CN205786374U - 基于匹配的异形冲压件轮廓缺陷视觉检测*** - Google Patents

Abstract

本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***，其特征在于该检测***包括智能相机、第一支架、第二支架、计算机、控制部分、透明旋转圆盘、电机、传感器和背部光源，控制部分控制电机的转动及智能相机的触发；由智能相机、第一支架和计算机共同构成视觉***，所述智能相机通过第一支架固定在透明旋转圆盘的上方，智能相机通过通信线同时与计算机和控制部分连接，计算机与控制部分连接，所述透明旋转圆盘与电机连接，所述背部光源位于智能相机的正下方，且处于透明旋转圆盘的下方；所述传感器包括传感器发射器和传感器接收器，传感器接收器与传感器发射器相对设置，并且在同一水平线上，传感器发射器与第二支架相连。

Description

基于匹配的异形冲压件轮廓缺陷视觉检测***

技术领域

本实用新型涉及确定工件轮廓面积及轮廓不变矩的匹配检测***技术领域，具体是一种基于匹配的异形冲压件轮廓缺陷视觉检测***。

背景技术

随着产品的大规模生产，好多冲压件具有批量大、部件小、规格多等特点，对产品的质量检测精度要求越来越高，为了保证汽车工件的质量，对工件的缺陷检测是必不可少的环节。以往常采用人工识别的方法对冲压件进行目视或卡尺测量，但这种检测方法速度慢、效率低、工人劳动强度大，质量也难以保证。因此，将计算机图像检测技术应用于冲压件质量的检测具有重要的需求和价值。机器视觉具有非接触、高效率、高精度、易集成等显著优点，应用机器视觉进行工件的缺陷检测，可以解决困扰企业的很多问题，可以保证检测的连续性以及实时性。当前，很多检测项目从简单走向复杂，检测方式也从人工走向自动化甚至智能化。视觉检测就是检测的一种趋势，机器视觉解决方案可以利用机器代替人眼来做各种测量和判断，具有非接触、适应能力强、快速高效、准确、柔性好、可靠性高等特点，在现代工业检测中受到了广泛重视。

中国专利CN103914827公开了一种汽车密封条轮廓缺陷的视觉检测方法，该方法通过对载入图像进行阈值分割，得到二值图像，进行边缘检测，提取每个边缘像素点的坐标，计算目标区域的凸包，计算密封条截面的最小包围面积矩形，通过面积，以及边缘像素点判断是否存在缺陷，其不足之处在于：基于轮廓面积的检测方法需要事先确定样品的几何形状是规则的，同一种工件在相机视野下不同位置采集到的图像所占的像素点会有所改变，并且由于缺陷所在位置不同、样品摆放的角度不同都会对理想面积的估计产生影响，造成检测结果不准确，不能达到判断的准确性要求。

实用新型内容

针对现有技术的不足，本实用新型拟解决的技术问题是，提供一种基于匹配的异形冲压件轮廓缺陷视觉检测***及方法。该检测***根据厚度为4mm异形冲压件(异形冲压件简称异形工件或工件)设计，根据智能相机采集到的单帧图像，提取感兴趣目标异形冲压件的轮廓，通过有效轮廓曲线计算轮廓的Hu矩(Hu矩具有旋转、平移不变性又称为Hu不变矩，即为不变矩)以及内部区域的面积。在采集过程中，由于工件存在一定厚度，在相机视野不同位置处，采集到的相同工件的轮廓存在差异，并不是完全吻合。针对此问题，采取了多个样本匹配的方法，调用多个样本模板并保留面积特征、Hu矩参数。结合面积差分匹配检测和Hu不变矩匹配检测算法，进而完成实时、连续轮廓缺陷检测以及分类。此方法，能够准确检测出占整个工件面积的0.5％以上的缺陷，提高了检测精度，能够满足异形冲压工件缺陷检测要求。

本实用新型的技术方案是，

一种基于匹配的异形冲压件轮廓缺陷视觉检测***，其特征在于该检测***包括智能相机、第一支架、第二支架、计算机、控制部分、透明旋转圆盘、电机、传感器和背部光源，控制部分控制电机的转动及智能相机的触发；由智能相机、第一支架和计算机共同构成视觉***，所述智能相机通过第一支架固定在透明旋转圆盘的上方，智能相机通过通信线同时与计算机和控制部分连接，计算机与控制部分连接，所述透明旋转圆盘与电机连接，所述背部光源位于智能相机的正下方，且处于透明旋转圆盘的下方；所述传感器包括传感器发射器和传感器接收器，传感器接收器与传感器发射器相对设置，并且在同一水平线上，传感器发射器与第二支架相连，传感器接收器固定在第一支架下部，传感器接收器与传感器发射器同时与控制部分连接。

一种基于匹配的异形冲压件轮廓缺陷视觉检测方法，使用上述的检测***，该方法利用提取的标准和待检测异形冲压件的轮廓信息，根据利用标准工件和有缺陷工件存在的面积差异和具有旋转、平移、缩放不变性的轮廓Hu不变矩的差异，对比待检测异形冲压件、标准异形工件的面积以及轮廓不变矩，分别计算得到面积差以及轮廓的匹配率(面积差即为面积差分算法的结果)，再分别设定阈值，判断异形冲压件是否存在缺陷，该方法的具体步骤是：

第一步，图像处理

1-1图像获取：通过智能相机获取对比度明显的异形冲压件图像；

1-2图像阈值自适应分割：在步骤1-1的基础上，对于采集到的图像计算每个像素点周围5×5区域的加权平均值，减去一个常数得到自适应阈值，每个像素点像素值大于阈值的，确定为图像中感兴趣目标对象异形冲压件的有效点；

1-3轮廓的寻取：在步骤1-2的基础上，对图像中感兴趣目标对象异形冲压件的有效点进行曲线的不断演化，设置迭代次数，可以得到异形冲压件的有效轮廓曲线C(x,y)图像；

第二步，图像信息分析

2-1面积的计算：根据步骤1-3得到的轮廓曲线C(x,y)将图像区域分为两个部分，一部分是轮廓曲线内部区域inC(x,y),另一部分是轮廓曲线外部区域outC(x,y)，对得到的轮廓曲线内部区域inC(x,y)进行积分，即可得到表征轮廓内部区域大小的面积信息，此步骤可计算得到标准异形冲压件的面积S₀和待检测的异形冲压件的面积S_n，其中，S_n指的是第n个待检测工件的面积，n≥1；

2-2轮廓Hu不变矩的计算：对于步骤1-3得到的轮廓曲线C(x,y)，将轮廓上的所有点进行积分运算，得到轮廓Hu不变矩，假设轮廓上的点个数为N，通过式(3)得到轮廓p+q阶中心矩，

${\mathrm{\μ}}_{pq}=\underset{i=1}{\overset{N}{\Σ}}{(x-\stackrel{\‾}{x})}^p{(y-\stackrel{\‾}{y})}^{q}f(x,y);---\left(3\right)$

式中，p对应x维度上的矩，q对应y维度上的矩，和代表轮廓的重心：

归一化的p+q中心矩η_pq定义为：

${\mathrm{\η}}_{pq}={\mathrm{\μ}}_{pq}/\left({\mathrm{\μ}}_{00}^{\mathrm{\ρ}}\right)---\left(6\right)$

其中，ρ＝(p+q)/2+1；

Hu不变矩是由式(6)得到的归一化中心矩的线性组合，通过式(3)可以得到轮廓的二阶和三阶中心矩，带入到式(6)得到二阶三阶归一化中心矩，通过二阶和三阶归一化中心矩构造七个Hu不变矩I₁～I₇，具体Hu不变矩的公式为式(7)，Hu不变矩在连续图像条件下可保持平移、缩放和旋转不变；

$\begin{array}{c}{I}_1={\mathrm{\η}}_{20}+{\mathrm{\η}}_{02};\\ I_2={({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02})}^2+4{\mathrm{\η}}_{11}^2;\\ I_3={({\mathrm{\η}}_{30}-{\mathrm{\η}}_{12})}^2+{(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})}^2;\\ I_4={({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2+{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2;\\ I_5=({\mathrm{\η}}_{30}-3{\mathrm{\η}}_{12})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-3{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2)\\ +(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12}\right)}^2);\\ I_6=({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02}){({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2-{({\mathrm{\η}}_{03}+{\mathrm{\η}}_{21})}^2+4{\mathrm{\η}}_{11}({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12});\\ I_7=(3{\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}){({\mathrm{\η}}_{12}+{\mathrm{\η}}_{30})}^2-3{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2\\ +(3{\mathrm{\η}}_{12}-{\mathrm{\η}}_{30})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2);\end{array}---\left(7\right)$

2-3面积差分计算：将步骤2-1得到的标准异形冲压件的面积S₀和待检测异形冲压件的面积S_n作差，得到待检测异形冲压件与标准异形冲压件的面积差分结果ΔS_n，即ΔS_n＝|S₀-S_n|；

2-4轮廓匹配率的计算：根据步骤2-2得到的Hu不变矩I_i(1≤i≤7)，定义评判标准：

$I(A,B)=\underset{i=1}{\overset{7}{\Σ}}|\frac{1}{{m_i}^A}-\frac{1}{{m_i}^B}|;---\left(9\right)$

其中，m_i ^A、m_i ^B被定义为：

m_i ^A＝sign(I_i ^A)·log|I_i ^A|； (10)

m_i ^B＝sign(I_i ^B)·log|I_i ^B|； (11)

求取标准工件与待检测工件的匹配率(以百分比为单位)：

I＝100-I(A,B)×100； (12)

式中，A，B分别指标准工件与待检工件；

第三步，实时检测

3-1图像实时采集：检测***启动后，控制部分控制承载工件的透明旋转圆盘以恒定速度逆时针旋转，当工件运动到有传感器发射器和传感器接收器的对射位置之间时，传感器将采集信号传输给控制部分，进而控制承载工件的透明旋转圆盘停止1s，从而能对工件进行静止拍照；同时控制部分发出信号给智能相机，利用智能相机外触发模式触发智能相机实时采集工件图像，调用模板图像以进行下一步的图像处理；

3-2图像处理：图像采集结束后，通过计算机进行图像处理，通过步骤2-4的轮廓匹配率评判标准，再结合步骤2-3的面积差分结果设定阈值，进行匹配检测，判断工件是否合格，并反馈给控制部分；

3-3工件分类：经过图像处理判断好工件是否合格后，接下来由外部抓取机构对工件进行抓取，合格工件放入合格库，否则放入回收库，从而完成了整个工件缺陷检测。

与现有技术相比，本实用新型的有益效果是：

本实用新型方法通过控制部分智能控制承载工件的透明旋转圆盘停止与启动，能够保证智能相机能够在工件静止状态下对其进行实时采集，避免了运动连续抓拍所产生的工件图像变形对后续图像处理产生不良的影响这一问题。采集对比度比较明显的图像，并通过自适应阈值分割能够准确得到图像感兴趣目标异形工件的有效点，为轮廓的精确寻取提供前提条件。本实用新型采用的主动轮廓选择性分割获取轮廓的方法不依赖于梯度判定，能很好的改善边缘检测提取每个像素点时存在的边缘泄露问题，对于边界不光滑或者不连续的也能够检测出，有很强的抗噪、抗干扰能力，鲁棒性强。采用多个样本进行匹配，并结合Hu不变矩的旋转、平移、缩放不变性，解决了面积差分匹配不准确的问题，显著提高了***的实时性和适应性。在实时检测阶段，能够实时有效的将工件信号传送给控制***，智能控制图像采集，进而完成异形冲压件的缺陷检测，不需要人工干预，提高了工作效率。

本实用新型的使用领域以及重要意义是：

本方法适用于异形冲压件的轮廓缺陷检测，异形冲压件在工业产业链中占有举足轻重的地位，广泛应用于电子器件、汽车、大型设备、装饰材料等，亟需方法准确智能检测冲压件的轮廓缺陷，并且提高检测的准确性。其中的关键是轮廓的准确获取，以及匹配算法的精确性。本实用新型视觉检测***能够避免对梯度的依赖，获取具有高抗噪、抗干扰、鲁棒性强的轮廓曲线，解决了轮廓获取存在的准确性、快速性问题。本实用新型方法将轮廓面积差分匹配检测和Hu不变矩匹配检测算法相结合，大大提高了检测的准确性以及适应性，能够满足判断准确性的要求，更适用于工业应用。

附图说明

图1为本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***一种实施例的结构示意图；

图2为本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***一种实施例在相机视野下，采集处于不同位置时的标准冲压件模板示意图；

图3为本实用新型所述检测的一种异形冲压件的结构示意图；

图4为本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***一种实施例工件到传感器位置触发相机后，冲压件在视野下的固定范围示意图；

图5为本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***一种实施例加入噪声后提取的轮廓图像示意图；

图中，1第一支架，2第二支架，3智能相机，4背部光源，5传感器发射器，6传感器接收器，7电机，8透明旋转圆盘，9旋转方向，10异形冲压件，11通信线，12计算机。

具体实施方式

下面结合实施例及附图对本实用新型作进一步说明。

本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***(简称检测***或***，参见图1)包括智能相机3、第一支架1、第二支架2、计算机12、控制部分、透明旋转圆盘8、电机7、传感器和背部光源4，控制部分控制电机7的转动及智能相机3的触发；由智能相机3、第一支架1和计算机12共同构成视觉***，所述智能相机3通过第一支架1固定在透明旋转圆盘8的上方，智能相机3通过通信线11同时与计算机12和控制部分连接，计算机12与控制部分连接，用于显示智能相机3采集和处理后的图像；所述透明旋转圆盘8与电机7连接，所述背部光源4位于智能相机3的正下方，且处于透明旋转圆盘8的下方；所述传感器包括传感器发射器5和传感器接收器6，传感器接收器6与传感器发射器5相对设置，并且在同一水平线上，传感器发射器5与第二支架2相连，来固定位置完成信号的准确发送，传感器接收器6固定在第一支架1下部，传感器接收器6与传感器发射器5同时与控制部分连接，二者配合完成冲压件位置信号的采集。

本实用新型***的进一步特征在于所述异形冲压件10的厚度为3～5mm，冲压件长度为40～60mm，宽度为15～55mm，可检测到的缺陷部位占整体的最小百分比为0.5％以上。

本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测方法(简称方法)使用上述的检测***，主要应用于工业现场，异形冲压件的轮廓的检测、识别与判断轮廓缺陷进而判断冲压件有无缺陷情况同时进行，检测算法充分适应现场情况，该方法利用提取的标准和待检测异形冲压件的轮廓信息，根据利用标准工件和有缺陷工件存在的面积差异和具有旋转、平移、缩放不变性的轮廓不变矩的差异，对比待检测异形冲压件、标准异形工件的面积以及轮廓不变矩，分别计算得到面积差以及轮廓的匹配率，再分别设定阈值，判断异形冲压件是否存在缺陷，该方法的具体步骤是：

第一步，图像处理

1-1图像获取：通过智能相机3获取对比度明显的异形冲压件图像；

1-2图像阈值自适应分割：在步骤1-1的基础上，对于采集到的图像计算每个像素点周围5×5区域的加权平均值，减去一个常数得到自适应阈值，每个像素点像素值大于阈值的，确定为图像中感兴趣目标对象异形冲压件的有效点；

1-3轮廓的寻取：在步骤1-2的基础上，对图像中感兴趣目标对象异形冲压件的有效点进行曲线的不断演化，设置迭代次数，可以得到异形冲压件的有效轮廓曲线C(x,y)图像；

第二步，图像信息分析

2-1面积的计算：根据步骤1-3得到的轮廓曲线C(x,y)将图像区域分为两个部分，一部分是轮廓曲线内部区域inC(x,y),另一部分是轮廓曲线外部区域outC(x,y)，对得到的轮廓曲线内部区域inC(x,y)进行积分，即可得到表征轮廓内部区域大小的面积信息，此步骤可计算得到标准异形冲压件的面积S₀和待检测的异形冲压件的面积S_n，其中，S_n指的是第n个待检测工件的面积，n≥1；

2-2轮廓Hu不变矩的计算：对于步骤1-3得到的轮廓曲线C(x,y)，将轮廓上的所有点进行积分运算，得到轮廓Hu不变矩，假设轮廓上的点个数为N，通过式(3)得到轮廓p+q阶中心矩，

${\mathrm{\μ}}_{pq}=\underset{i=1}{\overset{N}{\Σ}}{(x-\stackrel{\‾}{x})}^p{(y-\stackrel{\‾}{y})}^{q}f(x,y);---\left(3\right)$

式中，p对应x维度上的矩，q对应y维度上的矩，和代表轮廓的重心：

归一化的p+q中心矩η_pq定义为：

${\mathrm{\η}}_{pq}={\mathrm{\μ}}_{pq}/\left({\mathrm{\μ}}_{00}^{\mathrm{\ρ}}\right);---\left(6\right)$

其中，ρ＝(p+q)/2+1；

Hu不变矩是由式(6)得到的归一化中心矩的线性组合，通过式(3)可以得到轮廓的二阶和三阶中心矩，带入到式(6)得到二阶三阶归一化中心矩，通过二阶和三阶归一化中心矩构造七个Hu不变矩I₁～I₇，具体Hu不变矩的公式为式(7)，Hu不变矩在连续图像条件下可保持平移、缩放和旋转不变；

$\begin{array}{c}{I}_1={\mathrm{\η}}_{20}+{\mathrm{\η}}_{02};\\ I_2={({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02})}^2+4{\mathrm{\η}}_{11}^2;\\ I_3={({\mathrm{\η}}_{30}-{\mathrm{\η}}_{12})}^2+{(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})}^2;\\ I_4={({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2+{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2;\\ I_5=({\mathrm{\η}}_{30}-3{\mathrm{\η}}_{12})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-3{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2)\\ +(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12}\right)}^2);\\ I_6=({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02}){({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2-{({\mathrm{\η}}_{03}+{\mathrm{\η}}_{21})}^2+4{\mathrm{\η}}_{11}({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12});\\ I_7=(3{\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}){({\mathrm{\η}}_{12}+{\mathrm{\η}}_{30})}^2-3{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2\\ +(3{\mathrm{\η}}_{12}-{\mathrm{\η}}_{30})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2);\end{array}---\left(7\right)$

2-3面积差分计算：将步骤2-1得到的标准异形冲压件的面积S₀和待检测异形冲压件的面积S_n作差，得到待检测异形冲压件与标准异形冲压件的面积差分结果ΔS_n，即：

ΔS_n＝|S₀-S_n|； (8)

2-4轮廓匹配率的计算：根据步骤2-2得到的Hu不变矩I_i(1≤i≤7)，定义评判标准：

$I(A,B)=\underset{i=1}{\overset{7}{\Σ}}|\frac{1}{{m_i}^A}-\frac{1}{{m_i}^B}|;---\left(9\right)$

其中，m_i ^A、m_i ^B被定义为：

m_i ^A＝sign(I_i ^A)·log|I_i ^A|； (10)

m_i ^B＝sign(I_i ^B)·log|I_i ^B|； (11)

求取标准工件与待检测工件的匹配率(以百分比为单位)：

I＝100-I(A,B)×100； (12)

式中，A，B分别指标准工件与待检工件；

第三步，实时检测

3-1图像实时采集：检测***启动后，控制部分控制承载工件的透明旋转圆盘8以恒定速度逆时针旋转，当工件运动到有传感器发射器和传感器接收器的对射位置之间时，传感器将采集信号传输给控制部分，进而控制承载工件的透明旋转圆盘停止1s，从而能对工件进行静止拍照；同时控制部分发出信号给智能相机3，利用智能相机外触发模式触发智能相机实 时采集工件图像，调用模板图像以进行下一步的图像处理；

3-2图像处理：图像采集结束后，通过计算机12进行图像处理，通过步骤2-4的轮廓匹配率评判标准，再结合步骤2-3的面积差分结果设定阈值，进行匹配检测，判断工件是否合格，并反馈给控制部分；

3-3工件分类：经过图像处理判断好工件是否合格后，接下来由外部抓取机构对工件进行抓取，合格工件放入合格库，否则放入回收库，从而完成了整个工件缺陷检测。

图1所示实施例表明，本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***所使用的组装测试平台的硬件组成包括智能相机3、第一支架1、第二支架2、计算机12、控制部分、透明旋转圆盘8、电机7、传感器和背部光源4，控制部分控制电机7的转动及智能相机3的触发；由智能相机3、第一支架1和计算机12共同构成视觉***，所述智能相机3通过第一支架1固定在透明旋转圆盘8的上方，智能相机3通过通信线同时与计算机12和控制部分连接，计算机12与控制部分连接，用于显示智能相机3采集和处理后的图像；所述透明旋转圆盘8与电机7连接，所述背部光源4位于智能相机3的正下方，且处于透明旋转圆盘8的下方；所述传感器包括传感器发射器5和传感器接收器6，传感器接收器6与传感器发射器5相对设置，并且在同一水平线上，传感器发射器5与第二支架2相连，来固定位置完成信号的准确发送，传感器接收器6固定在第一支架1下部，传感器接收器6与传感器发射器5同时与控制部分连接，二者配合完成冲压件位置信号的采集。

本实用新型的控制部分通过控制电机7带动透明旋转圆盘8转动，透明旋转圆盘8上承载异形冲压件10，进而实现对冲压件10的传送方向以及速度的控制，同时传感器发射器5与传感器接收器6辅助采集到的冲压件10的位置信号，传输给控制部分，控制部分控制智能相机的触发采集，智能相机3采集到的图像传输给计算机12，由计算机12进行图像处理，图像处理完成后控制部分则控制外部抓取机构对检测完成后的异形冲压件进行分类。背部光源4能够提供照明，使得目标与背景之间的对比度比较明显，采集的图像更清晰准确。

图2所示实施例表明，本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***在智能相机3视野下，采集处于不同位置时的异形冲压件10的示意图，由图示可以看出，由于异形冲压件存在一定的厚度，当冲压件处于智能相机3视野下的不同位置处，视场角会发生一定的变化，会因此对采集的图像产生一些影响，进而影响最终的检测效果。

图3为本实用新型一种实施例的异形冲压件的结构示意图，是实验所针对的目标对象，图4所示实施例表明，本实用新型由于传感器发射器5和传感器接收器6的存在，当异形冲压件10到达智能相机3的视野下，并且处于传感器位置时，采集信号并传输给控制部分，控制触发智能相机3采集图像，这样的方式使得冲压件在智能相机3的视野大体范围一致，不会发生很大的偏移，进而减少了冲压件所处的位置对检测轮廓缺陷的影响，提高了检测的可靠性。

图5所示实施例表明，本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***，在提取轮廓前加入强噪声，得到的轮廓效果示意图，图中黑色斑点示意为噪声，从图中可以看出在加入强噪声后仍然能准确地提取异形冲压件的轮廓图像，本实用新型轮廓提取的算法不依赖于图像的梯度，有很强的抗噪声、抗干扰能力，鲁棒性强，轮廓提取更加准确。

本实用新型可以根据工件的大小，以及占智能相机视野的大小，调整镜头的大小以及相机的物距。

实施例

本实施例基于匹配的异形冲压件轮廓缺陷视觉检测***包括智能相机3、第一支架1、第二支架2、计算机12、控制部分、透明旋转圆盘8、电机7、传感器和背部光源4，控制部分控制电机7的转动及智能相机3的触发；由智能相机3、第一支架1和计算机12共同构成视觉***，所述智能相机3通过第一支架1固定在透明旋转圆盘8的上方，智能相机3通过通信线同时与计算机12和控制部分连接，计算机12与控制部分连接，用于显示智能相机3采集和处理后的图像；所述透明旋转圆盘8与电机7连接，所述背部光源4位于智能相机3的正下方，且处于透明旋转圆盘8的下方；所述传感器包括传感器发射器5和传感器接收器6，传感器接收器6与传感器发射器5相对设置，并且在同一水平线上，传感器发射器5与第二支架2相连，来固定位置完成信号的准确发送，传感器接收器6固定在第一支架1下部，传感器接收器6与传感器发射器5同时与控制部分连接，二者配合完成冲压件位置信号的采集。

本实施例基于匹配的异形冲压件轮廓缺陷视觉检测方法，使用上述的检测***，该方法的具体步骤是：

第一步，图像处理

1-1图像获取：通过智能相机3获取对比度明显的异形冲压件图像；

1-2图像阈值自适应分割：在步骤1-1的基础上，对于采集到的图像计算每个像素点周围5×5区域的加权平均值，减去一个常数得到自适应阈值，每个像素点像素值大于阈值的，确定为图像中感兴趣目标对象异形冲压件的有效点；

1-3轮廓的寻取：在步骤1-2的基础上，对图像中感兴趣目标对象异形冲压件的有效点进行曲线的不断演化，设置迭代次数，可以得到异形冲压件的有效轮廓曲线C(x,y)图像；

第二步，图像信息分析

2-1面积的计算：根据步骤1-3得到的轮廓曲线C(x,y)将图像区域分为两个部分，一部分是轮廓曲线内部区域inC(x,y),另一部分是轮廓曲线外部区域outC(x,y)，对得到的轮廓曲线内部区域inC(x,y)进行积分，即可得到表征轮廓内部区域大小的面积信息，此步骤可计算得到标准异形冲压件的面积S₀和待检测的异形冲压件的面积S_n，其中，S_n指的是第n个待检测工件的面积，n≥1；

所述轮廓内部区域面积的计算公式为式(1)：

S＝∫_inC(x,y)u(x,y)dxdy； (1)

其中，u(x,y)为图像经过阈值自适应分割处理后提取出的轮廓曲线密度函数；

2-2轮廓Hu不变矩的计算：对于步骤1-3得到的轮廓曲线C(x,y)，将轮廓上的所有点进行积分运算，得到轮廓Hu不变矩，假设轮廓上的点个数为N，则可以得到轮廓的p+q阶矩，如式：

$m_{pq}=\underset{i=1}{\overset{N}{\Σ}}{x}^p{y}^{q}u(x,y);---\left(2\right)$

通过式(3)得到轮廓p+q阶中心矩，

${\mathrm{\μ}}_{pq}=\underset{i=1}{\overset{N}{\Σ}}{(x-\stackrel{\‾}{x})}^p{(y-\stackrel{\‾}{y})}^{q}u(x,y);---\left(3\right)$

式中，p对应x维度上的矩，q对应y维度上的矩，和代表轮廓的重心：

$\stackrel{\‾}{x}=m_{10}/m_{00};---\left(4\right)$

$\stackrel{\‾}{y}=m_{01}/m_{00};---\left(5\right)$

归一化的p+q中心矩η_pq定义为：

${\mathrm{\η}}_{pq}={\mathrm{\μ}}_{pq}/\left({\mathrm{\μ}}_{00}^{\mathrm{\ρ}}\right);---\left(6\right)$

其中，ρ＝(p+q)/2+1；

Hu不变矩是由式(6)得到的归一化中心矩的线性组合，通过式(3)可以得到轮廓的二阶和三阶中心矩，带入到式(6)得到二阶三阶归一化中心矩，通过二阶和三阶归一化中心矩构造七个Hu不变矩I₁～I₇，具体Hu不变矩的公式为式(7)，Hu不变矩在连续图像条件下可保持平移、缩放和旋转不变；

$\begin{array}{c}{I}_1={\mathrm{\η}}_{20}+{\mathrm{\η}}_{02};\\ I_2={({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02})}^2+4{\mathrm{\η}}_{11}^2;\\ I_3={({\mathrm{\η}}_{30}-{\mathrm{\η}}_{12})}^2+{(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})}^2;\\ I_4={({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2+{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2;\\ I_5=({\mathrm{\η}}_{30}-3{\mathrm{\η}}_{12})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-3{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2)\\ +(3{\mathrm{\η}}_{21}-{\mathrm{\η}}_{03})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12}\right)}^2);\\ I_6=({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02}){({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})}^2-{({\mathrm{\η}}_{03}+{\mathrm{\η}}_{21})}^2+4{\mathrm{\η}}_{11}({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12})({\mathrm{\η}}_{03}+{\mathrm{\η}}_{12});\\ I_7=(3{\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}){({\mathrm{\η}}_{12}+{\mathrm{\η}}_{30})}^2-3{({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})}^2\\ +(3{\mathrm{\η}}_{12}-{\mathrm{\η}}_{30})({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03})(3{\left({\mathrm{\η}}_{30}+{\mathrm{\η}}_{12}\right)}^2-{\left({\mathrm{\η}}_{21}+{\mathrm{\η}}_{03}\right)}^2);\end{array}---\left(7\right)$

2-3面积差分计算：将步骤2-1得到的标准异形冲压件的面积S_b0和待检测异形冲压件的面积S_n作差，得到待检测异形冲压件与标准异形冲压件的面积差分结果ΔS_bn，即：

ΔS_bn＝|S_b0-S_n|； (8)

当第n个待检测异形冲压件与b个标准异形冲压件的面积差分结果ΔS_bn中，只要存在一个参数值在阈值范围内，即ΔS_bn＜yuzhi，就判定该待检测异形冲压件为合格产品；

其中，S_b0指的是第b标准异形冲压件的面积，S_n指的是第n个待检测工件的面积，本实施例中b为4，n为5；

2-4轮廓匹配率的计算：根据步骤2-2得到的Hu不变矩I_i(1≤i≤7)，定义评判标准：

$I(A,B)=\underset{i=1}{\overset{7}{\Σ}}|\frac{1}{{m_i}^A}-\frac{1}{{m_i}^B}|;---\left(9\right)$

其中，m_i ^A、m_i ^B被定义为：

m_i ^A＝sign(I_i ^A)·log|I_i ^A|； (10)

m_i ^B＝sign(I_i ^B)·log|I_i ^B|； (11)

求取标准工件与待检测工件的匹配率(以百分比为单位)：

I_kl＝100-I(A_k,B_l)×100； (12)

式中，A_k，B_l分别指第k标准工件与第l个待检工件；

第三步，实时检测

3-1图像实时采集：检测***启动后，控制部分控制承载工件的透明旋转圆盘8以恒定速度逆时针旋转，当工件运动到有传感器发射器和传感器接收器的对射位置之间时，传感器将采集信号传输给控制部分，进而控制承载工件的透明旋转圆盘停止1s，从而能对工件进行静止拍照；同时控制部分发出信号给智能相机3，利用智能相机外触发模式触发智能相机实时采集工件图像，调用模板图像以进行下一步的图像处理；

3-2图像处理：图像采集结束后，通过计算机12进行图像处理，通过步骤2-4的轮廓匹配率评判标准，再结合步骤2-3的面积差分结果设定阈值，进行匹配检测，判断工件是否合格，并反馈给控制部分；

3-3工件分类：经过图像处理判断好工件是否合格后，接下来由外部抓取机构对工件进行抓取，合格工件放入合格库，否则放入回收库，从而完成了整个工件缺陷检测。

本实施例按要求连接好装置，选择异形冲压件厚度为4mm，尺寸大小为43mm×45mm(参见图3)。智能相机距离透明旋转圆盘300mm，背部光源4位于智能相机3的正下方，且处于透明旋转圆盘8的下方，距离明旋转圆盘20mm左右，

在使用时，首先打开智能相机电源，在与检测过程中相同环境下，采集智能相机视野下不同位姿的标准异形冲压件图像作为模板，为接下来的匹配检测做前提准备。按照上述的方法步骤进行检测。

表1为在异形冲压件10出现在智能相机3的范围大体一致的情况下，对同一个标准异形冲压件进行旋转，得到标准异形冲压件处于不同位姿的情况，对于不同位姿情况下的标准异形冲压件进行图像采集，采集到的不同位姿的面积。本实例通过四个位姿进行实验，得到面积结果，从表1中可以看出不同姿态图像对应的面积存在一定差值，若标准异形冲压件与没有缺陷的异形冲压件位姿不同，面积差值也可能会大于某些情况下标准异形冲压件与有缺陷的异形冲压件的面积差值，会导致误判，由于工业检测精度的要求，不能单独通过设定面积差分匹配的阈值作为很准确的判断缺陷问题的标准。

表2为在异形冲压件10出现在智能相机3的范围大体一致的情况下，对于标准异形冲压件不同位姿进行图像采集，得到的Hu不变矩参数结果。结果表明不同姿态图像对应的Hu不变矩参数I₁～I₇变化不大，再次证明Hu不变矩的鲁棒性，减少了位姿不同对于检测结果的影响，为了准确地识别异形冲压件10的缺陷，匹配结果可通过得到每一个待检测异形冲压件的Hu矩参数与每一个标准异形冲压件10做比较来判断，并且结合每一个待检测异形冲压件的如表1所示的面积特征与每一个标异形冲压件进行面积差分匹配。

表3为应用本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***及方法，得到的两 个合格工件和三个有缺陷的工件分别与标准异形冲压件的面积差分结果。此表中选择四个标准异形冲压件作为面积差分模板，分别记为：模板1、模板2、模板3和模板4，通过结果可以看出合格工件与有缺陷的工件对于多个标准工件面积差分结果ΔS_bn，其中b为标准工件的个数，n为待检测工件的个数，可以看出合格品与标准异形冲压件模板的面积差分结果，跟有缺陷的异形冲压件与标准异形冲压件模板的面积差分结果差距还是很大的，根据差分结果设定面积差分匹配阈值。每一个待检测异形冲压件，相对于不同模板，面积差分结果不同，选择面积差分结果最小值ΔS_min，若小于阈值则证明待检测异形冲压件至少与其中一个模板匹配，就可以初步判断待检测异形冲压件为没有缺陷的，这样可以初步判断待检测工件的缺陷情况。

表4为应用本实用新型基于匹配的异形冲压件轮廓缺陷视觉检测***，两个合格工件与三个有缺陷的工件Hu匹配结果。结果表明合格工件匹配率I_bj很高，在99％以上，这与有缺陷的工件配率(最高仅为90％左右)有明显的区分，设定工件匹配率阈值，只要待检测异形冲压件与每个标准异形冲压件模板的配率中，有大于设定的阈值的就可以判断待检测异形冲压件为没有缺陷的，人机交互界面显示匹配率中最大的匹配率I_max(即最终匹配率)，结合表3的结果以及判断，显示最大的匹配率I_max，能够准确检测出占整个工件面积的0.5％以上的缺陷，提高了检测精度，能够满足实际现场中缺陷检测的准确性要求。

表1

表2

表3

表4

Claims (2)

1.一种基于匹配的异形冲压件轮廓缺陷视觉检测***，其特征在于该检测***包括智能相机、第一支架、第二支架、计算机、控制部分、透明旋转圆盘、电机、传感器和背部光源，控制部分控制电机的转动及智能相机的触发；由智能相机、第一支架和计算机共同构成视觉***，所述智能相机通过第一支架固定在透明旋转圆盘的上方，智能相机通过通信线同时与计算机和控制部分连接，计算机与控制部分连接，所述透明旋转圆盘与电机连接，所述背部光源位于智能相机的正下方，且处于透明旋转圆盘的下方；所述传感器包括传感器发射器和传感器接收器，传感器接收器与传感器发射器相对设置，并且在同一水平线上，传感器发射器与第二支架相连，传感器接收器固定在第一支架下部，传感器接收器与传感器发射器同时与控制部分连接。

2.根据权利要求1所述的基于匹配的异形冲压件轮廓缺陷视觉检测***，其特征在于所述异形冲压件的厚度为3～5mm，冲压件长度为40～60mm，宽度为15～55mm。