CN117408963A - 一种管壳自动分选方法、***和可存储介质 - Google Patents

一种管壳自动分选方法、***和可存储介质 Download PDF

Info

Publication number
CN117408963A
CN117408963A CN202311344751.0A CN202311344751A CN117408963A CN 117408963 A CN117408963 A CN 117408963A CN 202311344751 A CN202311344751 A CN 202311344751A CN 117408963 A CN117408963 A CN 117408963A
Authority
CN
China
Prior art keywords
height
diameter
image
shell
tube shell
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
Application number
CN202311344751.0A
Other languages
English (en)
Other versions
CN117408963B (zh
Inventor
张�杰
周壮壮
孙乐康
杨宵玲
周涵
陈扬
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.)
Zhongke Suzhou Intelligent Computing Technology Research Institute
Original Assignee
Zhongke Suzhou Intelligent Computing Technology Research Institute
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 Zhongke Suzhou Intelligent Computing Technology Research Institute filed Critical Zhongke Suzhou Intelligent Computing Technology Research Institute
Priority to CN202311344751.0A priority Critical patent/CN117408963B/zh
Publication of CN117408963A publication Critical patent/CN117408963A/zh
Application granted granted Critical
Publication of CN117408963B publication Critical patent/CN117408963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B07C5/12—Sorting according to size characterised by the application to particular articles, not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种管壳自动分选方法、***和可存储介质，其中方法包括获取管壳在直径方向直径图像和在高度方向的高度图像；对直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像；通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓；对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值；判断直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。实现管壳的自动检测，可自动分选出管壳的高度和直径是否在设定的尺寸范围内。

Description

一种管壳自动分选方法、***和可存储介质
技术领域
本发明涉及自动检测技术领域，尤其涉及一种管壳自动分选方法、***和可存储介质。
背景技术
管壳为管状结构，当管壳应用在精密要求高的领域时，对管壳的尺寸有严格要求，要求管壳的直径和高度都在规定范围内，需要分选出合格的管壳。目前，管壳直径和高度的检测过程依赖人工操作，自动化程度低，检测容易受到人为因素干扰。人工检测时，由于每批次待检测的管壳数量较多，通常只能进行直径的抽检，而非全面检测，这也增加了质量控制的难度。
随着视觉检测***的发展，可将视觉检测***应用到管壳分选上来，如何利用视觉检测***实现管壳高效精准的检测，成为一个有待解决的技术问题。
发明内容
为克服上述缺点，本发明的目的在于提供一种管壳自动分选方法，实现管壳的自动检测，可自动分选出管壳的高度和直径是否在设定的尺寸范围内。
为了达到以上目的，本发明采用的技术方案是：一种管壳自动分选方法，应用于管壳分选***，所述方法包括
获取管壳在直径方向直径图像和在高度方向的高度图像；
对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像；
通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓；
对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值；
判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
本发明的有益效果在于：通过图像采集和处理，快速得到管壳在直径和高度方面的范围，实现不同型号尺寸的管壳的快速检测和分选。阈值可改变，以兼容不同管壳的分选。
进一步来说，所述对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值具体包括：
处理所述管壳高度ROI区域图像，根据所述管壳高度ROI区域图像中前壁和后壁的灰度差异提取出管壳顶部前壁轮廓和后壁轮廓；
根据所述管壳高度ROI区域图像找到管壳底部所在的支撑平面；
根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型；
将前壁轮廓和后壁轮廓上的所有点到底部支撑平面的距离带入补偿模型内进行补偿，得到管壳前壁轮廓和后壁轮廓的每个像素点到底部支撑面的补偿距离；
找出补偿距离中的最大值和最小值分别作为高度最大值和高度最小值。
管壳由冲压模具制成，生产过程中会造成管壳变形，破坏，底部凸点，顶部倾斜等问题。管壳变形，破坏，底部凸点造成管壳落在玻璃转盘上后，随机在前后左右方向上倾斜，顶部倾斜造成不能找出顶部真正的最高点和最低点，通过补偿模型针对上述问题进行补偿，可控制测量误差在10μm内，提高测试精度。
进一步来说，根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型具体包括：
截取管壳高度ROI区域图像内管壳区域的上下两部分，分别计算上下两部分的模糊度，并计算上下两部分模糊度的比值；
分别提取所述高度外轮廓中左右侧壁的轮廓点，得到左侧壁和右侧壁的左倾斜角度和右倾斜角度，取左倾斜角度和右倾斜角度平均作为左右倾斜角度；
根据模糊度的比值和左右倾斜角度得到管壳的前后倾斜角度θ；
形成补偿模型h＝h'/cosθ+(-1)m·d·α，
其中h为补偿距离，h’为前壁轮廓或后壁轮廓中的一个点到底部支撑平面的距离，当该点在成像聚焦面与相机之间时m为1，当该点在成像聚焦面与相机之外时m为0，d为该点到成像聚焦面的距离，α为相机远心度，r为预设的真实管壳直径，xc为管壳中心坐标，x为该点坐标。
由于加工限制和安装误差，相机的远心镜头的主光线和光轴存在微小的夹角，即为远心度，引起放大倍率随成像距离的变化而发生微小变化。同时因为转盘玻璃平面并非完全水平，管壳在相机拍摄的前后方向上存在倾斜，因此要考虑镜头的远心度影响和前后倾斜角度，补偿远心度引起的误差。
进一步来说，根据所述高度外轮廓找到管壳底部所在的支撑平面具体包括：
基于管壳高度ROI区域图像，根据管壳底部的镜像特性裁剪出底部镜像区域；
在所述底部镜像区域内，选择左侧及右侧靠近管壳边缘的一列，根据镜像对称的特性获得左侧的左镜像点和右侧的右镜像点；
所述左镜像点和右镜像点的连线即为管壳底部所在的支撑平面。
进一步来说，对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像具体包括：
对直径图像和高度图像进行图像二值化将高度图像分割为前景和背景，并形成直径二值化图像和高度二值化图像；
分别查找直径二值化图像和高度二值化图像中像素面积最大的最大连通区域，对应的最大连通区域即初始直径ROI区域和初始高度ROI区域；
分别对初始直径ROI区域和初始高度ROI区域进行高斯滤波和形态学操作，得到管壳直径ROI区域图像和管壳高度ROI区域图像。
在高度方向，管壳落在玻璃转盘表面，玻璃给拍摄造成较大的影响，如底部存在镜像的倒影，图像两侧存在未完全透光的玻璃部分等，采用上述方法，减小误差。对于直径方向，管壳仅占直径图像的一部分，考虑到转盘玻璃表面还可能存在脏污，采用上述方法，过滤掉玻璃表面的脏污。
进一步来说，管壳直径ROI区域图像和管壳高度ROI区域图像均通过边缘检测算法提取到直径外轮廓和高度外轮廓。
进一步来说，对直径外轮廓进行处理得到直径最大值和直径最小值具体包括：
获取直径外轮廓中的轮廓点并记录；
对提取的轮廓点进行椭圆拟合，以找出直径的最大圆所占像素数和最小圆所占像素数；
根据最大圆所占像素数和最小圆所占像素数计算得到直径最大值和直径最小值。
进一步来说，仅当所述直径最大值、直径最小值、高度最大值和高度最小值均在阈值内时，判断所述管壳合格。其他情况管壳均为不合格产品。
本发明还公开一种管壳自动分选***，包括
数据采集模块，所述数据采集模块用于采集管壳在直径方向直径图像和在高度方向的高度图像；
算法处理模块，所述算法处理模块用于
图像处理，所述图像处理对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像，再通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓；
数据计算，所述数据计算对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值；
结果判断，所述结果判断判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
该***通过图像采集和处理，快速得到管壳在直径和高度方面的范围，实现不同型号尺寸的管壳的快速检测和分选。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，执行指令被处理器执行时用于实现上述的管壳自动分选方法。
附图说明
图1为本发明实施例中方法的流程图一；
图2为本发明实施例中方法的流程图二；
图3为本发明实施例中方法的流程图三；
图4为本发明实施例中***的架构图；
图5为本发明实施例中***的UI(User Interface)界面图；
图6为本发明实施例中直径图像和直径外轮廓的比对图；
图7为本发明实施例中高度图像和高度外轮廓的比对图。
图中：
1、数据采集模块；2、界面显示模块；3、规格参数设置模块；4、算法处理模块；5、数据库模块。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
参见附图1所示，图1示出了本申请实施例提供的一种管壳自动分选方法的一实施例的流程图。
参见附图1所示，一种管壳自动分选方法，应用于管壳分选***，所述方法包括：
步骤1、获取管壳在直径方向直径图像和在高度方向的高度图像。
直径图像和高度图像由数据采集模块采集，数据采集模块可为相机，相机对管壳进行拍照。在本实施例中，相机为两个，分别在管壳的高度方向和直径方向进行拍照，管壳放置在转盘玻璃上，依次到达两个相机的工作范围内。
步骤2、对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像。
对于得到的直径图像和高度图像，可同时进行处理，提高效率。
步骤3、通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓。
管壳直径ROI区域图像和管壳高度ROI区域图像均通过边缘检测算法提取到直径外轮廓和高度外轮廓。如Canny方法，提取到的边缘即为直径外轮廓和高度外轮廓。其中附图6和附图7示出了提取到的直径外轮廓和高度外轮廓的图形。
步骤4、对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值。
基于获取的图像，计算得到管壳的尺寸范围。
步骤5、判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
仅当所述直径最大值、直径最小值、高度最大值和高度最小值均在阈值内时，判断所述管壳合格。其他情况均为不合格。阈值可调，也就是不同的管壳和不同的阈值进行比较。
本实施例中，通过图像采集和处理，快速得到管壳在直径和高度方面的范围，实现不同型号尺寸的管壳的快速检测和分选。
附图2示出了本申请提供的一种分选方法中的直径图像/高度图像处理形成管壳直径ROI区域图像/管壳高度ROI区域图像的流程图。
参见附图2所示，其中对直径图像处理，得到管壳直径ROI区域图像具体包括：
步骤201、图像二值化。
参见附图所示，为获取的直径图像，使用自适应二值化算法将图像分割为前景和背景，并形成直径二值化图像，大部分脏污在该步骤被分割到背景中，但还有小部分面积较小，非连通的脏污无法通过该操作去除。
步骤202、最大连通区域确定。
基于直径二值化图像，可通过如连通组件标记算法，先标记图像中不同的连通区域，再计算每个连通区域的像素面积，然后找到面积最大连通区域标记出最大连通区域，从而获得初始直径ROI(region of interest)区域。
步骤203、高斯滤波。
对已确定的初始直径ROI区域进行高斯滤波，以降低图像噪音。
步骤204、形态学操作。
对初始直径ROI区域进行形态学操作，如腐蚀和膨胀，以进一步优化初始直径ROI区域得到管壳直径ROI区域图像。
对于直径方向，管壳仅占直径图像的一部分，考虑到转盘玻璃表面还可能存在脏污，采用上述方法，过滤掉玻璃表面的脏污。
对所述高度图像进行处理，得到管壳高度ROI区域图像的过程与对直径图像处理，得到管壳直径ROI区域图像过程相同，具体包括：
a)图像二值化。
参见附图所示，为获取的高度图像，使用自适应二值化算法将图像分割为前景和背景，并形成高度二值化图像。大部分图像两侧未完全透光的玻璃部分等在该步骤被分割到背景中，但还有部分未完全透光的玻璃区域，小部分脏污等区域无法通过该操作去除。
b)最大连通区域确定。
基于高度二值化图像，可通过如连通组件标记算法，先标记图像中不同的连通区域，再计算每个连通区域的像素面积，然后找到面积最大连通区域标记出最大连通区域，从而获得初始高度ROI区域。
c)高斯滤波。
对已确定的初始高度ROI区域进行高斯滤波，以降低图像噪音。
d)形态学操作。
对初始高度ROI区域进行形态学操作，如腐蚀和膨胀，以进一步优化初始高度ROI区域得到管壳高度ROI区域图像。
管壳落在玻璃转盘表面，玻璃给拍摄造成较大的影响，如底部存在镜像的倒影，图像两侧存在未完全透光的玻璃部分等，采用上述方法，减小误差。
对直径外轮廓进行处理得到直径最大值和直径最小值具体包括：
获取直径外轮廓中的轮廓点并记录。
对提取的轮廓点进行椭圆拟合，以找出直径的最大圆所占像素数和最小圆所占像素数。
根据最大圆所占像素数和最小圆所占像素数计算得到直径最大值和直径最小值。直径最大值和直径最小值按下列公式计算：
管壳最大直径值＝最大圆所占像素数*单像素精度；
管壳最小直径值＝最小圆所占像素数*单像素精度；
其中单像素精度是相机的自身特性，由相机决定。
将计算出的管壳最大直径和管壳最小直径与标准的最大直径和最小直径进行比较。如果管壳最大直径和管壳最小直径在标准的范围内，则认为管壳直径合格，否则认为管壳直径不合格。
附图3示出了对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值的流程图。
参见附图3所示，所述对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值具体包括：
步骤401、处理所述管壳高度ROI区域图像，根据所述管壳高度ROI区域图像中前壁和后壁的灰度差异提取出管壳顶部前壁轮廓和后壁轮廓。
根据前后壁的灰度差异，对管壳高度ROI区域图像进行两次阈值不同的二值化操作，从而可以提取出管壳顶部的前壁轮廓和后壁轮廓。
步骤402、根据所述管壳高度ROI区域图像找到管壳底部所在的支撑平面。
基于管壳高度ROI区域图像，根据管壳底部的镜像特性裁剪出底部镜像区域。在所述底部镜像区域内，选择左侧及右侧靠近管壳边缘的一列，根据镜像对称的特性获得左侧的左镜像点和右侧的右镜像点。所述左镜像点和右镜像点的连线即为管壳底部所在的支撑平面。
步骤403、根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型。
步骤404、将前壁轮廓和后壁轮廓上的所有点到底部支撑平面的距离带入补偿模型内进行补偿，得到管壳前壁轮廓和后壁轮廓的每个像素点到底部支撑面的补偿距离。
步骤405、找出补偿距离中的最大值和最小值分别作为高度最大值和高度最小值。
由于加工限制和安装误差，相机的远心镜头的主光线和光轴存在微小的夹角，即为远心度，引起放大倍率随成像距离的变化而发生微小变化。同时因为转盘玻璃平面并非完全水平，管壳在相机拍摄的前后方向上存在倾斜，因此要考虑镜头的远心度影响和前后倾斜角度，补偿远心度引起的误差。其中前壁和后壁就指的是管壳的顶部朝向相机的一侧和远离相机的一侧。
管壳由冲压模具制成，生产过程中会造成管壳变形，破坏，底部凸点，顶部倾斜等问题。管壳变形，破坏，底部凸点造成管壳落在玻璃转盘上后，随机在前后左右方向上倾斜，顶部倾斜造成不能找出顶部真正的最高点和最低点，通过补偿模型针对上述问题进行补偿，可控制测量误差在10μm内。
其中根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型具体包括：
截取管壳高度ROI区域图像内管壳区域的上下两部分，分别计算上下两部分的模糊度，并计算上下两部分模糊度的比值br。模糊度的计算可采用Brenner方法，也可采用其他算法。
分别提取所述高度外轮廓中左右侧壁的轮廓点，再采用最小二乘法将左右侧壁分别拟合成直线方程，从而得到左侧侧壁和右侧壁的左倾斜角度和右倾斜角度，取左倾斜角度和右倾斜角度平均作为左右倾斜角度θlr。
根据模糊度的比值和左右倾斜角度得到管壳的前后倾斜角度θ。
根据前期建立的管壳左右倾斜角度θlr，上下两部分模糊度比值br与管壳前后倾斜角度的方程θ＝F(θlr，br)，可以得到管壳前后倾斜角度θ。F(θlr，br)可以为一个二元三次方程。
形成补偿模型h＝h'/cosθ+(-1)m·d·α，
其中h为补偿距离，h’为前壁轮廓或后壁轮廓中的一个点到底部支撑平面的距离，当该点在成像聚焦面与相机之间时m为1，当该点在成像聚焦面与相机之外时m为0，d为该点到成像聚焦面的距离，α为相机远心度，r为预设的真实管壳直径，xc为管壳中心坐标，x为该点坐标。
计算前壁轮廓或后壁轮廓上所有点到底部支撑平面的距离h'i,i＝1,2,...,N；
通过补偿模型计算出补偿后的前后壁每个点到底部支撑面的补偿距离hi,i＝1,2,...,N。
找出补偿距离中的最大距离和最小距离，分别为管壳的高度最大高度和高度最小高度。将计算出的高度最大高度和高度最小高度与标准的最大高度和最小高度进行比较。如果管壳的高度最大高度和高度最小高度在标准的范围内，则认为管壳高度合格，否则认为管壳高度不合格。
参见附图4所示，一种管壳自动分选***，应用管壳自动分选方法，包括数据采集模块1、界面显示模块2、规格参数设置模块3、算法处理模块4和数据库模块5。
所述数据采集模块1用于采集管壳在直径方向直径图像和在高度方向的高度图像，实现步骤一。数据采集模块1包括两个相机，两个相机进行数据采集。
参见附图5所示，为分选***的UI(User Interface)界面，界面显示模块2包括结果输出界面显示、参数配置界面显示，产品信息显示和检测记录显示，检测结果输出显示用于显示相机连接状态，显示当前管壳的检测结果和尺寸，参数配置界面显示用于显示参数规格，在此界面可进行规格参数的设置，显示已设置的规格和阈值，产品信息显示用于记录和显示不同型号管壳的尺寸信息，检测记录显示用于显示所有检测结果，可在此界面完成数据的查看和导出。
规格参数设置模块3可设置管壳规格和阈值，并为算法处理模块提供需要修改参数的接口，当检测不同的管壳时需要采用不同的检测标准，即在这一模块实现编辑管壳名称，并根据管壳输入阈值。其中，管壳名称可由检验员进行设置，设置不同的管壳可采用不同的检验标准，实现查询、新增、修改和删除操作。
算法处理模块4，所述算法处理模块首先根据数据采集模块采集的高度图像和直径图形进行图像处理，所述图像处理对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像，再通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓。算法处理模块接着进行数据计算，所述数据计算对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值。算法处理模块最后进行结果判断，所述结果判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
算法处理模块中内置有补偿模型，图像上得到的高度值通过补偿模型进行补偿，得到补偿距离，在补偿距离中选取高度最大值和高度最小值。其中补偿模型参考管壳的前后倾斜角度和镜头的远心度，前后倾斜角度可从管壳高度ROI区域图像中得到，远心度为镜头的自带属性。
算法处理模块根据直径最大值、直径最小值、高度最大值和高度最小值的数据和设定阈值比较，输出比较结果。其中，输出结果为该管壳的直径最大值、直径最小值、高度最大值、高度最小值并显示合格与否。例如合格显示“OK”，不合格显示“NG”，比较结果均在界面显示模块上显示。
数据库模块5，可实现对测试中的数据进行存储，可供操作者访问和导出数据。
在一个实施例中，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，执行指令被处理器执行时用于实现上述的管壳自动分选方法。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所做的等效变化或修饰，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种管壳自动分选方法，应用于管壳分选***，其特征在于：所述方法包括
获取管壳在直径方向直径图像和在高度方向的高度图像；
对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像；
通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓；
对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值；
判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
2.根据权利要求1所述的管壳自动分选方法，其特征在于：所述对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值具体包括：
处理所述管壳高度ROI区域图像，根据所述管壳高度ROI区域图像中前壁和后壁的灰度差异提取出管壳顶部前壁轮廓和后壁轮廓；
根据所述管壳高度ROI区域图像找到管壳底部所在的支撑平面；
根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型；
将前壁轮廓和后壁轮廓上的所有点到底部支撑平面的距离带入补偿模型内进行补偿，得到管壳前壁轮廓和后壁轮廓的每个像素点到底部支撑面的补偿距离；
找出补偿距离中的最大值和最小值分别作为高度最大值和高度最小值。
3.根据权利要求2所述的管壳自动分选方法，其特征在于：根据所述高度外轮廓计算管壳的前后倾斜角度，并结合所述前后倾斜角度和镜头远心度形成补偿模型具体包括：
截取管壳高度ROI区域图像内管壳区域的上下两部分，分别计算上下两部分的模糊度，并计算上下两部分模糊度的比值；
分别提取所述高度外轮廓中左右侧壁的轮廓点，得到左侧壁和右侧壁的左倾斜角度和右倾斜角度，取左倾斜角度和右倾斜角度平均作为左右倾斜角度；
根据模糊度的比值和左右倾斜角度得到管壳的前后倾斜角度θ；
形成补偿模型h＝h'/cosθ+(-1)m·d·α，
其中h为补偿距离，h’为前壁轮廓或后壁轮廓中的一个点到底部支撑平面的距离，当该点在成像聚焦面与相机之间时m为1，当该点在成像聚焦面与相机之外时m为0，d为该点到成像聚焦面的距离，α为相机远心度，r为预设的真实管壳直径，xc为管壳中心坐标，x为该点坐标。
4.根据权利要求2所述的管壳自动分选方法，其特征在于：根据所述高度外轮廓找到管壳底部所在的支撑平面具体包括：
基于管壳高度ROI区域图像，根据管壳底部的镜像特性裁剪出底部镜像区域；
在所述底部镜像区域内，选择左侧及右侧靠近管壳边缘的一列，根据镜像对称的特性获得左侧的左镜像点和右侧的右镜像点；
所述左镜像点和右镜像点的连线即为管壳底部所在的支撑平面。
5.根据权利要求1-4任一所述的管壳自动分选方法，其特征在于：对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像具体包括：
对直径图像和高度图像进行图像二值化将高度图像分割为前景和背景，并形成直径二值化图像和高度二值化图像；
分别查找直径二值化图像和高度二值化图像中像素面积最大的最大连通区域，对应的最大连通区域即初始直径ROI区域和初始高度ROI区域；
分别对初始直径ROI区域和初始高度ROI区域进行高斯滤波和形态学操作，得到管壳直径ROI区域图像和管壳高度ROI区域图像。
6.根据权利要求1所述的管壳自动分选方法，其特征在于：管壳直径ROI区域图像和管壳高度ROI区域图像均通过边缘检测算法提取到直径外轮廓和高度外轮廓。
7.根据权利要求1所述的管壳自动分选方法，其特征在于：对直径外轮廓进行处理得到直径最大值和直径最小值具体包括：
获取直径外轮廓中的轮廓点并记录；
对提取的轮廓点进行椭圆拟合，以找出直径的最大圆所占像素数和最小圆所占像素数；
根据最大圆所占像素数和最小圆所占像素数计算得到直径最大值和直径最小值。
8.根据权利要求1所述的管壳自动分选方法，其特征在于：仅当所述直径最大值、直径最小值、高度最大值和高度最小值均在阈值内时，判断所述管壳合格。
9.一种管壳自动分选***，其特征在于：包括
数据采集模块，所述数据采集模块用于采集管壳在直径方向直径图像和在高度方向的高度图像；
算法处理模块，所述算法处理模块用于
图像处理，所述图像处理对所述直径图像和高度图像进行处理，分别得到管壳直径ROI区域图像和管壳高度ROI区域图像，再通过管壳直径ROI区域图像和管壳高度ROI区域图像分别提取到直径外轮廓和高度外轮廓；
数据计算，所述数据计算对直径外轮廓进行处理得到直径最大值和直径最小值，同时对高度外轮廓和管壳高度ROI区域图像处理得到高度最大值和高度最小值；
结果判断，所述结果判断用于判断所述直径最大值、直径最小值、高度最大值和高度最小值是否在阈值内。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，执行指令被处理器执行时用于实现权利要求1至8任一项所述的管壳自动分选方法。
CN202311344751.0A 2023-10-17 2023-10-17 一种管壳自动分选方法、***和可存储介质 Active CN117408963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311344751.0A CN117408963B (zh) 2023-10-17 2023-10-17 一种管壳自动分选方法、***和可存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311344751.0A CN117408963B (zh) 2023-10-17 2023-10-17 一种管壳自动分选方法、***和可存储介质

Publications (2)

Publication Number Publication Date
CN117408963A true CN117408963A (zh) 2024-01-16
CN117408963B CN117408963B (zh) 2024-05-07

Family

ID=89491917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311344751.0A Active CN117408963B (zh) 2023-10-17 2023-10-17 一种管壳自动分选方法、***和可存储介质

Country Status (1)

Country Link
CN (1) CN117408963B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282018A (zh) * 2014-09-09 2015-01-14 苏州科力迪软件技术有限公司 基于机器视觉的工业产品外形直径在线检测的方法
CN108106603A (zh) * 2016-11-23 2018-06-01 株式会社三丰 具有多级扩展景深图像处理的可变焦距透镜***
CN111230593A (zh) * 2020-03-02 2020-06-05 西南交通大学 一种基于动态图像序列的铣刀磨损量视觉测量方法
CN112102272A (zh) * 2020-09-03 2020-12-18 常州工学院 螺母孔径检测方法及装置、存储介质及终端设备
CN113305017A (zh) * 2021-05-28 2021-08-27 柳州源创电喷技术有限公司 全自动阀芯综合智能检测分选方法
CN116625239A (zh) * 2023-07-19 2023-08-22 深圳灿维科技有限公司 一种基于图像处理的台阶孔检测方法、装置及***
CN116839502A (zh) * 2023-06-08 2023-10-03 中科苏州智能计算技术研究院 一种基于ai技术测量对象长宽高及孔径孔深的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282018A (zh) * 2014-09-09 2015-01-14 苏州科力迪软件技术有限公司 基于机器视觉的工业产品外形直径在线检测的方法
CN108106603A (zh) * 2016-11-23 2018-06-01 株式会社三丰 具有多级扩展景深图像处理的可变焦距透镜***
CN111230593A (zh) * 2020-03-02 2020-06-05 西南交通大学 一种基于动态图像序列的铣刀磨损量视觉测量方法
CN112102272A (zh) * 2020-09-03 2020-12-18 常州工学院 螺母孔径检测方法及装置、存储介质及终端设备
CN113305017A (zh) * 2021-05-28 2021-08-27 柳州源创电喷技术有限公司 全自动阀芯综合智能检测分选方法
CN116839502A (zh) * 2023-06-08 2023-10-03 中科苏州智能计算技术研究院 一种基于ai技术测量对象长宽高及孔径孔深的方法及装置
CN116625239A (zh) * 2023-07-19 2023-08-22 深圳灿维科技有限公司 一种基于图像处理的台阶孔检测方法、装置及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘克平等: "基于HALCON的汽车涂胶质量检测方法研究", 组合机床与自动化加工技术, 20 June 2020 (2020-06-20), pages 116 - 119 *

Also Published As

Publication number Publication date
CN117408963B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN110148130B (zh) 用于检测零件缺陷的方法和装置
US8170368B2 (en) Correcting device and method for perspective transformed document images
JP2009259036A (ja) 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及***
US20060268345A1 (en) Method and system for detecting image defects
US6718074B1 (en) Method and apparatus for inspection for under-resolved features in digital images
WO2020125528A1 (zh) 锚定物检测方法及装置、电子设备及存储介质
CN112330598A (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
CN115601359A (zh) 一种焊缝检测方法及装置
CN116777877A (zh) 电路板缺陷检测方法、装置、计算机设备及存储介质
CN114820475B (zh) 边缘识别方法、***、晶圆加工装置及晶圆与加工台同心状态确定方法
CN115546153A (zh) 一种基于三维点云与二维图像融合感知的产品表面缺陷检测方法
CN117392112A (zh) 一种晶圆表面缺陷的检测方法、装置及***
US20230065041A1 (en) Geometric pattern matching method and device for performing the method
US20120249837A1 (en) Methods and Systems for Real-Time Image-Capture Feedback
CN117237360B (zh) 一种基于3d视觉的铸件毛刺检测方法和***
CN117408963B (zh) 一种管壳自动分选方法、***和可存储介质
CN113705564A (zh) 一种指针式仪表识别读数方法
CN117252861A (zh) 一种晶圆表面缺陷的检测方法、装置及***
CN116912475A (zh) 一种显示屏异物检测方法、装置、电子设备和存储介质
CN117173107A (zh) 产品缺陷检测方法、装置、设备、***和可读存储介质
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN112798608B (zh) 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法
TW201518708A (zh) 玻璃氣泡瑕疵檢測處理方法
CN117291986B (zh) 一种基于多重摄像拟合的社区安防识别定位***

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