CN113077437A - 工件质量检测方法及其*** - Google Patents
工件质量检测方法及其*** Download PDFInfo
- Publication number
- CN113077437A CN113077437A CN202110346607.5A CN202110346607A CN113077437A CN 113077437 A CN113077437 A CN 113077437A CN 202110346607 A CN202110346607 A CN 202110346607A CN 113077437 A CN113077437 A CN 113077437A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- edge line
- detected
- quality
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000005299 abrasion Methods 0.000 claims abstract description 11
- 230000001154 acute effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012216 screening Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- 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)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种工件质量检测方法及其***,包括:获取待检测工件的图像,对图像进行处理;从经处理后的图像中获取待检测工件的边缘线;计算出边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角;判断检测角度θ是否大于1°,若是,则判断得到待检测工件质量不合格;若否,则判断得到待检测工件质量合格。本申请的检测方法中能够将工件轻微的磨损,例如边缘线磨损角度小于1°的磨损,都判断为质量合格的工件,避免了工件浪费的问题,降低了生产成本。
Description
技术领域
本发明涉及工件质量检测技术领域,特指一种工件质量检测方法及其***。
背景技术
现在电子产品发展很迅猛,其中各类金属件广泛使用,由于这些金属件在加工和运输过程中经常会因为撞击等变形,因此需要对其外形进行检查、这也是提升生产品质必不可少的一环。
现有工艺通常采用模板比对的方式,将检测图的面积与原始模板图的面积相减,但是两者面积差的设定阈值是比较难设置,若设定阈值较大,则无法检测出缺陷较大的工件,若设定阈值较小,针对工件上的多个小磨损位于不同位置且多个小磨损的面积总和大于设定阈值的情况,通常这样的工件也会被检测为质量不合格的工件,因此通过面积差去判断工件质量是否合格容易产生检测误判的问题,造成了工件的浪费,增大了生产成本。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种工件质量检测方法及其***,以解决现有检测方法容易产生检测误判、工件浪费以及生产成本较高的问题。
为实现上述目的,本发明提供了一种工件质量检测方法,包括如下步骤:
获取待检测工件的图像,对所述图像进行处理;
从经处理后的图像中获取待检测工件的边缘线;
计算出所述边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角;以及
判断所述检测角度θ是否大于1°,若是,则判断得到所述待检测工件质量不合格;若否,则判断得到所述待检测工件质量合格。
本发明通过判断是否检测角度θ大于1°,若是,则判断得到待检测工件质量不合格,若否,则判断得到待检测工件质量合格,从而将边缘线的磨损程度较小的待检测工件判定为合格,本申请的检测方法中能够将工件轻微的磨损,例如边缘线磨损角度小于1°的磨损,都判断为质量合格的工件,避免了工件浪费的问题,降低了生产成本。
本发明工件质量检测方法的进一步改进在于,在所述检测角度θ不大于1°时,对所述边缘线的长度进行判断:
计算出所述边缘线的长度;
计算出所述边缘线的长度与对应的所述设定标准线的长度的差值的绝对值;
判断得到的所述差值的绝对值是否小于对应的设定差值,若是,则判断得到所述待检测工件质量合格,若否,则判断得到所述待检测工件质量不合格。
本发明工件质量检测方法的进一步改进在于,获取待检测工件的边缘线的步骤包括:
裁切并提取所述图像中边缘线所对应的边缘线区域;
遍历所述边缘线区域的轮廓并获取所述边缘线区域中最大的轮廓;
利用霍夫变换获取所述最大的轮廓的所有线条;
以所述边缘线区域的左上角为原点建立平面直角坐标系;
获取所述边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组所述端点向靠近所述工件的方向移动设定像素值后的坐标点的灰度值和向远离所述工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与所述边缘线对应的设定灰度值相等的线条,即为所述边缘线区域内的所述边缘线。
本发明工件质量检测方法的进一步改进在于,在对所述图像进行处理之后还包括:
提取所述图像中工件的区域,将所述工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断所述检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到所述待检测工件质量不合格。
本发明还提供了一种工件质量检测***,包括:
图像获取模块,用于获取所述工件的图像;
与所述图像获取模块连接的边缘线获取模块,用于从经处理后的图像中获取待检测工件的边缘;
与所述边缘线获取模块连接的夹角计算模块,用于计算出所述边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角;以及
与所述夹角计算模块连接的磨损判断模块,用于判断所述检测角度θ是否大于1°,若是,则判断得到所述待检测工件质量不合格;若否,则判断得到所述待检测工件质量合格。
本发明工件质量检测***的进一步改进在于,在所述检测角度θ不大于1°时,所述磨损判断模块用于对所述边缘线的长度进行判断:
计算出所述边缘线的长度;
计算出所述边缘线的长度与对应的所述设定标准线的长度的差值的绝对值;
判断所述差值的绝对值是否小于对应的设定差值,若是,则判断得到所述待检测工件质量合格,若否,则判断得到所述待检测工件质量不合格。
本发明工件质量检测***的进一步改进在于,在获取待检测工件的边缘线时,所述边缘线获取模块用于:
裁切并提取所述图像中边缘线所对应的边缘线区域;
遍历所述边缘线区域的轮廓并获取所述边缘线区域中最大的轮廓;
利用霍夫变换获取所述最大的轮廓的所有线条;
以所述边缘线区域的左上角为原点建立平面直角坐标系;
获取所述边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组所述端点向靠近所述工件的方向移动设定像素值后的坐标点的灰度值和向远离所述工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与所述边缘线对应的设定灰度值相等的线条,即为所述边缘线区域内的所述边缘线。
本发明工件质量检测***的进一步改进在于,还包括与所述图像获取模块连接的污渍检测模块,用于在对所述图像进行处理之后,提取所述图像中工件的区域,将所述工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断所述检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到所述待检测工件质量不合格。
附图说明
图1为本发明工件质量检测方法的流程图。
图2为本发明工件质量检测方法中获取的待检测工件的图像。
图3为本发明工件质量检测方法中经图像进行处理之后的图像。
图4为本发明工件质量检测方法中裁切并提取所述图像中位于待检测工件左侧部的左侧区域。
图5为本发明工件质量检测方法中裁切并提取所述图像中位于待检测工件右侧部的右侧区域。
图6为本发明工件质量检测方法中待测工件一边缘线的两个邻边都磨损1°的状态图。
图7为本发明工件质量检测方法中划分出的第一检测区域状态图。
图8为本发明工件质量检测方法划分出的第二检测区域状态图。
图9为本发明工件质量检测方法划分出的第三检测区域状态图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,都属于本发明保护的范围。
本发明提供了一种工件质量检测方法及其***,用于检测工件的质量是否合格,本发明包括通过判断是否边缘线与对应的设定标准线的锐角夹角θ大于1°,筛选出θ不大于1°,进一步判断是否边缘线的长度,以提高判断的精度,本申请的检测方法中能够将工件轻微的磨损,例如边缘线磨损角度小于1°的磨损,都应该判断为质量合格的工件,避免了工件浪费的问题,降低了生产成本。
下面结合附图对本发明工件质量检测方法及其***进行说明。
参见图1,在本实施例中,一种工件质量检测***,包括:图像获取模块、与图像获取模块连接的边缘线获取模块、与边缘线获取模块连接的夹角计算模块以及与夹角计算模块连接的磨损判断模块,图像获取模块用于获取工件的图像,边缘线获取模块用于从经处理后的图像中获取待检测工件的边缘线,夹角计算模块用于计算出边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角,磨损判断模块用于判断检测角度θ是否大于1°,若是,则判断得到待检测工件质量不合格;若否,则判断得到待检测工件质量合格。
本实施例中工件质量检测***根据生产经验将边缘线磨损的角度小于等于1°的工件列为合格工件,通过判断是否边缘线与对应的设定标准线之间的检测角度θ大于1°,若是,则判断得到待检测工件质量不合格,若否,则判断得到待检测工件质量合格,从而将边缘线的磨损程度较小的待检测工件判定为合格,本申请的检测方法中能够将工件轻微的磨损,例如边缘线磨损角度小于1°的磨损,都判断为质量合格的工件,避免了工件浪费的问题,降低了生产成本。
较佳地,本实施例在针对一种工件进行检测之前,会对其标准工件进行数据采集,获取的标准工件的设定标准线的位置信息和长度信息,并根据工件的尺寸计算出设定标准线的设定差值,利用设定标准线的位置信息与待测工件边缘线的位置信息可以计算出待测工件的边缘线与对应的设定标准线之间的检测夹角θ,设定差值为边缘线的容错阈值,根据边缘线的长度信息和其设定差值,可以计算出边缘线的阈值。
在一种具体实施例中,以设定标准线的一端点为原点建立直角坐标系,将待测工件对应的边缘线上对应的端点与设定标准线的端点对齐,获取设定标准线另一端点的坐标值和边缘线另一端点的坐标值,再根据三角形角度公式,计算出待测工件的边缘线与对应的设定标准线的之间的检测夹角θ。
在本实施例中,该工件的左边缘线、右边缘线为竖向直线,上边缘线为水平直线,计算出左边缘线与竖直方向的锐角夹角θ1,右边缘线与竖直方向的锐角夹角为θ2,上边缘线与水平方向的锐角夹角θ3。
在实际产生中存在一边缘线的两个邻边都向内磨损过大的情况,进而使该边缘线的长度过短,这将导致该检测工件不符合质量标准,为了将该种情况下的工件检测出来,提高判断的精度,进一步地对边缘线的长度进行判断,以确定边缘线的长度是否在边缘线的阈值内,若是超过对应的边缘线的阈值,则该待检测工件为质量不合格。
在本实施例中,在检测角度θ不大于1°时,磨损判断模块用于对边缘线的长度进行判断:计算出边缘线的长度;计算出边缘线的长度与对应的设定标准线的长度的差值的绝对值;判断差值的绝对值是否小于对应的设定差值,若是,则判断得到待检测工件质量合格,若否,则判断得到待检测工件质量不合格。
更进一步的,以边缘线磨损角度为1°的容错计算设定差值,根据标准工件,获取一设定标准线及其邻边,以邻边上远离设定标准线的端点为原点,得到将邻边向工件内的方向转动1°后的直线位置,计算出该直线与边缘线的交点至原点的线段在设定标准线方向上的投影长度,由于设定标准线有两个邻边,比较这些值后取其中的最小值,即为设定差值。较佳地,在本实施例中,左边缘线的设定差值为上边缘线的设定长度乘以tan1°,右边缘线的设定差值为上边缘线的设定长度乘以tan1°,上边缘线的设定差值为左边缘线的设定长度乘以tan1°和右边缘线的设定长度乘以tan1°中的最小值。
参见图6,以方形的工件为例,工件具有A、B、C、D四个端点,第一边线AB和第二边线CD若是同时向内磨损1°,则第三边线BD会过短,第一边线AB对应的设定标准线的长度为a,为了将第一边线AB和第二边线CD都磨损过多的情况筛除,以一个边缘线磨损1°的情况作为临界值,计算出第三边线BD的设定差值为atan1°,第三边线BD的长度减去对应的设定标准线的长度的差值的绝对值小于atan1°。
参见图4和图5,更进一步的,在获取待检测工件的边缘线时,边缘线获取模块用于:裁切并提取图像中边缘线所对应的边缘线区域;遍历边缘线区域的轮廓并获取边缘线区域中最大的轮廓;利用霍夫变换获取最大的轮廓的所有线条;以边缘线区域的左上角为原点建立平面直角坐标系;获取边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组端点向靠近工件的方向移动设定像素值后的坐标点的灰度值和向远离工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与边缘线对应的设定灰度值相等的线条,即为边缘线区域内的边缘线。
在本实施例中,利用canny边缘检测算法获取上边缘线区域的所有轮廓、下边缘线区域的所有轮廓、左边缘线区域的所有轮廓以及右边缘线区域的所有轮廓,遍历边缘线区域的所有轮廓以获取边缘线区域的最大轮廓,遍历边缘线区域的所有轮廓以获取下边缘线区域的最大轮廓,遍历左边缘线区域的所有轮廓以获取左边缘线区域的最大轮廓,遍历右边缘线区域的所有轮廓以获取右边缘线区域的最大轮廓。
参见图2和图3,较佳地,对图像进行处理的步骤包括:
将图像进而二值化分割,以增强图像。
在对图像进行二值化分割后,图像中待测工件的区域为白色(灰度值为255),图像的背景色为黑色(灰度值为0),由于只有待测工件边缘线线的两端点的两侧的灰度值是不一样的,通过计算边缘线区域的边缘线两端点的两侧的灰度值,以筛选出待测工件的边缘线,而由于考虑到照相机拍摄过程中可能存在设备抖动的问题,可能存在一定的偏差,因此在选取端点两侧的坐标点时,将该偏差考虑进去,以避免选取的坐标点无法进行准确的判断。
获取上边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组端点在竖直方向上向下移动设定像素值后的坐标点的第一灰度值和在竖直方向上向上移动设定像素值后的坐标点的第二灰度值,获取两个端点所对应的第一灰度值为255且所对应的第二灰度值0为的线条,即上边缘线。
获取左边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组端点在水平方向上向右移动设定像素值后的坐标点的第五灰度值和在水平方向上向左移动设定像素值后的坐标点的第六灰度值,获取两个端点所对应的第五灰度值为255且所对应的第六灰度值为0的线条,即左边缘线区域。
获取右边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组端点在水平方向上向左移动设定像素值后的坐标点的第七灰度值和在水平方向上向右移动设定像素值后的坐标点的第八灰度值,获取两个端点所对应的第七灰度值为255且所对应的第八灰度值为0的线条,即右边缘线。
在另一种较佳实施例中,通过获取待测杆件的所有端点,将相邻两个端点连接后的直线作为待测工件的边缘线。
在本实施例中,工件质量检测***还包括与图像获取模块连接的污渍检测模块,用于在对图像进行处理之后,提取图像中工件的区域,将工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到待检测工件质量不合格。通过污渍检测模块去检测工件上的污渍情况,若是有污渍将该待检测杆件分离出,作进一步的处理。
参见图7、图8以及图9,从图中分别划分出第一检测区域、第二检测区域以及第三检测区域等。
本发明提供了一种工件质量检测方法,包括如下步骤:
参见图2和图3,获取待检测工件的图像,对图像进行处理。
参见图4和图5,从经处理后的图像中获取待检测工件的边缘线。
计算出边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角。
判断检测角度θ是否大于1°,若是,则判断得到待检测工件质量不合格;若否,则判断得到待检测工件质量合格。
进一步的,在检测角度θ不大于1°时,对边缘线的长度进行判断:
计算出边缘线的长度;
计算出边缘线的长度与对应的设定标准线的长度的差值的绝对值;
判断差值的绝对值是否小于对应的设定差值,若是,则判断得到待检测工件质量合格,若否,则判断得到待检测工件质量不合格。
参见图4和图5,更进一步的,获取待检测工件的边缘线的步骤包括:
裁切并提取图像中边缘线所对应的边缘线区域。
遍历边缘线区域的轮廓并获取边缘线区域中最大的轮廓。
利用霍夫变换获取最大的轮廓的所有线条。
以边缘线区域的左上角为原点建立平面直角坐标系。
获取边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组端点向靠近工件的方向移动设定像素值后的坐标点的灰度值和向远离工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与边缘线对应的设定灰度值相等的线条,即为边缘线区域内的边缘线。
参见图7、图8和图9,在本实施例中,在对图像进行处理之后还包括:
提取图像中工件的区域,将工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到待检测工件质量不合格。
Claims (8)
1.一种工件质量检测方法,其特征在于,包括如下步骤:
获取待检测工件的图像,对所述图像进行处理;
从经处理后的图像中获取待检测工件的边缘线;
计算出所述边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角;以及
判断所述检测角度θ是否大于1°,若是,则判断得到所述待检测工件质量不合格;若否,则判断得到所述待检测工件质量合格。
2.根据权利要求1所述的工件质量检测方法,其特征在于,在所述检测角度θ不大于1°时,对所述边缘线的长度进行判断:
计算出所述边缘线的长度;
计算出所述边缘线的长度与对应的所述设定标准线的长度的差值的绝对值;
判断所述差值的绝对值是否小于对应的设定差值,若是,则判断得到所述待检测工件质量合格,若否,则判断得到所述待检测工件质量不合格。
3.根据权利要求1所述的工件质量检测方法,其特征在于,获取待检测工件的边缘线的步骤包括:
裁切并提取所述图像中边缘线所对应的边缘线区域;
遍历所述边缘线区域的轮廓并获取所述边缘线区域中最大的轮廓;
利用霍夫变换获取所述最大的轮廓的所有线条;
以所述边缘线区域的左上角为原点建立平面直角坐标系;
获取所述边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组所述端点向靠近所述工件的方向移动设定像素值后的坐标点的灰度值和向远离所述工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与所述边缘线对应的设定灰度值相等的线条,即为所述边缘线区域内的所述边缘线。
4.根据权利要求1所述的工件质量检测方法,其特征在于,在对所述图像进行处理之后还包括:
提取所述图像中工件的区域,将所述工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断所述检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到所述待检测工件质量不合格。
5.一种工件质量检测***,其特征在于,包括:
图像获取模块,用于获取所述工件的图像;
与所述图像获取模块连接的边缘线获取模块,用于从经处理后的图像中获取待检测工件的边缘;
与所述边缘线获取模块连接的夹角计算模块,用于计算出所述边缘线与对应的设定标准线之间的检测角度θ,且θ为锐角;以及
与所述夹角计算模块连接的磨损判断模块,用于判断所述检测角度θ是否大于1°,若是,则判断得到所述待检测工件质量不合格;若否,则判断得到所述待检测工件质量合格。
6.根据权利要求5所述的工件质量检测***,其特征在于,在所述检测角度θ不大于1°时,所述磨损判断模块用于对所述边缘线的长度进行判断:
计算出所述边缘线的长度;
计算出所述边缘线的长度与对应的所述设定标准线的长度的差值的绝对值;
判断所述差值的绝对值是否小于对应的设定差值,若是,则判断得到所述待检测工件质量合格,若否,则判断得到所述待检测工件质量不合格。
7.根据权利要求5所述的工件质量检测***,其特征在于,在获取待检测工件的边缘线时,所述边缘线获取模块用于:
裁切并提取所述图像中边缘线所对应的边缘线区域;
遍历所述边缘线区域的轮廓并获取所述边缘线区域中最大的轮廓;
利用霍夫变换获取所述最大的轮廓的所有线条;
以所述边缘线区域的左上角为原点建立平面直角坐标系;
获取所述边缘线区域的最大轮廓的所有线条的两端点的位置坐标,计算每组所述端点向靠近所述工件的方向移动设定像素值后的坐标点的灰度值和向远离所述工件的方向移动设定像素值后的坐标点的灰度值,获取两个端点所对应的两个灰度值与所述边缘线对应的设定灰度值相等的线条,即为所述边缘线区域内的所述边缘线。
8.根据权利要求5所述的工件质量检测***,其特征在于,还包括与所述图像获取模块连接的污渍检测模块,用于在对所述图像进行处理之后,提取所述图像中工件的区域,将所述工件的区域划分成若干个检测区域,绘制检测区域的直方图,判断所述检测区域的直方图和对应的设定检测区域的直方图是否一致,若是,则执行获取待检测工件的边缘线的步骤,若否,则判断得到所述待检测工件质量不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346607.5A CN113077437B (zh) | 2021-03-31 | 2021-03-31 | 工件质量检测方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346607.5A CN113077437B (zh) | 2021-03-31 | 2021-03-31 | 工件质量检测方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077437A true CN113077437A (zh) | 2021-07-06 |
CN113077437B CN113077437B (zh) | 2023-07-25 |
Family
ID=76614097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110346607.5A Active CN113077437B (zh) | 2021-03-31 | 2021-03-31 | 工件质量检测方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077437B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066893A (zh) * | 2022-01-17 | 2022-02-18 | 湖南视比特机器人有限公司 | 检测工件质量的方法、装置和*** |
CN114166154A (zh) * | 2021-12-08 | 2022-03-11 | 河北省科学院应用数学研究所 | 玻璃瓶底部平整度视觉测量方法、装置及*** |
CN115169481A (zh) * | 2022-07-21 | 2022-10-11 | 北京汉飞航空科技有限公司 | 一种发动机涡轮叶片质量检测的分析计算方法 |
CN115753791A (zh) * | 2022-11-10 | 2023-03-07 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090238433A1 (en) * | 2008-03-21 | 2009-09-24 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Method and device for automatically detecting collimation edges |
CN104123544A (zh) * | 2014-07-23 | 2014-10-29 | 通号通信信息集团有限公司 | 基于视频分析的异常行为检测方法及*** |
CN104408727A (zh) * | 2014-12-03 | 2015-03-11 | 歌尔声学股份有限公司 | 一种图像边缘污点检测方法及*** |
CN105261014A (zh) * | 2015-09-30 | 2016-01-20 | 西南交通大学 | 一种多传感器遥感影像匹配方法 |
CN106274979A (zh) * | 2016-08-30 | 2017-01-04 | 大连民族大学 | 钢轨磨耗自动检测装置 |
CN107944342A (zh) * | 2017-10-27 | 2018-04-20 | 天津美腾科技有限公司 | 一种基于机器视觉的刮板机异常状态检测*** |
CN108106610A (zh) * | 2017-12-18 | 2018-06-01 | 广州大学 | 一种载物台垂直度检测方法、***及其控制装置 |
CN109166098A (zh) * | 2018-07-18 | 2019-01-08 | 上海理工大学 | 基于图像处理的工件毛刺检测方法 |
CN109712162A (zh) * | 2019-01-18 | 2019-05-03 | 珠海博明视觉科技有限公司 | 一种基于投影直方图差异的线缆字符缺陷检测方法和装置 |
CN209326508U (zh) * | 2018-12-26 | 2019-08-30 | 西安三鸣汽车零部件有限责任公司 | 一种汽车转向摇臂检测工装 |
CN111582184A (zh) * | 2020-05-11 | 2020-08-25 | 汉海信息技术(上海)有限公司 | 页面检测方法、装置、设备及存储介质 |
-
2021
- 2021-03-31 CN CN202110346607.5A patent/CN113077437B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090238433A1 (en) * | 2008-03-21 | 2009-09-24 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Method and device for automatically detecting collimation edges |
CN104123544A (zh) * | 2014-07-23 | 2014-10-29 | 通号通信信息集团有限公司 | 基于视频分析的异常行为检测方法及*** |
CN104408727A (zh) * | 2014-12-03 | 2015-03-11 | 歌尔声学股份有限公司 | 一种图像边缘污点检测方法及*** |
CN105261014A (zh) * | 2015-09-30 | 2016-01-20 | 西南交通大学 | 一种多传感器遥感影像匹配方法 |
CN106274979A (zh) * | 2016-08-30 | 2017-01-04 | 大连民族大学 | 钢轨磨耗自动检测装置 |
CN107944342A (zh) * | 2017-10-27 | 2018-04-20 | 天津美腾科技有限公司 | 一种基于机器视觉的刮板机异常状态检测*** |
CN108106610A (zh) * | 2017-12-18 | 2018-06-01 | 广州大学 | 一种载物台垂直度检测方法、***及其控制装置 |
CN109166098A (zh) * | 2018-07-18 | 2019-01-08 | 上海理工大学 | 基于图像处理的工件毛刺检测方法 |
CN209326508U (zh) * | 2018-12-26 | 2019-08-30 | 西安三鸣汽车零部件有限责任公司 | 一种汽车转向摇臂检测工装 |
CN109712162A (zh) * | 2019-01-18 | 2019-05-03 | 珠海博明视觉科技有限公司 | 一种基于投影直方图差异的线缆字符缺陷检测方法和装置 |
CN111582184A (zh) * | 2020-05-11 | 2020-08-25 | 汉海信息技术(上海)有限公司 | 页面检测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
刘建春;江骏杰;邹朝圣;: "基于机器视觉的立铣刀磨损检测方法研究" * |
彭;刘燕子;张东霖;: "基于HALCON的点胶质量检测***设计" * |
沈宝国 等: "基于机器视觉的工件角度检测方法研究" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166154A (zh) * | 2021-12-08 | 2022-03-11 | 河北省科学院应用数学研究所 | 玻璃瓶底部平整度视觉测量方法、装置及*** |
CN114166154B (zh) * | 2021-12-08 | 2022-08-19 | 河北省科学院应用数学研究所 | 玻璃瓶底部平整度视觉测量方法、装置及*** |
CN114066893A (zh) * | 2022-01-17 | 2022-02-18 | 湖南视比特机器人有限公司 | 检测工件质量的方法、装置和*** |
CN115169481A (zh) * | 2022-07-21 | 2022-10-11 | 北京汉飞航空科技有限公司 | 一种发动机涡轮叶片质量检测的分析计算方法 |
CN115753791A (zh) * | 2022-11-10 | 2023-03-07 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
CN115753791B (zh) * | 2022-11-10 | 2024-03-01 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113077437B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113077437B (zh) | 工件质量检测方法及其*** | |
CN116703907B (zh) | 一种基于机器视觉的汽车铸件表面缺陷检测方法 | |
CN109449093B (zh) | 晶圆检测方法 | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN109378279B (zh) | 晶圆检测方法及晶圆检测*** | |
CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN115239727B (zh) | 一种pcb板表面缺陷检测方法 | |
CN111932490A (zh) | 一种用于工业机器人的视觉***抓取信息提取方法 | |
CN115953373B (zh) | 玻璃缺陷检测方法、装置、电子设备及存储介质 | |
KR20180115646A (ko) | 비전 카메라를 이용한 비드 인식 장치 및 그 방법 | |
CN114897881B (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
WO2022222467A1 (zh) | 开口圆环工件外观缺陷检测方法、***及计算机存储介质 | |
CN116993804B (zh) | 一种基于lsm算法的箍筋尺寸检测方法及*** | |
CN111833350A (zh) | 机器视觉检测方法与*** | |
CN111028215A (zh) | 一种基于机器视觉的检测钢卷端面缺陷方法 | |
CN115880481A (zh) | 一种基于边缘轮廓的曲线定位算法及*** | |
JPH03175343A (ja) | 外観検査による欠陥抽出方法 | |
CN112991251B (zh) | 一种表面缺陷检测的方法、装置及设备 | |
JPH02242382A (ja) | 欠陥検査方法 | |
JP5346304B2 (ja) | 外観検査装置、外観検査システムおよび外観検査方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |