CN114841943A - 一种零件检测方法、装置、设备及存储介质 - Google Patents

一种零件检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114841943A
CN114841943A CN202210439747.1A CN202210439747A CN114841943A CN 114841943 A CN114841943 A CN 114841943A CN 202210439747 A CN202210439747 A CN 202210439747A CN 114841943 A CN114841943 A CN 114841943A
Authority
CN
China
Prior art keywords
image
target part
size information
design
matching
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
Application number
CN202210439747.1A
Other languages
English (en)
Inventor
陈琛
陈凯旋
刘桂强
赵艳明
赵志
严宪泽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Zhilian Co ltd
Original Assignee
Zhejiang Dahua Zhilian Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Zhilian Co ltd filed Critical Zhejiang Dahua Zhilian Co ltd
Priority to CN202210439747.1A priority Critical patent/CN114841943A/zh
Publication of CN114841943A publication Critical patent/CN114841943A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种零件检测方法、装置、设备及存储介质，涉及零件检测技术领域，用于提高零件检测的效率和精准度。该方法包括：根据图像采集设备对目标零件进行图像采集，获取所述目标零件的采集图像；对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息；根据对所述图像采集设备进行标定而获得的物像比，对所述采集图像中所述目标零件的图像尺寸信息进行大小调整，获得所述目标零件的实际尺寸信息；将所述目标零件的实际尺寸信息与设计尺寸信息进行比对，获得所述目标零件的检测结果。

Description

一种零件检测方法、装置、设备及存储介质
技术领域
本申请涉及零件检测技术领域，提供一种零件检测方法、装置、设备及存储介质。
背景技术
由于钣金具有易加工、易焊接、重量轻、强度高以及成本低等特点，因此，目前在电子电器、汽车工业、智能装备等生产领域得到了广泛应用，在具体生产加工中，可以通过对钣金进行下料、折弯以及焊接等加工工艺，来制造出各种大小和不同复杂度的钣金零件，其中，下料工艺是指根据二维设计图纸，使用激光切割机或者等离子切割机等数控设备将钣金进行切割。
目前，在根据二维设计图纸进行的钣金下料工艺中，其切割设备虽然精度较高，但由于输入参数错误或者设备异常等情况发生，使得切割后的钣金尺寸会出现不符合设计要求、漏切割以及多切割等质量异常的问题。因此，为了确定切割后的零件是否符合要求，就需要对切割后的零件进行尺寸检测，然而，传统的零件检测方法一般通过游标卡尺或者千分尺等工具来进行检测，使得检测效率和精度均较低，且若是零件存在尺寸非常小的圆孔或者异形孔，那么便会非常难以检测。此外，对于漏切割和多切割的检查也还需要人眼来识别，因此，存在漏检的可能性较大。
发明内容
本申请实施例提供一种零件检测方法、装置、设备及存储介质，用于提高零件检测的效率和精准度。
一方面，提供一种零件检测方法，所述方法包括：
根据图像采集设备对目标零件进行图像采集，获取所述目标零件的采集图像；
对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息；
根据对所述图像采集设备进行标定而获得的物像比，对所述采集图像中所述目标零件的图像尺寸信息进行大小调整，获得所述目标零件的实际尺寸信息；所述实际尺寸信息包括所述目标零件的实际形状和实际尺寸；
将所述目标零件的实际尺寸信息与设计尺寸信息进行比对，获得所述目标零件的检测结果；所述实际尺寸信息包括所述目标零件的设计形状和设计尺寸。
可见，在本申请实施例中，由于对采集图像进行了图像处理，因此，可以精确确定出目标零件在采集图像中的图像尺寸信息，进而，在此基础上，由于还根据对图像采集设备进行标定而获得的物像比，来对采集图像中目标零件的图像尺寸信息进行大小调整，因此，可以进一步精确的获得目标零件的实际尺寸信息，从而，在将目标零件的实际尺寸信息与设计尺寸信息进行比对时，可以精准的获得目标零件的检测结果。此外，由于该零件检测过程是基于图像处理的方式来实现的，因此，大大提高了零件检测的效率。
一方面，提供一种零件检测装置，所述装置包括：
图像采集单元，用于根据图像采集设备对目标零件进行图像采集，获取所述目标零件的采集图像；
尺寸信息获取单元，用于对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息；
尺寸信息调整单元，用于根据对所述图像采集设备进行标定而获得的物像比，对所述采集图像中所述目标零件的图像尺寸信息进行大小调整，获得所述目标零件的实际尺寸信息；所述实际尺寸信息包括所述目标零件的实际形状和实际尺寸；
检测结果获取单元，用于将所述目标零件的实际尺寸信息与设计尺寸信息进行比对，获得所述目标零件的检测结果；所述实际尺寸信息包括所述目标零件的设计形状和设计尺寸。
在一种可能的实施方式中，所述装置还包括图像生成单元，其中，所述图像生成单元，用于：
根据所述采集图像的长宽尺寸，生成设计图像对应的背景图像；
根据所述物像比，对所述目标零件的设计尺寸信息进行大小调整，以在所述背景图像中生成所述目标零件对应的标准形状图，获得所述目标零件的设计图像；其中，所述设计图像中仅包含所述目标零件的边缘。
在一种可能的实施方式中，所述尺寸信息获取单元，具体用于：
对所述采集图像进行去噪处理，获得所述目标零件的第一图像；
对所述第一图像进行校正处理，获得所述目标零件的第二图像；
对所述第二图像进行二值化处理，获得所述目标零件的第三图像；
根据所述第三图像，确定所述目标零件在所述采集图像中的图像尺寸信息。
在一种可能的实施方式中，所述尺寸信息获取单元，具体还用于：
根据所述第一图像中各个像素点的像素值以及小于预设像素值的像素点个数，获得各个像素点各自对应的中间像素值；
根据所述第一图像中各个像素点的像素值与各自对应的中间像素值之间的像素差值，以及预设校正系数，对所述第一图像中各个像素点的像素值进行校正处理，获得所述目标零件的第二图像。
在一种可能的实施方式中，所述尺寸信息获取单元，具体还用于：
对所述第三图像进行腐蚀处理，获得所述目标零件的第四图像；
将所述第四图像中各个像素点的像素值与所述第三图像中相应的各个像素点的像素值进行相减，获得所述目标零件的第五图像；
采用骨骼提取法对所述第五图像进行处理，获得所述目标零件的第六图像；
根据所述第六图像，确定所述目标零件在所述采集图像中的图像尺寸信息。
在一种可能的实施方式中，所述装置还包括零件位置调整单元，其中，所述零件位置调整单元，用于：
将所述第六图像与所述设计图像进行匹配，确定所述第六图像对应的匹配旋转中心、匹配旋转角度以及匹配平移向量；
根据所述匹配旋转中心、所述匹配旋转角度以及所述匹配平移向量，调整所述第六图像中所述目标零件的位置。
在一种可能的实施方式中，所述零件位置调整单元，具体还用于：
分别确定所述第六图像和所述设计图像中各自对应的所述目标零件的最小外接矩形中心；
根据所述第六图像和所述设计图像中各自对应的所述目标零件的最小外接矩形中心，确定所述匹配平移向量；
将所述设计图像中的零件边缘进行膨胀处理，计算所述第六图像中目标零件的边缘像素点与膨胀后的设计图像中目标零件的边缘像素点的重合个数；
根据所述重合个数，确定所述第六图像对应的匹配旋转中心和匹配旋转角度。
在一种可能的实施方式中，所述装置还包括ROI区域设置单元，其中，所述ROI区域设置单元，用于：
获取所述设计图像中所述目标零件对应的各个图元在预设坐标系中的位置信息；其中，所述图元包括所述目标零件边缘对应的直线、圆弧和圆；
根据所述目标零件对应的各个图元在预设坐标系中的位置信息，在所述第六图像中对应位置上为所述各个图元设置相应的感兴趣(ROI)区域；其中，所述各个图元的所有像素均分别位于各自对应的ROI区域内。
在一种可能的实施方式中，所述装置还包括角点坐标确定单元，其中，所述角点坐标确定单元，用于：
针对多个ROI区域中的任一ROI区域，执行如下过程：
若确定所述任一ROI区域中的图元为直线，则采用Hough直线拟合法，获得所述图元对应的拟合直线；或者；
若确定所述任一ROI区域中的图元不为直线，则采用Hough圆拟合法，获得所述图元对应的拟合曲线；
根据各个图元对应的拟合直线或者拟合曲线，确定所述目标零件对应的多个角点在所述预设坐标系中的坐标值。
在一种可能的实施方式中，所述尺寸信息获取单元，具体还用于：
根据所述匹配旋转中心、所述匹配旋转角度以及所述匹配平移向量，将所述目标零件对应的多个角点映射到所述第一图像中，获得所述目标零件的第七图像；
对所述第七图像进行样条插值，确定所述目标零件对应的多个角点在所述第七图像中的像素坐标；
根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将多个角点在第七图像中的亚像素坐标映射到第六图像中，获得目标零件对应的多个角点的目标亚像素坐标；
根据所述多个角点的目标亚像素坐标，确定所述目标零件在所述第七图像中的图像尺寸信息。
一方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方面所述的方法的步骤。
一方面，提供一种计算机存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述方面所述的方法的步骤。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的一种零件检测硬件***示意图；
图3为本申请实施例提供的标定板的一种示意图；
图4为本申请实施例提供的零件检测方法的一种流程示意图；
图5为本申请实施例提供的确定图像尺寸信息的一种流程示意图；
图6为本申请实施例提供的确定图像尺寸信息的另一种流程示意图；
图7为本申请实施例提供的调整目标零件位置的一种流程示意图；
图8为确定匹配旋转中心和匹配旋转角度的一种流程示意图；
图9为本申请实施例提供的确定ROI区域的一种流程示意图；
图10为本申请实施例提供的确定图元角点位置的一种流程示意图；
图11为本申请实施例提供的确定角点亚像素坐标值的一种流程示意图；
图12为本申请实施例提供的零件检测装置的一种结构示意图；
图13为本申请实施例提供的计算机设备的一种结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
目前，在根据二维设计图纸进行的钣金下料工艺中，其切割设备虽然精度较高，但由于输入参数错误或者设备异常等情况发生，使得切割后的钣金尺寸会出现不符合设计要求、漏切割以及多切割等质量异常的问题。因此，为了确定切割后的零件是否符合要求，就需要对切割后的零件进行尺寸检测，然而，传统的零件检测方法一般通过游标卡尺或者千分尺等工具来进行检测，使得检测效率和精度均较低，且若是零件存在尺寸非常小的圆孔或者异形孔，那么便会非常难以检测。此外，对于漏切割和多切割的检查也还需要人眼来识别，因此，存在漏检的可能性较大。
基于此，在本申请实施例中，在根据图像采集设备对目标零件进行图像采集，获取目标零件的采集图像之后，可以对采集图像进行图像处理，来确定目标零件在采集图像中的图像尺寸信息，进而，可以根据对图像采集设备进行标定而获得的物像比，对采集图像中目标零件的图像尺寸信息进行大小调整，来获得目标零件的实际尺寸信息，从而，可以通过将目标零件的实际尺寸信息与设计尺寸信息进行比对，来获得目标零件的检测结果。可见，在本申请实施例中，由于对采集图像进行了图像处理，因此，可以精确确定出目标零件在采集图像中的图像尺寸信息，进而，在此基础上，由于还根据对图像采集设备进行标定而获得的物像比，来对采集图像中目标零件的图像尺寸信息进行大小调整，因此，可以进一步精确的获得目标零件的实际尺寸信息，从而，在将目标零件的实际尺寸信息与设计尺寸信息进行比对时，可以精准的获得目标零件的检测结果。此外，由于该零件检测过程是基于图像处理的方式来实现的，因此，大大提高了零件检测的效率。
在介绍完本申请实施例的设计思想之后，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施过程中，可以根据实际需要灵活地应用本申请实施例提供的技术方案。
如图1所示，为本申请实施例提供的一种应用场景示意图，其中，该零件检测的应用场景可以包括零件检测设备10和图像采集设备11。
零件检测设备10可以为具有一定处理能力的计算机设备，例如可以为个人计算机(personal computer，PC)、笔记本电脑或者服务器等。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。该零件检测设备10可以包括一个或多个处理器101、存储器102以及与其他设备交互的I/O接口103等。此外，零件检测设备10还可以配置数据库104，数据库104可以用于存储本申请实施例提供的方案中涉及到的图像尺寸信息、实际尺寸信息以及设计尺寸信息等数据。其中，零件检测设备10的存储器102中可以存储本申请实施例提供的零件检测方法的程序指令，这些程序指令被处理器101执行时能够用以实现本申请实施例提供的零件检测方法的步骤，以在提高零件检测的效率和精准度。
图像采集设备11可以为摄像机、监控器以及手机等可以进行图像采集的设备。
在本申请实施例中，当零件检测设备10的I/O接口103检测到图像采集设备11对目标零件进行采集所得的采集图像时，则会调用存储器102中存储的零件检测方法的程序指令，并通过处理器101来执行这些程序指令，从而，在提高零件检测精准度的同时，还可以提高零件检测的效率。此外，且在这些程序指令的执行过程中，还可以将图像尺寸信息、实际尺寸信息以及设计尺寸信息等数据存储于数据库104中。
如图2所示，为本申请实施例提供的一种零件检测硬件***示意图，其中，零件检测***中相机201、相机悬挂支架202、镜头203、玻璃载物台204、底部背光源205、载物台支架206、第一线缆207、光源控制器208、计算机209、第二线缆210以及零件211，它们的具体作用如下：
相机201和镜头203用于采集被测零件211的灰度图像；
相机悬挂支架202用于安装相机201；
玻璃载物台204用于放被测零件；
底部背光源205用于使相机201采集的灰度图像的背景亮度均匀且没有干扰信息。其中，该底部背光源205的发光源可以为发白色光的LED灯芯或荧光灯管，且该底部背光源205朝向玻璃载物台204的一面有漫射板，可以使光源散射均匀。
载物台支架206用于固定底部背光源205和玻璃载物台204；
光源控制器208用于调节底部背光源205的亮度；
计算机209用于控制相机201采集灰度图像、对灰度图像进行分析处理、加载零件电子图纸和打印检测报告等。
其中，相机201安装于相机悬挂支架202上，镜头203与相机201通过螺纹接口连接，玻璃载物台204在镜头203下方并且与镜头轴线垂直，底部背光源205在玻璃载物台204下方并且与玻璃载物台204平面平行，玻璃载物台204和底部背光源205固定在载物台支架206上，载物台支架206与相机悬挂支架202固定在一起，底部背光源205通过第一线缆207与光源控制器208连接，计算机209通过第二线缆210连接相机201并控制相机201对零件211进行拍照，以获取零件图像信息。
在本申请实施例中，为了解决镜头畸变引起的图像失真问题，首先，需要对相机201进行标定，以得到畸变矫正参数和物像比，进而，以便后续可以使用该畸变矫正参数对采集图像进行畸变矫正，以及使用物像比来确定生成的设计图像中目标零件的各图元所占的像素个数和计算零件的实际物理尺寸。
其中，在对相机201进行标定时，可以通过使用标定板来进行标定，具体的，标定板的材料可以有为玻璃、金属铝或者菲林等材料，标定板的图案可以为棋盘格或者圆形网格等图案。如图3所示，为本申请实施例提供的标定板的一种示意图，其中，该标定板可以为采用玻璃材料的棋盘格标定板，在具体使用时，该标定板可以铺设在玻璃载物台204上，且该标定板要充满相机201视野的75％以上，并且成像清晰，进而，使用计算机209控制相机201采集标定板放在载物台不同位置的多张图像，采集过程中需保证标定板占据相机视野的75％以上，然后，计算机209便可以根据这多张图像计算出畸变矫正参数和物像比了。
在一种可能的实施方式中，底部背光源205可以通过光源控制器208来调节亮度。具体的，在获取零件图像信息之前，可以打开底部背光源205，然后通过光源控制器208由暗到亮调节底部背光源205的亮度，直到相机201所拍摄的背景图像中所有的像素值均达到255时，停止亮度调节。
当然，本申请实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其他可能的应用场景，本申请实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。下面，将结合附图对本申请实施例的方法进行介绍。
如图4所示，为本申请实施例提供的零件检测方法的一种流程示意图，该方法可以通过图1中的零件检测设备10来执行，该方法的流程介绍如下。
步骤401：根据图像采集设备对目标零件进行图像采集，获取目标零件的采集图像。
为了快速对目标零件进行检测，在本申请实施例中，采用图像处理的方式来实现对目标零件的快速检测。具体的，在对目标零件进行检测之前，首先，可以将被检测的目标零件放在玻璃载物台上，并确定目标零件在相机的视野内，然后，打开底部背光源，操作计算机以使图像采集设备对目标零件进行图像采集，从而，获取目标零件的采集图像，该采集图像可以被保存在计算机的硬盘中。
步骤402：对采集图像进行图像处理，确定目标零件在采集图像中的图像尺寸信息。
由于一些外界原因，例如，因为外界光线的影响，使得采集图像的背景像素值不一致，进而导致目标零件边缘锐利度较低，难以准确定位目标零件边缘，进而，最终导致难以确定该目标零件在采集图像中的图像尺寸信息等情况出现，因此，在本申请实施例中，在获取了目标零件的采集图像之后，可以对该采集图像进行图像处理，以对采集图像进行去噪与校正，从而，再通过曲线拟合等方式来确定出目标零件在该采集图像中的图像尺寸信息。
步骤403：根据对图像采集设备进行标定而获得的物像比，对采集图像中目标零件的图像尺寸信息进行大小调整，获得目标零件的实际尺寸信息。
在本申请实施例中，实际尺寸信息可以包括目标零件的实际形状和实际尺寸。该物像比图像中单个像素代表的实际物理长度。
为了后续能够在同等数量级来将通过采集图像确定的尺寸信息与设计的尺寸信息进行比对，在本申请实施例中，可以根据对图像采集设备进行标定而获得的物像比，来对采集图像中目标零件的图像尺寸信息进行大小调整，以获得目标零件的实际尺寸信息，例如，对采集图像中目标零件的图像尺寸信息进行放大调整或者缩小调整。
步骤404：将目标零件的实际尺寸信息与设计尺寸信息进行比对，获得目标零件的检测结果。
在本申请实施例中，实际尺寸信息包括目标零件的设计形状和设计尺寸。该检测结果中可以包含有该目标零件的实际尺寸信息与设计尺寸信息之间的差异值，以及该差异值是否在允许的误差范围内等内容。
在一种可能的实施方式中，在通常情况下，由于被检测的目标零件一般是随意放在玻璃载物台上，因此，相机获得的采集图像中目标零件可能会位于采集图像内的任何位置，其与目标零件在设计电子图纸中的位置可能是不一致的，此外，相机获得的采集图像和设计电子图纸数据格式也可能是不一致的，因此，为了使得后续比对所得的检测结果更加准确，在本申请实施例中，还可以根据设计电子图纸来生成目标零件的设计图像。具体的，可以根据采集图像的长宽尺寸，生成设计图像对应的背景图像，该背景图像与采集图像具有相同的尺寸，且背景为白色，进而，可以根据物像比，对目标零件的设计尺寸信息进行大小调整，以在该背景图像中生成目标零件对应的标准形状图，从而，获得目标零件的设计图像；其中，设计图像中可以仅包含目标零件的边缘，且，在该设计图像中可以以黑色像素的形式来表示目标零件的边缘。
在本申请实施例中，目标零件设计形状、尺寸和标注信息可以预先存储在是硬盘中，进而，当需要获取目标零件的设计形状、尺寸和标注信息时，计算机可以直接通过加载存储在硬盘中的目标零件的设计电子图纸，并对该电子图纸进行数据解析，来获得该目标零件的设计形状、所有尺寸以及标注信息。在具体应用时，目标零件的设计电子图纸可以以DXF的电子图纸文件格式存储至硬盘中。
在一种可能的实施方式中，由于相机在获取采集图像时以及采集图像在传输过程中不可避免的会产生图像噪声，因此，为了更加精确的确定出图像尺寸信息，在本申请实施例中，在采集到目标零件的采集图像之后，可以进一步通过如下过程来进一步进行精确，如图5所示，为本申请实施例提供的确定图像尺寸信息的一种流程示意图，具体流程介绍如下。
步骤501：对采集图像进行去噪处理，获得目标零件的第一图像。
在本申请实施例中，可以使用中值滤波、均值滤波或者高斯滤波等方法来对采集图像进行去噪处理，以去除零件图像中的噪声，从而，获得目标零件的第一图像。
步骤502：对第一图像进行校正处理，获得目标零件的第二图像。
在本申请实施例中，为了增强采集图像中目标零件信息的对比度，尤其是增强零件边缘的锐利度，在获取第一图像之后，还可以对第一图像进行校正处理，具体的，首先，可以先根据第一图像中各个像素点的像素值以及小于预设像素值的像素点个数，来获得各个像素点各自对应的中间像素值Pd，如下公式(1)表示：
Figure BDA0003613270230000121
其中，Po为第一图像中第o个像素点的像素值；k为第一图像中像素值小于255像素点的总个数；Pi为第一图像中第i个像素值小于255的像素点的像素值。
然后，可以根据第一图像中各个像素点的像素值与各自对应的中间像素值之间的像素差值，以及预设校正系数，来对第一图像中各个像素点的像素值进行校正处理，以获得各个像素点矫正后的像素值Pv，如下公式(2)表示：
Figure BDA0003613270230000131
其中，E1、E2为预设校正系数，这些预设校正系数的大小与零件材料、表面颜色和切割方式有关，在本申请实施中，这些预设校正系数可以根据实际测试经验所得，且E1∈[0,1]，E2∈[0,1]。进而，根据各个像素点矫正后的像素值Pv，便可以获得目标零件的第二图像。
当然，由于像素的灰度级介于[0,255]，因此，为进一步获取更加精确的图像尺寸信息，在本申请实施例中，还可以对Pv进行如下公式(3)所示的调整：
Figure BDA0003613270230000132
进而，可以根据调整后的Pv，来获得目标零件的第二图像。
步骤503：对第二图像进行二值化处理，获得目标零件的第三图像。
为进一步获取更加精确的图像尺寸信息，在本申请实施例中，在获得第二图像之后，还可以对第二图像进行二值化处理，以获得目标零件的第三图像。具体的，可以采用最大类间方差法等方法，来对第二图像二值化，以得到目标零件二值化后的第三图像。
步骤504：根据第三图像，确定目标零件在采集图像中的图像尺寸信息。
在本申请实施例中，在获得第三图像之后，可以通过曲线拟合等方式来确定出在该第三图像中目标零件的边缘线，进而，通过确定这些边缘线的尺寸等数据，便可以确定出目标零件在采集图像中的图像尺寸信息了。
在一种可能的实施方式中，为了进一步更加准确的确定出第三图像中目标零件的边缘线，在本申请实施例中，还可以进一步通过确定出值包含零件边缘线的单像素边缘图像来进一步更加准确的确定出第三图像中目标零件的边缘线，如图6所示，为本申请实施例提供的确定图像尺寸信息的另一种流程示意图，具体流程介绍如下。
步骤5041：对第三图像进行腐蚀处理，获得目标零件的第四图像。
在本申请实施例中，可以假设卷积核大小为3×3，在此基础上，可以对第三图像进行腐蚀处理，从而，获得目标零件腐蚀后的第四图像。
步骤5042：将第四图像中各个像素点的像素值与第三图像中相应的各个像素点的像素值进行相减，获得目标零件的第五图像。
在本申请实施例中，可以将第四图像与第三图像进行算数运算中的相减处理，即，可以将第四图像中各个像素点的像素值与第三图像中相应的各个像素点的像素值进行相减，从而，获得目标零件的多像素边缘图像，即目标零件的第五图像。
步骤5043：采用骨骼提取法对第五图像进行处理，获得目标零件的第六图像。
在本申请实施例中，该第五图像为目标零件的单像素边缘图像。
步骤5044：根据第六图像，确定目标零件在采集图像中的图像尺寸信息。
在本申请实施例中，在获得第六图像之后，可以通过曲线拟合等方式来确定出在该第六图像中目标零件的边缘线，进而，通过确定这些边缘线的尺寸等数据，便可以确定出目标零件在采集图像中的图像尺寸信息了。
为了使得比对所得的检测结果更加准确，在本申请实施例中，还可以通过将采集图像中目标零件所处的位置调整为与设计图像中目标零件的位置相同，来进一步提高检测结果的准确性，如图7所示，为本申请实施例提供的调整目标零件位置的一种流程示意图，具体流程介绍如下。
步骤701：将第六图像与设计图像进行匹配，确定第六图像对应的匹配旋转中心、匹配旋转角度以及匹配平移向量。
在本申请实施例中，可以将设计图像作为模板图像，第六图像作为匹配图像，来将第六图像与设计图像进行匹配，从而，来得到第六图像对应的匹配旋转中心、匹配旋转角度和匹配平移向量等数据。
具体的，在本申请实施例中，如图8所示，为本申请实施例提供的确定匹配旋转中心和匹配旋转角度的一种流程示意图，具体流程介绍如下。
步骤7011：分别确定第六图像和设计图像中各自对应的目标零件的最小外接矩形中心。
步骤7012：根据第六图像和设计图像中各自对应的目标零件的最小外接矩形中心，确定匹配平移向量。
在本申请实施例中，可以将第六图像进行平移，直到第六图像中目标零件的零件区域的最小外接矩形中心和设计图像中目标零件的零件区域的最小外接矩形中心重合，而通过该平移过程获得的平移向量，即为第六图像与设计图像的匹配平移向量。
步骤7013：将设计图像中的零件边缘进行膨胀处理，计算第六图像中目标零件的边缘像素点与膨胀后的设计图像中目标零件的边缘像素点的重合个数。
在本申请实施例中，可以假设卷积核大小优选为3×3，基于此，可以将设计图像中的零件边缘进行膨胀处理，然后，再计算第六图像中目标零件的边缘像素点与膨胀处理后的设计图像中目标零件的边缘像素点的重合个数Cn。具体的，可以以第六图像中目标零件的零件区域最小外接矩形中心为旋转中心，逆时针旋转第六图像，每次旋转角度为1°，旋转完后计算边缘像素重合个数Cn，直至第六图像回到旋转前的起始位置。
步骤7014：根据重合个数，确定第六图像对应的匹配旋转中心和匹配旋转角度。
在本申请实施例中，当Cn最大时，第六图像和膨胀处理后的设计图像重合度最高，此时，对应的旋转角度即为第六图像与设计图像的匹配旋转角度，对应的旋转中心即为匹配旋转中心。
步骤702：根据匹配旋转中心、匹配旋转角度以及匹配平移向量，调整第六图像中目标零件的位置。
在本申请实施例中，可以根据匹配旋转中心、匹配旋转角度以及匹配平移向量等数据，来调整第六图像中目标零件的位置，以使第六图像中的目标零件的零件区域与设计图像中目标零件的零件区域的位置近似一致。
在一种可能的实施方式中，在本申请实施例中，在根据匹配旋转中心、匹配旋转角度以及匹配平移向量，调整第六图像中目标零件的位置之后，还需要获取设计图像中目标零件对应的各个图元(目标零件的边缘线)的感兴趣(ROI)区域，如图9所示，为本申请实施例提供的确定ROI区域的一种流程示意图，具体流程介绍如下。
步骤901：获取设计图像中目标零件对应的各个图元在预设坐标系中的位置信息。
在本申请实施例中，图元可以包括目标零件边缘对应的直线、圆弧和圆。该预设坐标系的X坐标轴可以与设计图像的长边平行，Y坐标轴可以与设计图像的宽边平行。
步骤902：根据目标零件对应的各个图元在预设坐标系中的位置信息，在第六图像中对应位置上为各个图元设置相应的感兴趣(ROI)区域。
在本申请实施例中，可以设置ROI区域的形状为矩形，并比设计图像中对应图元的最小外接矩形尺寸大，优选ROI的长、宽尺寸增加10％，进而，使得各个图元的所有像素均分别位于各自对应的ROI区域内。
在一种可能的实施方式中，在本申请实施例中，在根据目标零件对应的各个图元在预设坐标系中的位置信息，在第六图像中对应位置上为各个图元设置相应的感兴趣(ROI)区域之后，还需要获取各个图元的角点位置，由于所有ROI区域中图元的角点位置确定过程相同，因此，下面A ROI区域为例进行详细介绍，如图10所示，为本申请实施例提供的确定图元角点位置的一种流程示意图，具体流程介绍如下。
步骤1001：确定A ROI区域中的图元是否为直线。
在本申请实施例中，由于可以根据对零件电子图纸解析所得的信息，来确定设计图像中各图元的属性(即，是否为直线)，且第六图像中的ROI区域中的各个图元与设计图像中的各个图元存在对应关系，因此，在本申请实施例中，可以通过设计图像中各图元的属性来确定第六图像中的ROI区域中的各个图元的属性。
步骤1002：若确定A ROI区域中的图元为直线，则采用Hough直线拟合法，获得图元对应的拟合直线。
步骤1003：若确定A ROI区域中的图元不为直线，则采用Hough圆拟合法，获得图元对应的拟合曲线。
步骤1004：根据各个图元对应的拟合直线或者拟合曲线，确定目标零件对应的多个角点在预设坐标系中的坐标值。
在本申请实施例中，拟合的直线与直线的交点为直线角点，直线与圆弧的交点为直线和圆弧的角点，直线与圆的交点为直线和圆的角点，圆弧和圆的交点为圆弧和圆的角点，进而，便可以对应确定出各角点在预设坐标系中的坐标值了。
在一种可能的实施方式中，为了进一步提高目标零件检测精准度，在本申请实施例中，还可以将像素级的角点坐标值进一步精确到亚像素级，来进一步精准确定出目标零件的图像尺寸信息，如图11所示，为本申请实施例提供的确定角点亚像素坐标值的一种流程示意图，具体流程介绍如下。
步骤1101：根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将目标零件对应的多个角点映射到第一图像中，获得目标零件的第七图像。
步骤1102：对第七图像进行样条插值，确定目标零件对应的多个角点在第七图像中的亚像素坐标。
在本申请实施例中，可以根据第七图像中的灰度梯度变化，对该第七图像进行样条插值，从而，确定出各个角点在第七图像中映射位置像素的亚像素坐标。
步骤1103：根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将多个角点在第七图像中的亚像素坐标映射到第六图像中，获得目标零件对应的多个角点的目标亚像素坐标。
步骤1104：根据多个角点的目标亚像素坐标，确定目标零件在第七图像中的图像尺寸信息。
在本申请实施例中，在获取到各个角点的目标亚像素坐标之后，便可以根据这些目标亚像素坐标计算出目标零件的各条边缘线以像素为单位的图像尺寸信息。具体的，直线的尺寸可以通过计算两个角点间的像素长度来获得；圆弧和圆可以通过Hough圆拟合来找到亚像素圆心坐标和半径长度；直线到直线的位置尺寸可以根据其中一条直线上的角点到另外一条直线的像素距离来进行计算；直线到圆弧或圆的位置尺寸，可以通过计算圆弧或圆的圆心到直线的像素距离来获得；圆弧到圆弧的位置尺寸，可以通过计算两个圆弧圆心的位置像素距离来获得；圆弧到圆的位置尺寸，可以通过计算圆弧圆心到圆圆心的位置像素距离尺寸来获得；而圆到圆的位置尺寸，可以通过计算两个圆心的位置像素距离尺寸来获得。基于此，便可以根据物像比，来计算出各个图元的实际物理长度，即可以获得目标零件的实际尺寸信息。
进一步的，在获得目标零件的实际尺寸信息之后，由于根据零件电子图纸解析所得的信息，已经知道了目标零件各个图元的尺寸、图元与图元之间的位置尺寸和对应的公差信息，基于此，可以通过将这些已知的设计尺寸信息，和目标零件的实际尺寸信息进行比对，检测目标零件是否存在尺寸超出设计公差范围、多切割和少切割等质量缺陷，并在比对完成之后，输出目标零件的检测结果，以便工作人员可以在计算机上打印相应的检测报告。
综上所述，在本申请实施例中，由于对采集图像进行了图像处理，因此，可以精确确定出目标零件在采集图像中的图像尺寸信息，进而，在此基础上，由于还根据对图像采集设备进行标定而获得的物像比，来对采集图像中目标零件的图像尺寸信息进行大小调整，因此，可以进一步精确的获得目标零件的实际尺寸信息，从而，在将目标零件的实际尺寸信息与设计尺寸信息进行比对时，可以精准的获得目标零件的检测结果。此外，由于该零件检测过程是基于图像处理的方式来实现的，因此，大大提高了零件检测的效率。
如图12所示，基于同一发明构思，本申请实施例提供一种零件检测装置，该装置120包括：
图像采集单元1201，用于根据图像采集设备对目标零件进行图像采集，获取目标零件的采集图像；
尺寸信息获取单元1202，用于对采集图像进行图像处理，确定目标零件在采集图像中的图像尺寸信息；
尺寸信息调整单元1203，用于根据对图像采集设备进行标定而获得的物像比，对采集图像中目标零件的图像尺寸信息进行大小调整，获得目标零件的实际尺寸信息；实际尺寸信息包括目标零件的实际形状和实际尺寸；
检测结果获取单元1204，用于将目标零件的实际尺寸信息与设计尺寸信息进行比对，获得目标零件的检测结果；实际尺寸信息包括目标零件的设计形状和设计尺寸。
在一种可能的实施方式中，装置还包括图像生成单元1205，其中，图像生成单元1205，用于：
根据采集图像的长宽尺寸，生成设计图像对应的背景图像；
根据物像比，对目标零件的设计尺寸信息进行大小调整，以在背景图像中生成目标零件对应的标准形状图，获得目标零件的设计图像；其中，设计图像中仅包含目标零件的边缘。
在一种可能的实施方式中，尺寸信息获取单元1202，具体用于：
对采集图像进行去噪处理，获得目标零件的第一图像；
对第一图像进行校正处理，获得目标零件的第二图像；
对第二图像进行二值化处理，获得目标零件的第三图像；
根据第三图像，确定目标零件在采集图像中的图像尺寸信息。
在一种可能的实施方式中，尺寸信息获取单元1202，具体还用于：
根据第一图像中各个像素点的像素值以及小于预设像素值的像素点个数，获得各个像素点各自对应的中间像素值；
根据第一图像中各个像素点的像素值与各自对应的中间像素值之间的像素差值，以及预设校正系数，对第一图像中各个像素点的像素值进行校正处理，获得目标零件的第二图像。
在一种可能的实施方式中，尺寸信息获取单元1202，具体还用于：
对第三图像进行腐蚀处理，获得目标零件的第四图像；
将第四图像中各个像素点的像素值与第三图像中相应的各个像素点的像素值进行相减，获得目标零件的第五图像；
采用骨骼提取法对第五图像进行处理，获得目标零件的第六图像；
根据第六图像，确定目标零件在采集图像中的图像尺寸信息。
在一种可能的实施方式中，装置还包括零件位置调整单元1206，其中，零件位置调整单元1206，用于：
将第六图像与设计图像进行匹配，确定第六图像对应的匹配旋转中心、匹配旋转角度以及匹配平移向量；
根据匹配旋转中心、匹配旋转角度以及匹配平移向量，调整第六图像中目标零件的位置。
在一种可能的实施方式中，零件位置调整单元1206，具体还用于：
分别确定第六图像和设计图像中各自对应的目标零件的最小外接矩形中心；
根据第六图像和设计图像中各自对应的目标零件的最小外接矩形中心，确定匹配平移向量；
将设计图像中的零件边缘进行膨胀处理，计算第六图像中目标零件的边缘像素点与膨胀后的设计图像中目标零件的边缘像素点的重合个数；
根据重合个数，确定第六图像对应的匹配旋转中心和匹配旋转角度。
在一种可能的实施方式中，装置还包括ROI区域设置单元1207，其中，ROI区域设置单元1207，用于：
获取设计图像中目标零件对应的各个图元在预设坐标系中的位置信息；其中，图元包括目标零件边缘对应的直线、圆弧和圆；
根据目标零件对应的各个图元在预设坐标系中的位置信息，在第六图像中对应位置上为各个图元设置相应的感兴趣(ROI)区域；其中，各个图元的所有像素均分别位于各自对应的ROI区域内。
在一种可能的实施方式中，装置还包括角点坐标确定单元1208，其中，角点坐标确定单元1208，用于：
针对多个ROI区域中的任一ROI区域，执行如下过程：
若确定任一ROI区域中的图元为直线，则采用Hough直线拟合法，获得图元对应的拟合直线；或者；
若确定任一ROI区域中的图元不为直线，则采用Hough圆拟合法，获得图元对应的拟合曲线；
根据各个图元对应的拟合直线或者拟合曲线，确定目标零件对应的多个角点在预设坐标系中的坐标值。
在一种可能的实施方式中，尺寸信息获取单元1202，具体还用于：
根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将目标零件对应的多个角点映射到第一图像中，获得目标零件的第七图像；
对第七图像进行样条插值，确定目标零件对应的多个角点在第七图像中的像素坐标；
根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将多个角点在第七图像中的亚像素坐标映射到第六图像中，获得目标零件对应的多个角点的目标亚像素坐标；
根据多个角点的目标亚像素坐标，确定目标零件在第七图像中的图像尺寸信息。
该装置可以用于执行图4～图11所示的实施例中所述的方法，因此，对于该装置的各功能单元所能够实现的功能等可参考图4～图11所示的实施例的描述，不多赘述。其中，虚线所表示的功能单元为非必要功能单元。
请参见图13，基于同一技术构思，本申请实施例还提供了一种计算机设备130，可以包括存储器1301和处理器1302。
所述存储器1301，用于存储处理器1302执行的计算机程序。存储器1301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备的使用所创建的数据等。处理器1302，可以是一个中央处理单元(central processing unit，CPU)，或者为数字处理单元等等。本申请实施例中不限定上述存储器1301和处理器1302之间的具体连接介质。本申请实施例在图13中以存储器1301和处理器1302之间通过总线1303连接，总线1303在图13中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线1303可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器1301可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器1301也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器1301是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器1301可以是上述存储器的组合。
处理器1302，用于调用所述存储器1301中存储的计算机程序时执行如图4～图11所示的实施例中设备所执行的方法。
在一些可能的实施方式中，本申请提供的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的方法中的步骤，例如，所述计算机设备可以执行如图4～图11所示的实施例中所述的方法。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例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中，包括若干指令用以使得一台计算机设备(可以是个人计算机、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。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (13)

1.一种零件检测方法，其特征在于，所述方法包括：
根据图像采集设备对目标零件进行图像采集，获取所述目标零件的采集图像；
对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息；
根据对所述图像采集设备进行标定而获得的物像比，对所述采集图像中所述目标零件的图像尺寸信息进行大小调整，获得所述目标零件的实际尺寸信息；所述实际尺寸信息包括所述目标零件的实际形状和实际尺寸；
将所述目标零件的实际尺寸信息与设计尺寸信息进行比对，获得所述目标零件的检测结果；所述实际尺寸信息包括所述目标零件的设计形状和设计尺寸。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述采集图像的长宽尺寸，生成设计图像对应的背景图像；
根据所述物像比，对所述目标零件的设计尺寸信息进行大小调整，以在所述背景图像中生成所述目标零件对应的标准形状图，获得所述目标零件的设计图像；其中，所述设计图像中仅包含所述目标零件的边缘。
3.如权利要求1所述的方法，其特征在于，所述对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息，包括：
对所述采集图像进行去噪处理，获得所述目标零件的第一图像；
对所述第一图像进行校正处理，获得所述目标零件的第二图像；
对所述第二图像进行二值化处理，获得所述目标零件的第三图像；
根据所述第三图像，确定所述目标零件在所述采集图像中的图像尺寸信息。
4.如权利要求3所述的方法，其特征在于，对所述第一图像进行校正处理，获得所述目标零件的第二图像，包括：
根据所述第一图像中各个像素点的像素值以及小于预设像素值的像素点个数，获得各个像素点各自对应的中间像素值；
根据所述第一图像中各个像素点的像素值与各自对应的中间像素值之间的像素差值，以及预设校正系数，对所述第一图像中各个像素点的像素值进行校正处理，获得所述目标零件的第二图像。
5.如权利要求3所述的方法，其特征在于，所述根据所述第三图像，确定所述目标零件在所述采集图像中的图像尺寸信息，包括：
对所述第三图像进行腐蚀处理，获得所述目标零件的第四图像；
将所述第四图像中各个像素点的像素值与所述第三图像中相应的各个像素点的像素值进行相减，获得所述目标零件的第五图像；
采用骨骼提取法对所述第五图像进行处理，获得所述目标零件的第六图像；
根据所述第六图像，确定所述目标零件在所述采集图像中的图像尺寸信息。
6.如权利要求2所述的方法，其特征在于，所述方法还包括：
将所述第六图像与所述设计图像进行匹配，确定所述第六图像对应的匹配旋转中心、匹配旋转角度以及匹配平移向量；
根据所述匹配旋转中心、所述匹配旋转角度以及所述匹配平移向量，调整所述第六图像中所述目标零件的位置。
7.如权利要求6所述的方法，其特征在于，所述将所述第六图像与所述设计图像进行匹配，确定所述第六图像对应的匹配旋转中心、匹配旋转角度以及匹配平移向量，包括：
分别确定所述第六图像和所述设计图像中各自对应的所述目标零件的最小外接矩形中心；
根据所述第六图像和所述设计图像中各自对应的所述目标零件的最小外接矩形中心，确定所述匹配平移向量；
将所述设计图像中的零件边缘进行膨胀处理，计算所述第六图像中目标零件的边缘像素点与膨胀后的设计图像中目标零件的边缘像素点的重合个数；
根据所述重合个数，确定所述第六图像对应的匹配旋转中心和匹配旋转角度。
8.如权利要求6所述的方法，其特征在于，在根据所述匹配旋转中心、所述匹配旋转角度以及所述匹配平移向量，调整所述第六图像中所述目标零件的位置之后，所述方法还包括：
获取所述设计图像中所述目标零件对应的各个图元在预设坐标系中的位置信息；其中，所述图元包括所述目标零件边缘对应的直线、圆弧和圆；
根据所述目标零件对应的各个图元在预设坐标系中的位置信息，在所述第六图像中对应位置上为所述各个图元设置相应的感兴趣(ROI)区域；其中，所述各个图元的所有像素均分别位于各自对应的ROI区域内。
9.如权利要求8所述的方法，其特征在于，在根据所述目标零件对应的各个图元在预设坐标系中的位置信息，在所述第六图像中对应位置上为所述各个图元设置相应的感兴趣(ROI)区域之后，所述方法还包括：
针对多个ROI区域中的任一ROI区域，执行如下过程：
若确定所述任一ROI区域中的图元为直线，则采用Hough直线拟合法，获得所述图元对应的拟合直线；或者；
若确定所述任一ROI区域中的图元不为直线，则采用Hough圆拟合法，获得所述图元对应的拟合曲线；
根据各个图元对应的拟合直线或者拟合曲线，确定所述目标零件对应的多个角点在所述预设坐标系中的坐标值。
10.如权利要求9所述的方法，其特征在于，所述对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息，包括：
根据所述匹配旋转中心、所述匹配旋转角度以及所述匹配平移向量，将所述目标零件对应的多个角点映射到所述第一图像中，获得所述目标零件的第七图像；
对所述第七图像进行样条插值，确定所述目标零件对应的多个角点在所述第七图像中的像素坐标；
根据匹配旋转中心、匹配旋转角度以及匹配平移向量，将多个角点在第七图像中的亚像素坐标映射到第六图像中，获得目标零件对应的多个角点的目标亚像素坐标；
根据所述多个角点的目标亚像素坐标，确定所述目标零件在所述第七图像中的图像尺寸信息。
11.一种零件检测装置，其特征在于，所述装置包括：
图像采集单元，用于根据图像采集设备对目标零件进行图像采集，获取所述目标零件的采集图像；
尺寸信息获取单元，用于对所述采集图像进行图像处理，确定所述目标零件在所述采集图像中的图像尺寸信息；
尺寸信息调整单元，用于根据对所述图像采集设备进行标定而获得的物像比，对所述采集图像中所述目标零件的图像尺寸信息进行大小调整，获得所述目标零件的实际尺寸信息；所述实际尺寸信息包括所述目标零件的实际形状和实际尺寸；
检测结果获取单元，用于将所述目标零件的实际尺寸信息与设计尺寸信息进行比对，获得所述目标零件的检测结果；所述实际尺寸信息包括所述目标零件的设计形状和设计尺寸。
12.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，
所述处理器执行所述计算机程序时实现权利要求1-10任一项所述方法的步骤。
13.一种计算机存储介质，其上存储有计算机程序指令，其特征在于，
该计算机程序指令被处理器执行时实现权利要求1-10任一项所述方法的步骤。
CN202210439747.1A 2022-04-25 2022-04-25 一种零件检测方法、装置、设备及存储介质 Pending CN114841943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210439747.1A CN114841943A (zh) 2022-04-25 2022-04-25 一种零件检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210439747.1A CN114841943A (zh) 2022-04-25 2022-04-25 一种零件检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114841943A true CN114841943A (zh) 2022-08-02

Family

ID=82566538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210439747.1A Pending CN114841943A (zh) 2022-04-25 2022-04-25 一种零件检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114841943A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564779A (zh) * 2022-12-08 2023-01-03 东莞先知大数据有限公司 一种零件缺陷检测方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564779A (zh) * 2022-12-08 2023-01-03 东莞先知大数据有限公司 一种零件缺陷检测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
JP4154374B2 (ja) パターンマッチング装置及びそれを用いた走査型電子顕微鏡
CN109632808B (zh) 棱边缺陷检测方法、装置、电子设备及存储介质
CN112488910B (zh) 点云优化方法、装置及设备
CN113160161B (zh) 目标边缘处缺陷的检测方法和装置
CN116503388B (zh) 缺陷检测方法、装置及存储介质
CN113962306A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
JP2019518276A (ja) 破損分析装置及び方法
CN108022219B (zh) 一种二维图像灰度修正方法
CN113066088A (zh) 工业检测中的检测方法、检测装置和存储介质
CN114841943A (zh) 一种零件检测方法、装置、设备及存储介质
CN117274258A (zh) 主板图像的缺陷检测方法、***、设备及存储介质
CN117152165A (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
JP4801697B2 (ja) 画像形成方法，画像形成装置、及びコンピュータプログラム
CN117557565A (zh) 一种锂电池极片的检测方法及其装置
CN113781393A (zh) 屏幕缺陷检测方法、装置、设备及存储介质
CN111369513B (zh) 一种异常检测方法、装置、终端设备及存储介质
CN110310239B (zh) 一种基于特性值拟合消除光照影响的图像处理方法
WO2023060927A1 (zh) 一种3d光栅检测方法、装置、计算机设备及可读存储介质
CN116380918A (zh) 缺陷检测方法、装置及设备
CN115578291A (zh) 图像的亮度校正方法、存储介质及电子设备
CN115393330A (zh) 摄像头图像模糊检测方法、装置、计算机设备及存储介质
JP6114559B2 (ja) フラットパネルディスプレイの自動ムラ検出装置
CN109754365B (zh) 一种图像处理方法及装置
CN117422714B (zh) 装配检测方法、设备和存储介质
WO2019022728A1 (en) EVALUATION OF DYNAMIC BEACHES OF IMAGING DEVICES

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