参数,通过模板特征参数与检测特征参数比较,可以判定该异型孔特定参数是否符合要求。通过6种异型孔检测的部分数据分析表明,该方法可以作为化纤厂喷丝板异型孔加工及生产过程中的质量监控手段。
综上,上述实施例对本发明的不同方案进行了详细说明,当然,本发明包括但不局限于上述实施中所列举的构型,任何在上述实施例提供的构型基础上进行变换的内容,均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (10)
1.一种喷丝板异型孔尺寸检测方法,其特征在于,所述喷丝板异型孔尺寸检测方法包括:
根据喷丝板孔出丝面外轮廓加工设计时主要基于线段和圆弧组合的机理,采用基于线段和圆弧组合的通用非刚性参数化匹配模型,自动对任意一种喷丝板异型孔进行建模和检测,实现异型孔检测的普适性,包括:
通过标准异型孔图像进行图像提取、轮廓分析和特征提取,自动生成通用匹配模型;
再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置,将由非刚性匹配模型重构后的模型轮廓最优配准至待测孔轮廓位置上,
然后根据预先设定的孔尺寸特征参数计算方法,求解出孔质量监控参数。
2.如权利要求1所述的喷丝板异型孔尺寸检测方法,其特征在于,自动生成通用匹配模型包括:
对标准异型孔图像进行边缘提取和曲率分析,来分割、融合和定位特征线段;
进行基于特征线段和圆弧特征的形状拟合和端点特征定位,自动生成通用匹配模型。
3.如权利要求2所述的喷丝板异型孔尺寸检测方法,其特征在于,标准异型孔包括扁平型、三角型、三叶型、单C型、十字型、三C型及桔瓣型。
4.如权利要求3所述的喷丝板异型孔尺寸检测方法,其特征在于,在配准之前,先对待检测图像进行边缘提取和长度滤波处理,获取轮廓曲线,然后提取其二值化图像的基于极坐标网格编码;通过待测图形和编码组合模板的基于极坐标网格编码预匹配过程,将模板轮廓曲线和特征控制点参数初步投影至待测轮廓曲线空间上,并将模板控制点参数收缩至最优解空间附近;由控制点参数重构封闭分段曲线,构建重构曲线与待测轮廓曲线距离目标函数,最后通过非线性最小二乘优化求解特征参数。
5.如权利要求4所述的喷丝板异型孔尺寸检测方法,其特征在于,对标准异型孔图像进行边缘提取和曲率分析包括:
设清洁情况下3C孔图像为I={g(x,y),x∈[1,w],y∈[1,h]},w和h分别图像为图像的宽高;用Canny算子提取该图像边缘并进行8邻域细化处理,再进行基于8邻域的边缘交叉点搜索,并将交叉点断裂,然后进行曲线端点搜索并跟踪该轮廓轨迹,直至另一个端点处结束,最后进行长度统计,如果该长度小于设定阈值,则沿该端点逆向跟踪及轨迹擦除;
轮廓长度滤波后,重新搜索上述去噪后的细化曲线端点并标记为0,并设初始连通数cn=0;步骤一,如果为零,则任意选择一个轮廓点进行轮廓跟踪,同时记cn=cn+1,获取轮廓曲线,再判断所有轮廓曲线是否跟踪完毕,否则循环进行该步骤;步骤二,以标记为0的第一个端点为起点进行轮廓曲线跟踪,记cn=cn+1,当跟踪至另一个端点时,再寻找一定半径范围(r1)内最近距离标记为0端点,再继续下一段轮廓曲线跟踪,直至所以端点标记点跟踪完毕,如果当前端点跟踪完成后还有剩余标记为0端点,则继续循环该步骤,如果无标记为0端点,但还有轮廓曲线未跟踪,则进行循环步骤一。
6.如权利要求5所述的喷丝板异型孔尺寸检测方法,其特征在于,对标准异型孔图像进行边缘提取和曲率分析还包括:
(I)曲率分布直线阈值为cthr1,曲率分布圆弧阈值为cthr2,通常cthr2<<cthr1,阈值分割标记曲线为
(II)设定长度阈值为lthr,先沿分割标记曲线的起点跟踪统计每个分割线段的长度,对第j段,起点和终点分别为和统计长度及线段中心k=(j1+j2)/2;顺序检查所有分割线段,当时,如果则将该线段反向溯源并设并将线段j与相邻标记为1的分割线段合并标记,重复迭代,直至无满足条件后退出;顺序检查所有分割线段,当时,如果则将该线段反向溯源并设并将线段j与相邻标记为2的分割线段合并标记,重复迭代,直至无满足条件后退出;最终有效线段集合表示为tp=0表示该线段为直线,否则为圆弧,n为有效线段总数;对有效线段集合Kt,当时,取轮廓跟踪曲线Lt中点集进行基于最小二乘的直线拟合,并标记为分别表示斜率和截距,当时进行基于最小二乘的圆拟合,并标记为当圆弧的相邻两个线段均为直线时,如果两条拟合直线相交角度大于一定阈值θ1,则求解两条直线交点,搜索该点至圆弧最近点距离,但该距离小于一定阈值d1时,则取消该圆弧标记。
7.如权利要求6所述的喷丝板异型孔尺寸检测方法,其特征在于,进行基于特征线段和圆弧特征的形状拟合和端点特征定位包括:
线段特征控制点求解,采用分段曲线建模,模型中只包含线段和圆弧,其中线段用起点和终点两个特征点表示,分别为与前后两个线段线或圆弧的终点和起点,圆弧用起点、终点和中间点三个特征点表示,其中中间点表示圆弧方向,其起点与终点分别为前后两个线段或圆弧的终点和起点,模型中相邻线段为直线与直线、直线与圆弧或者圆弧与圆弧三种连接类型;
有效线段集合Kt中各线段起点、终点和中点是基于轮廓跟踪曲线表示的,且相邻线段间没有共有连接点属性,计算相邻线段共有连接点,并且线段特征点重新投影至参数化特征曲线上;
在相邻线段共有连接点生成时,三种情况分别处理如下:(I)直线段与直线段求解交点;(II)线段与圆弧相交分两种情况,当线段与圆弧没有交点时,先获取圆弧圆心在该直线上的投影点,然后取投影点与圆心连线与圆弧交点,再去圆弧交点与投影点连线中心为特征点,反之,则选择直线与圆弧切点或者离圆弧中心最近的交点为特征点;(III)圆弧与圆弧相交分三种情况,当两圆弧不相交且不属包含关系时,选择两圆弧中心连线与两圆弧交点线段的中点作为特征点;当两圆弧不相交且属于包含关系时,选择内圆弧上轮廓点至外圆弧轮廓点距离最近两点线段中点为特征点;当两圆弧相交,先计算两圆弧交界点或彼此间轮廓曲线段中离双方最近点,再选择两个圆弧相交中离该点最近的交点为特征点;
8.如权利要求7所述的喷丝板异型孔尺寸检测方法,其特征在于,再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置包括:
获取基于极坐标网格编码的预匹配模型,采用最优阈值法计算图像的最优阈值Goptimal并进行分割,得到二值化图像:
w和h分别图像为图像的宽高,计算像素为1的分割区域重心并设为极坐标旋转中心;以此中心估计有效区域最大外接圆半径rmax,设定径向采集步长rstep、旋转角度采集步长θstep和起始径向采集半径rstart,计算第i径向和第j旋转采集网格的起点和终点位置和径向和旋转采集网格数rn=INT((rmax-rstart)/rstep)和bn=INT(2*pi/θstep),i=[0,rn-1],j=[0,bn-1],构建极坐标网格B(i,j),该网格编码值N(i,j)={∑(x,y)∈M(B(i,j))gbin(x,y)},M(B(i,j)为B(i,j)对应的极坐标网格在二值化图像Ibin中的区域;预匹配模型表示为
9.如权利要求8所述的喷丝板异型孔尺寸检测方法,其特征在于,再通过对待检测孔图像轮廓的旋转角度校正,以及基于最小二乘的全局和局部连通区域预配准和参数化模型非线性配准,优化特征控制点位置包括:
10.如权利要求9所述的喷丝板异型孔尺寸检测方法,其特征在于,通过待测图形和编码组合模板的基于极坐标网格编码预匹配过程包括:与基于极坐标网格编码的预匹配模型组合成与孔型相关的编码组合,设模板特征编码为其中
设待检测孔轮廓和基于极坐标网格编码分别为:
在极坐标网格编码匹配时,径向采集网格数rn=min(rn1,rn2);模板特征网格编码匹配至待测网格编码的目标函数如下:
式中k∈[0,bn-1],采用轮盘赌方式求解最优θmin=k*θstep+θstep*0.5;图8所示了与图2(c)同类型待匹配孔旋转校正前后的匹配结果示意图,最优匹配k=5,θmin=0.192;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010382206.0A CN111681206B (zh) | 2020-05-08 | 2020-05-08 | 喷丝板异型孔尺寸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010382206.0A CN111681206B (zh) | 2020-05-08 | 2020-05-08 | 喷丝板异型孔尺寸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681206A true CN111681206A (zh) | 2020-09-18 |
CN111681206B CN111681206B (zh) | 2023-10-17 |
Family
ID=72451822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010382206.0A Active CN111681206B (zh) | 2020-05-08 | 2020-05-08 | 喷丝板异型孔尺寸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681206B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233162A (zh) * | 2020-10-06 | 2021-01-15 | 武汉烽火凯卓科技有限公司 | 一种基于结构照明特征的平面图像分析的测量方法及装置 |
CN113362290A (zh) * | 2021-05-25 | 2021-09-07 | 同济大学 | 随机目标粒子平面共线特征快速识别方法、存储设备及装置 |
CN113486904A (zh) * | 2021-07-02 | 2021-10-08 | 长春理工大学 | 一种特征自适应激光扫描投影图形控制点提取及优化方法 |
CN113674236A (zh) * | 2021-08-16 | 2021-11-19 | 南京航空航天大学 | 一种基于特征学习的飞机表面多圆孔检测方法 |
CN113689417A (zh) * | 2021-09-01 | 2021-11-23 | 广州丰石科技有限公司 | 一种无人机航拍低空遥感图像的变化检测方法及*** |
CN113701687A (zh) * | 2021-09-17 | 2021-11-26 | 中国联合网络通信集团有限公司 | 空间曲线长度测量***及测量方法 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
CN114219802A (zh) * | 2022-02-21 | 2022-03-22 | 成都飞机工业(集团)有限责任公司 | 一种基于图像处理的蒙皮连接孔孔位检测方法 |
CN115183673A (zh) * | 2022-07-07 | 2022-10-14 | 湖南联智科技股份有限公司 | 一种箱梁梁端结构尺寸检测方法 |
CN116011107A (zh) * | 2023-01-10 | 2023-04-25 | 南京航空航天大学 | 大型复合材料构件孔特征提取方法、装置及*** |
CN116329768A (zh) * | 2023-05-22 | 2023-06-27 | 广东麦特维逊医学研究发展有限公司 | 激光打标***的标定方法 |
CN116372662A (zh) * | 2023-06-06 | 2023-07-04 | 成都飞机工业(集团)有限责任公司 | 数控锪窝尺寸预补偿修正方法 |
CN116612162A (zh) * | 2023-07-21 | 2023-08-18 | 中色创新研究院(天津)有限公司 | 基于图像比对模型的孔位校准分析方法、***及存储介质 |
CN117710795A (zh) * | 2024-02-06 | 2024-03-15 | 成都同步新创科技股份有限公司 | 一种基于深度学习的机房线路安全性检测方法及*** |
CN117745730A (zh) * | 2024-02-21 | 2024-03-22 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102141374A (zh) * | 2010-12-23 | 2011-08-03 | 苏州天准精密技术有限公司 | 一种影像式喷丝板自动检测仪 |
US20110242310A1 (en) * | 2010-01-07 | 2011-10-06 | University Of Delaware | Apparatus and Method for Electrospinning Nanofibers |
US20120109399A1 (en) * | 2012-01-01 | 2012-05-03 | Bao Tran | Energy resource conservation systems and methods |
CN103063159A (zh) * | 2012-12-31 | 2013-04-24 | 南京信息工程大学 | 一种基于ccd的零件尺寸测量方法 |
CN105547182A (zh) * | 2015-12-09 | 2016-05-04 | 中国科学院声学研究所东海研究站 | 喷丝板检测设备及方法 |
CN107830813A (zh) * | 2017-09-15 | 2018-03-23 | 浙江理工大学 | 激光线标记的长轴类零件图像拼接及弯曲变形检测方法 |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量***及方法 |
CN110175999A (zh) * | 2019-05-30 | 2019-08-27 | 广东工业大学 | 一种位姿检测方法、***及装置 |
-
2020
- 2020-05-08 CN CN202010382206.0A patent/CN111681206B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110242310A1 (en) * | 2010-01-07 | 2011-10-06 | University Of Delaware | Apparatus and Method for Electrospinning Nanofibers |
CN102141374A (zh) * | 2010-12-23 | 2011-08-03 | 苏州天准精密技术有限公司 | 一种影像式喷丝板自动检测仪 |
US20120109399A1 (en) * | 2012-01-01 | 2012-05-03 | Bao Tran | Energy resource conservation systems and methods |
CN103063159A (zh) * | 2012-12-31 | 2013-04-24 | 南京信息工程大学 | 一种基于ccd的零件尺寸测量方法 |
CN105547182A (zh) * | 2015-12-09 | 2016-05-04 | 中国科学院声学研究所东海研究站 | 喷丝板检测设备及方法 |
CN107830813A (zh) * | 2017-09-15 | 2018-03-23 | 浙江理工大学 | 激光线标记的长轴类零件图像拼接及弯曲变形检测方法 |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量***及方法 |
CN110175999A (zh) * | 2019-05-30 | 2019-08-27 | 广东工业大学 | 一种位姿检测方法、***及装置 |
Non-Patent Citations (2)
Title |
---|
MINGHUAN WANG ET AL.: "Deep micro-hole fabrication in EMM on stainless steel using disk micro-tool assisted by ultrasonic vibration" * |
汤焕: "长丝喷丝板高精度微孔全自动检测***的研制" * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233162A (zh) * | 2020-10-06 | 2021-01-15 | 武汉烽火凯卓科技有限公司 | 一种基于结构照明特征的平面图像分析的测量方法及装置 |
CN113362290A (zh) * | 2021-05-25 | 2021-09-07 | 同济大学 | 随机目标粒子平面共线特征快速识别方法、存储设备及装置 |
CN113486904A (zh) * | 2021-07-02 | 2021-10-08 | 长春理工大学 | 一种特征自适应激光扫描投影图形控制点提取及优化方法 |
CN113674236A (zh) * | 2021-08-16 | 2021-11-19 | 南京航空航天大学 | 一种基于特征学习的飞机表面多圆孔检测方法 |
CN113689417A (zh) * | 2021-09-01 | 2021-11-23 | 广州丰石科技有限公司 | 一种无人机航拍低空遥感图像的变化检测方法及*** |
CN113701687B (zh) * | 2021-09-17 | 2023-07-21 | 中国联合网络通信集团有限公司 | 空间曲线长度测量***及测量方法 |
CN113701687A (zh) * | 2021-09-17 | 2021-11-26 | 中国联合网络通信集团有限公司 | 空间曲线长度测量***及测量方法 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
CN114219802A (zh) * | 2022-02-21 | 2022-03-22 | 成都飞机工业(集团)有限责任公司 | 一种基于图像处理的蒙皮连接孔孔位检测方法 |
CN115183673A (zh) * | 2022-07-07 | 2022-10-14 | 湖南联智科技股份有限公司 | 一种箱梁梁端结构尺寸检测方法 |
CN116011107A (zh) * | 2023-01-10 | 2023-04-25 | 南京航空航天大学 | 大型复合材料构件孔特征提取方法、装置及*** |
CN116329768A (zh) * | 2023-05-22 | 2023-06-27 | 广东麦特维逊医学研究发展有限公司 | 激光打标***的标定方法 |
CN116372662A (zh) * | 2023-06-06 | 2023-07-04 | 成都飞机工业(集团)有限责任公司 | 数控锪窝尺寸预补偿修正方法 |
CN116372662B (zh) * | 2023-06-06 | 2023-09-29 | 成都飞机工业(集团)有限责任公司 | 数控锪窝尺寸预补偿修正方法 |
CN116612162A (zh) * | 2023-07-21 | 2023-08-18 | 中色创新研究院(天津)有限公司 | 基于图像比对模型的孔位校准分析方法、***及存储介质 |
CN116612162B (zh) * | 2023-07-21 | 2023-11-17 | 中色创新研究院(天津)有限公司 | 基于图像比对模型的孔位校准分析方法、***及存储介质 |
CN117710795A (zh) * | 2024-02-06 | 2024-03-15 | 成都同步新创科技股份有限公司 | 一种基于深度学习的机房线路安全性检测方法及*** |
CN117710795B (zh) * | 2024-02-06 | 2024-06-07 | 成都同步新创科技股份有限公司 | 一种基于深度学习的机房线路安全性检测方法及*** |
CN117745730A (zh) * | 2024-02-21 | 2024-03-22 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及*** |
CN117745730B (zh) * | 2024-02-21 | 2024-04-26 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111681206B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111681206A (zh) | 喷丝板异型孔尺寸检测方法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのbgaチップの視覚識別方法 | |
CN103425988B (zh) | 一种具有圆弧几何基元的实时定位与匹配方法 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN106600600A (zh) | 基于特征匹配的晶圆缺陷检测方法 | |
CN105069790A (zh) | 一种齿轮外观缺陷快速影像检测方法 | |
CN106969703A (zh) | 用于自动成型冷却孔测量的方法和*** | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN105279756A (zh) | 基于自适应区域分割的缺口圆弧零件尺寸视觉检测方法 | |
CN104123542A (zh) | 一种轮毂工件定位的装置及其方法 | |
CN107633502B (zh) | 一种轴孔装配自动对中的靶心识别方法 | |
CN109064481B (zh) | 一种机器视觉定位方法 | |
CN111507186B (zh) | 一种变电站指针式仪表读数识别方法 | |
CN113177959B (zh) | 一种快速运动过程中qr码实时提取方法 | |
CN110232682B (zh) | 一种基于图像的轨道异物探测方法 | |
CN111062940A (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN108088444A (zh) | 基于三维激光的室内点云地图生成***及方法 | |
CN116358449A (zh) | 一种基于双目面结构光的飞机铆钉凹凸量测量方法 | |
CN106546185A (zh) | 一种基于机器视觉检测的轮廓质量检测方法 | |
CN111524154B (zh) | 一种基于影像的隧道管片自动化分割方法 | |
CN105988305A (zh) | 硅片预对准方法 | |
CN109556533B (zh) | 一种针对多线结构光条纹图像的自动提取方法 | |
CN110991233B (zh) | 指针式压力表的自动读数方法 | |
CN111627053B (zh) | 通用喷丝孔清洗洁净度检测方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |