CN112581452A - 工业配件表面缺陷检测方法、***、智能设备和存储介质 - Google Patents
工业配件表面缺陷检测方法、***、智能设备和存储介质 Download PDFInfo
- Publication number
- CN112581452A CN112581452A CN202011527968.1A CN202011527968A CN112581452A CN 112581452 A CN112581452 A CN 112581452A CN 202011527968 A CN202011527968 A CN 202011527968A CN 112581452 A CN112581452 A CN 112581452A
- Authority
- CN
- China
- Prior art keywords
- image information
- industrial
- image
- defect
- information
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 93
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000002950 deficient Effects 0.000 claims abstract description 13
- 230000000877 morphologic effect Effects 0.000 claims abstract description 8
- 238000005286 illumination Methods 0.000 claims description 22
- 230000010365 information processing Effects 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 10
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种工业配件表面缺陷检测方法、***、智能设备和存储介质，涉及工件检测技术领域。其中，方法包括采集放置在传送带上的工业配件ROI区域图像信息；对所述图像信息灰度化并进行二值化处理，得到二值化图像信息；对二值化图像信息进行形态学处理和模型检测，并得到存在缺陷点数量信息和位置信息的目标图像信息；在缺陷点的数量超过预设的合格标准数后，输出驱动信号以将存在缺陷的工业配件分拣出。本申请具有提高工业配件的检测效率，降低工作人员的劳动强度的效果。
Description
技术领域
本申请涉及工件检测技术领域，尤其是涉及一种工业配件表面缺陷检测方法、***、智能终端和存储介质。
背景技术
在工业自动化和智能自动化过程中，零部件的自动识别和自动检测是自动化的前提和首要条件。针对实际手机镜头工业生产中的自动检测环节，检测镜头上的缺陷是十分重要的，如何从人工肉眼检测转换为自动化机器视觉检测将对生产效率的提高和准确性的提升具有重要意义。
发明内容
为了提高工业配件的检测效率，降低工作人员的劳动强度，本申请提供工业配件表面缺陷检测方法、***、智能终端和存储介质。
第一方面，本申请提供的一种工业配件表面缺陷检测方法，采用如下的技术方案：
一种工业配件表面缺陷检测方法，包括：
采集放置在传送带上的工业配件ROI区域图像信息；
对所述图像信息灰度化并进行二值化处理，得到二值化图像信息；
对二值化图像信息进行形态学处理和模型检测，并得到存在缺陷点数量信息和位置信息的目标图像信息；
在缺陷点的数量超过预设的合格标准数后，输出驱动信号以将存在缺陷的工业配件分拣出。
通过采用上述技术方案，在采集到工业配件的图像信息后，可通过对图像信息进行灰度化，这样可使图像中的每个像素只需要一个字节存放灰度值，可以有256级灰度，这种精度能够避免可见的条带失真，且易于编程；对灰度化的图像进行二值化处理后，便于提取图像信息，增加计算机识别效率，在经过检测模型对二值图像信息检测后，即可精确判断出图像信息中的缺陷点，并在检测到图像信息中存在缺陷后，发出驱动信号以对存在缺陷的工业配件进行分拣。
可选的，采集工业配件的图像信息时，包括：
在工业配件的同一检测表面以不同的光照角度采集多个图像信息；
将多个图像信息整合成一个图像信息。
通过采用上述技术方案，采集工业配件多个光照角度的图像信息，并对每个图像信息进行降噪处理，这样，图像中工件表面上的缺陷点在不同图像中会有不同的呈现度，多张图像合成一个图像之后，表面缺陷在合成的最终图像中就会有非常明显的呈现，降低出现漏检的几率，提高检测结果的准确度。
可选的，判断二值化图像信息中是否存在缺陷点时，包括：
在工业配件的图像信息上建立坐标系；
定义超过预设灰度值的部分图像信息为缺陷点；
确定缺陷点在坐标系上的坐标。
通过采用上述技术方案，在工业配件的图像信息上建立坐标系，能够将图像上的各个像素点对应至固定的坐标点，通过分析图像中各个部分的灰度值确定出所有的缺陷点，并根据建立的坐标系确定各个缺陷点在坐标上的具***置。
可选的，确定缺陷点在坐标系上的坐标时，包括：
采集缺陷点的大致坐标集合；
定义集合中的某一缺陷像素点作为该缺陷点的坐标。
通过采用上述技术方案，工业配件上的一个肉眼可见的缺陷点可以是多个预设灰度范围内的或像素点组成，通过采集某一缺陷点内的像素点作为该缺陷点的坐标，从而可统计出缺陷点的数量，将缺陷点的数量与预设的合格标准数量进行比较后，可判断出该工业配件是否合格。
第二方面，本申请提供一种工业配件表面缺陷检测***，采用如下的技术方案：
一种工业配件表面缺陷检测***，包括：
信息采集模块，用于获取工业配件的图像信息；
信息处理模块，用于对工业配件的图像信息做图像处理，以检测出图像信息中是否存在缺陷点，并根据缺陷点的数量判断出该工业配件是否为合格产品；
分拣模块，用于分拣出不合格的工业配件。
通过采用上述技术方案，信息采集模块在采集到工业配件的图像信息后，通过信息处理模块对图像进行预处理，在检测模型对经过处理后的图像信息进行检测后，即可精确判断出图像信息中存在的缺陷点，并在检测到图像信息中存在缺陷后，发出驱动信号通过分拣模块分拣出存在缺陷的工业配件。
可选的，所述信息获取模块包括：
照明单元，用于对工业配件提供照明；
图像采集单元，用于采集工业配件各个光照角度下的图像信息。
通过采用上述技术方案，图像采集单元对工业配件进行图像采集时，可通过照明单元对工业配件提供照明，并以多个角度提供照明功能，这样，图像中工件表面上的缺陷在不同图像中会有不同的呈现度，多张图像合成之后，表面缺陷在合成的最终图像中就会有非常明显的呈现，降低出现漏检的几率，提高检测结果的准确度。
可选的，所述信息处理模块包括：
图像切分单元，用于将图像信息分隔成像素点；
图像处理单元，用于对图像信息进行灰度化和二值化处理；
缺陷定位单元，用于在图像信息上建立坐标系，并判别出超过预设灰度值部分的图像信息，确定图像信息在坐标系上的坐标；
信号输出单元，在判断出图像信息中存在超过预设标准的缺陷点后，输出驱动信号。
通过采用上述技术方案，图像切分单元可将图像分割成多个独立的像素点，并通过图像处理单元对图像信息进行灰度化和二值化处理，这样可使图像中的每个像素只需要一个字节存放灰度值，可以有256级灰度，这种精度能够避免可见的条带失真，且易于编程；对灰度化的图像进行二值化处理后，便于提取图像信息，增加计算机识别效率；利用缺陷点定位单元可在工业配件的图像信息上建立坐标系，能够将图像上的各个像素点对应至固定的坐标点，通过分析图像中各个部分的灰度值确定出所有的缺陷点，并根据建立的坐标系确定各个缺陷点在坐标上的具***置。
可选的，所述分拣模块包括：
驱动单元，连接至信息处理模块，用于接收驱动信号；
分拣装置，连接至驱动单元，根据驱动单元接收的驱动信号分拣出不合格的工业配件。
通过采用上述技术方案，在信息处理模块判断出工业配件上存在缺陷点且缺陷点的数量超过预设的合格标准数后，可发出驱动信号，连接至信息处理模块的驱动单元用于接收驱动信号，并驱动分拣装置动作，将不合格的工业配件分拣出去。
第三方面，本申请提供一种智能设备，采用如下的技术方案：
一种智能设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
在采集到工业配件的图像信息后，可通过对图像信息进行灰度化，这样可使图像中的每个像素只需要一个字节存放灰度值，可以有256级灰度，这种精度能够避免可见的条带失真，且易于编程；对灰度化的图像进行二值化处理后，便于提取图像信息，增加计算机识别效率，在经过检测模型对二值图像信息检测后，即可精确判断出图像信息中的缺陷点，并在检测到图像信息中存在缺陷后，发出驱动信号以实现对存在缺陷的工业配件进行分拣的功能。
附图说明
图1是本申请实施例提供的一种方法流程图。
图2是本申请实施例提供的一种对二值图像信息处理的方法流程图。
图3是本申请实施例提供的一种智能设备的整体结构图。
附图标记：1、传送带；2、检测装置；3、分拣装置。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
本发明实施例提供一种工业配件表面缺陷检测方法，包括：采集放置在传送带上的工业配件ROI区域图像信息；对所述图像信息灰度化并进行二值化处理，得到二值化图像信息；通过预先建立的检测模型判断所述二值化图像信息中是否存在缺陷点；若是，则输出驱动信号以将存在缺陷的工业配件分拣出。
本发明实施例中，在采集到工业配件的图像信息后，可通过对图像信息进行灰度化，这样可使图像中的每个像素只需要一个字节存放灰度值，可以有256级灰度，这种精度能够避免可见的条带失真，且易于编程；对灰度化的图像进行二值化处理后，便于提取图像信息，增加计算机识别效率，在经过检测模型对二值图像信息检测后，即可精确判断出图像信息中的缺陷点，并在检测到图像信息中存在缺陷后，发出驱动信号以对存在缺陷的工业配件进行分拣。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本发明实施例作进一步详细描述。
本发明实施例提供一种文件审批方法，所述方法的主要流程描述如下。
如图1所示：
步骤S1000：采集放置在传送带上的工业配件图像信息，并精确提取ROI区域。
其中，工业配件可以是金属配件，也可以是玻璃配件，例如应用在相机上的镜头或显示屏幕等。ROI区域为感兴趣区域，即在机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。在采集工业配件的图像信息时，包括有以下步骤。
步骤S1100：在工业配件的同一检测表面以不同的光照角度采集多个图像信息。
其中，在采集多个工业配件图像时，图像采集装置与工业配件的相对位置和拍摄角度固定不变；光照设备可以是任意一种照明灯，并能够在不同的角度照射在工业配件的待检测表面。
步骤S1200：将多个图像信息整合成一个图像信息。
工业配件在不同的光照角度下所呈现的展示效果也不同，对于存在的缺陷点以及其他细节的隐显程度也不同，将多张不同光照角度拍摄的图像信息整合成一张图像后，可使图像中的各个细节均有一个明显的呈现，提高对工业配件检测的准确度。
步骤S2000：对所述图像信息灰度化并进行二值化处理，得到二值化图像信息。
其中，灰度图像上每个像素的颜色值又称为灰度，指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0。所谓灰度值是指色彩的浓淡程度，灰度直方图是指一幅数字图像中，对应每一个灰度值统计出具有该灰度值的象素数。图像灰度化处理可以作为图像处理的预处理步骤，为之后的图像分割、图像识别和图像分析等上层操作做准备。
对图像进行二值化时，包括将图像读取为一个矩阵，通过消除图像色调和饱和度信息同时保留亮度实现将RGB图像转换为灰度图像。采用最大类间方差法，将图像分成背景和目标两部分，通过im2bw函数将灰度图像转换为二值图像，图像二值化的作用是为了方便提取图像中的信息，二值图像在进行计算机识别时可以增加识别效率。背景图像和目标图像中存在分割阈值I，灰度级小于等于I的为前景图像，大于I的为背景图像，计算最优分割阈值可通过计算出图像的平均灰度和前景背景图像的方差得出。
图像的总平均灰度为：
u=w0*u0+w1*u1
其中，w0为前景像素点数所占的图像的比例；u0为前景像素点平均灰度；w1为背景像素点数所占的图像的比例；u1为背景像素点平均灰度。
前景图像和背景图像的方差为：
g=w0*(u0-u)2+w1*(u1-u)2
当计算出来的方差值g取最大值时,可以认为前景跟背景的差异达到最大,此时的分割阈值I为最佳阈值。
步骤S2100：根据最佳阈值信息保留图像信息中的连通区域，并将连通区域外的颜色填充为黑色。
其中，连通区域即为图像信息中工业配件的边缘轮廓信息，即用于隐藏背景图像信息，凸显目标图像信息，以便于对目标图像中的缺陷点进行分析检测。
步骤S3000：对二值化图像信息进行处理，并得到存在缺陷点数量信息和位置信息的目标图像信息。
其中，对二值图像信息处理过程包括有以下步骤。
参照图2：
步骤S3100：对二值图像信息进行形态学处理。
基本的形态学处理和建立检测模型，包括膨胀、腐蚀、击中或击不中变换以及细化处理等。形态学处理过程，需要从目标图像中提取对于关键部位的有用处的图像分量，比如轮廓、边界等；还包括用于预处理的形态学过滤、细化和修复等，其主要用于消除噪声、分割独立的图像元素、连接相邻的元素以及寻找图像中明显的极大值区域或极小值区域。
步骤S3200：通过预先建立的检测模型对图像信息进行检测，以展示出图像信息内缺陷点的数量信息和位置信息。
其中，通过预先建立的检测模型对图像信息进行检测时，包括有以下步骤。
步骤S3210：在工业配件的图像信息上建立坐标系；
步骤S3220：定义超过预设灰度值的部分图像信息为缺陷点；
步骤S3230：判断图像信息中是否存在缺陷点信息；
步骤S3240：若是，确定缺陷点在坐标系上的坐标；
步骤S3250：若否，不做处理。
其中，确定缺陷点在坐标上的坐标时，包括有以下步骤：
步骤S3241：采集缺陷点的大致坐标集合。
考虑到肉眼观察，一个像素点也可成为一个缺陷点，多个偏白像素点的密集集合也可成为一个缺陷点，通过观察比对，可预先设置灰度值的范围区间，例如设置灰度值的范围区间为[0.69,1]，利用for循环遍历图像，可得到该缺陷点的大致坐标集合。
步骤S3242：定义集合中的某一缺陷像素点作为该缺陷点的坐标。
其中，符合目标灰度值组成的集合，可确认为像素点集合，且每个缺陷像素点在横坐标或纵坐标之间的距离不大于3。这样，可确定缺陷像素点集合的个数，并通过坐标系确定各个缺陷点在图像中的具***置。
步骤S4000：在缺陷点的数量超过预设的合格标准数后，输出驱动信号对存在缺陷的工业配件进行分拣。
其中，对工业配件今夕功能分拣时可通过具有分拣功能的装置实现，例如设在传送带上的拨杆或能够接收控制信号的机械臂。拨杆可通过能够接收驱动信号的驱动电路或装置实现分拣不合格的工业配件功能。
基于同一发迷功能构思，本申请实施例公开了一种工业配件表面缺陷检测***，包括信息采集模块、信息处理模块和分拣模块。
其中，信息采集模块用于获取工业配件的图像信息；
信息处理模块连接至信息采集模块，用于对工业配件的图像信息做图像处理，以检测出图像信息中是否存在缺陷点，并根据缺陷点的数量判断出该工业配件是否为合格产品，并在检测到产品未合格，则发出用于控制分拣模块的驱动信号；分拣模块，连接至信息处理模块，用于分拣出不合格的工业配件。
具体的，信息采集模块包括照明单元和图像采集单元，照明单元可以是照明灯用于对工业配件在多个角度提供照明功能；图像采集单元包括摄像头、照相机等任意具备摄像功能的终端设备，用于采集工业配件在多个光照角度下的图像信息。
信息采集模块包括图像切分单元、图像处理单元、缺陷定位单元和信号输出单元，其中图像切分单元用于将图像信息分割成像素点；图像处理单元连接至图像切分单元，用于对图像信息进行灰度灰度化、二值化和形态学处理；缺陷定位单元连接至图像处理单元，用于在目标图像信息上建立坐标系，并判别出超过预设灰度值部分的图像信息，确定图像信息在坐标系上的坐标；信号输出单元，其连接至缺陷定位单元，用于在判断出图像信息中存在超过预设标准的缺陷点后，输出驱动信号。
分拣模块包括驱动单元和分拣装置，其中驱动单元连接至信号输出单元，用于接收驱动信号，并根据驱动信号驱动分拣装置动作；分拣装置连接至驱动单元，根据驱动单元接收的驱动信号分拣出不合格的工业配件。
本申请实施例还公开了一种智能设备，参照图3，智能设备包括传送带1、设在传送带上的检测装置2和分拣装置3，其中检测装置包括一个或多个存储器，用于存储指令；以及一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行前述的任意一项工业配件表面缺陷检测方法。
本申请实施例还公开了一种计算机可读存储介质，包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。计算机可读存储介质中存储有程序，当所述程序被处理器运行时，前述的任一项工业配件表面缺陷检测方法被执行。
在本申请所提供的实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
以上所述，以上实施例仅用以对本申请的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，不应理解为对本发明的限制。本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种工业配件表面缺陷检测方法，其特征在于，包括：
采集放置在传送带上的工业配件ROI区域图像信息；
对所述图像信息灰度化并进行二值化处理，得到二值化图像信息；
对二值化图像信息进行形态学处理和模型检测，并得到存在缺陷点数量信息和位置信息的目标图像信息；
在缺陷点的数量超过预设的合格标准数后，输出驱动信号以将存在缺陷的工业配件分拣出。
2.根据权利要求1所述的一种工业配件表面缺陷检测方法，其特征在于，采集工业配件的图像信息时，包括：
在工业配件的同一检测表面以不同的光照角度采集多个图像信息；
将多个图像信息整合成一个图像信息。
3.根据权利要求1所述的一种工业配件表面缺陷检测方法，其特征在于，通过预先建立的检测模型对图像信息进行检测时，包括：
在工业配件的图像信息上建立坐标系；
定义超过预设灰度值的部分图像信息为缺陷点；
确定缺陷点在坐标系上的坐标。
4.根据权利要求3所述的一种工业配件表面缺陷检测方法，其特征在于，确定缺陷点在坐标系上的坐标时，包括：
采集缺陷点的大致坐标集合；
定义集合中的某一缺陷像素点作为该缺陷点的坐标。
5.一种工业配件表面缺陷检测***，其特征在于，包括：
信息采集模块，用于获取工业配件的图像信息；
信息处理模块，用于对工业配件的图像信息做图像处理，以检测出图像信息中是否存在缺陷点，并根据缺陷点的数量判断出该工业配件是否为合格产品；
分拣模块，用于分拣出不合格的工业配件。
6.根据权利要求5所述的一种工业配件表面缺陷检测***，其特征在于，所述信息获取模块包括：
照明单元，用于对工业配件提供照明；
图像采集单元，用于采集工业配件各个光照角度下的图像信息。
7.根据权利要求5所述的一种工业配件表面缺陷检测***，其特征在于，所述信息处理模块包括：
图像切分单元，用于将图像信息分隔成像素点；
图像处理单元，用于对图像信息进行灰度化和二值化处理；
缺陷定位单元，用于在图像信息上建立坐标系，并判别出超过预设灰度值部分的图像信息，确定图像信息在坐标系上的坐标；
信号输出单元，在判断出图像信息中存在超过预设标准的缺陷点后，输出驱动信号。
8.根据权利要求5所述的一种工业配件表面缺陷检测***，其特征在于，所述分拣模块包括：
驱动单元，连接至信息处理模块，用于接收驱动信号；
分拣装置，连接至驱动单元，根据驱动单元接收的驱动信号分拣出不合格的工业配件。
9.一种智能设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011527968.1A CN112581452B (zh) | 2020-12-22 | 2020-12-22 | 工业配件表面缺陷检测方法、***、智能设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011527968.1A CN112581452B (zh) | 2020-12-22 | 2020-12-22 | 工业配件表面缺陷检测方法、***、智能设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112581452A true CN112581452A (zh) | 2021-03-30 |
| CN112581452B CN112581452B (zh) | 2024-06-11 |
Family
ID=75138952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011527968.1A Active CN112581452B (zh) | 2020-12-22 | 2020-12-22 | 工业配件表面缺陷检测方法、***、智能设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112581452B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113450316A (zh) * | 2021-06-09 | 2021-09-28 | 广州大学 | 一种金属表面字符缺陷检测方法、***、装置及存储介质 |
| CN113469921A (zh) * | 2021-09-06 | 2021-10-01 | 深圳市创世易明科技有限公司 | 图像缺陷修复方法、***、计算机设备及存储介质 |
| CN113610797A (zh) * | 2021-08-02 | 2021-11-05 | 逸美德科技股份有限公司 | 卡槽检测方法、装置和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110019244A1 (en) * | 2009-07-22 | 2011-01-27 | Fuji Xerox Co., Ltd. | Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium |
| CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
| CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
| CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
-
2020
- 2020-12-22 CN CN202011527968.1A patent/CN112581452B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110019244A1 (en) * | 2009-07-22 | 2011-01-27 | Fuji Xerox Co., Ltd. | Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium |
| CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
| CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
| CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 龙亮亮 等: "基于机器视觉的玻璃马赛克缺陷在线检测***", 《机械设计与制造》, 8 September 2017 (2017-09-08), pages 129 - 132 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113450316A (zh) * | 2021-06-09 | 2021-09-28 | 广州大学 | 一种金属表面字符缺陷检测方法、***、装置及存储介质 |
| CN113450316B (zh) * | 2021-06-09 | 2022-03-22 | 广州大学 | 一种金属表面字符缺陷检测方法、***、装置及存储介质 |
| CN113610797A (zh) * | 2021-08-02 | 2021-11-05 | 逸美德科技股份有限公司 | 卡槽检测方法、装置和存储介质 |
| WO2022170743A1 (zh) * | 2021-08-02 | 2022-08-18 | 逸美德科技股份有限公司 | 卡槽检测方法、装置和存储介质 |
| CN113610797B (zh) * | 2021-08-02 | 2024-02-13 | 逸美德科技股份有限公司 | 卡槽检测方法、装置和存储介质 |
| CN113469921A (zh) * | 2021-09-06 | 2021-10-01 | 深圳市创世易明科技有限公司 | 图像缺陷修复方法、***、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112581452B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112348773B (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
| CN111951237B (zh) | 外观视觉检测方法 | |
| CN112581452B (zh) | 工业配件表面缺陷检测方法、***、智能设备和存储介质 | |
| CN104809422B (zh) | 基于图像处理的qr码识别方法 | |
| CN110210477B (zh) | 一种数字式仪表读数识别方法 | |
| US8520892B2 (en) | Method and apparatus for detecting objects | |
| CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN109426814B (zh) | 一种***图片特定板块的定位、识别方法、***、设备 | |
| CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| CN116559183B (zh) | 一种提高缺陷判定效率的方法及*** | |
| CN108416814B (zh) | 一种菠萝头部的快速定位与识别方法及*** | |
| CN113298776B (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
| CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
| CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
| CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
| CN113283439B (zh) | 基于图像识别的智能计数方法、装置及*** | |
| CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
| CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
| CN111160080A (zh) | 一种基于图像识别的汽车外观一致性检测智能*** | |
| CN111242121B (zh) | 一种基于svm的对联智能分拣方法及存储介质 | |
| CN107545563B (zh) | 一种条片冲孔计数***及计数方法 | |
| CN111626299A (zh) | 一种基于轮廓的数字字符识别方法 | |
| CN117593302B (zh) | 一种缺陷零件溯源方法及*** | |
| CN109087289A (zh) | 一种格栅背景下的板材视觉图像检测算法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |