本发明涉及精密测量领域,具体是一种基于机器视觉的钢球表面缺陷差分检测的新型算法。本发明主要是解决钢球表面缺陷检测现有技术的受人为因素影响大、检测精度低和效率低等问题,从而有效的提高了产品检测效率。
背景技术:
现有钢球表面缺陷检测装置,具有检测精度低、检测效率低以及抗干扰性差的问题。
技术实现要素:
发明目的:针对传统的钢球表面缺陷检测方法存在的问题,克服已有技术的不足,根据有缺陷钢球表面有缺陷区域与无缺陷钢球表面同区域在图像上表现的灰度一场,利用机器视觉库,将计算机的高效性以及可重复性与数字图像处理技术相结合,融合差分检测算法对钢球进行视觉检测,对采集到的钢球表面图像进行高速处理,具有高精度、高可靠性和高效率的特点,能准确判断钢球表面质量。为验证本算法的准确性及可靠性,对其进行实验分析,缺陷识别率可以达到98%,误检率小于2%,出于国内钢球表面缺陷检测的先进水平。
技术方案:
为了解决现有技术的不足,本发明所述的一种基于机器视觉的钢球表面缺陷差分检测的新型算法,其具体步骤如下:
步骤一:在vc++6.0中,通过opencv对黑白ccd相机采集到的钢球表面图像进行用自适应中值滤波消除噪声;
步骤二:用伽马变换对图像进行对比度增强;
步骤三:用最小外接矩形重绘算法,精确确定检测范围,将钢球图像与背景图像分离;
步骤四:将正常无缺陷钢球图像作为样本,对其进行多次累加求平均获得标准图像;
步骤五:将标准图像与钢球图像做差,得到差值图像;
步骤六:将有缺陷的钢球标记位置,存入动态数组;
步骤七:在分选系统处对有缺陷的钢球进行分选处理。
与现有技术相比,本发明的有益效果是:
1.能够准确检测钢球表面缺陷,缺陷识别率可以达到98%,误检率低于2%,同行业中出于领先水平。
2.本方法可以推广到对其他工业产品的表面质量检测中,对于灵活运用数字图像处理技术有很好的借鉴意义。
3.本发明的检测效率可达10000个/h,同行业中出于领先水平。
附图说明
图1为本发明的差分检测算法流程图;
图2为本发明的算法预处理流程图;
图3为本发明的检测装置示意图;
图4为本发明的相机位置示意图;
图5为本发明的相机一的采集图像;
图6为本发明的相机二的采集图像;
图7为本发明的相机一采集图片生成的标准图像;
图8为本发明的相机二采集图片生成的标准图像;
图9为本发明的检测算法环带区域示意图。
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。此处所描述的具体实施例仅仅用以解释本发明并不用于限定本发明。
如图1所示,将采集到的图像进行预处理,即先通过自适应中值滤波对图像进行去噪,然后进项伽马变换增强图像对比度,然后通过圆形区域最小外接矩形逼近将钢球部分区域与背景区域相分离,之后提取钢球部分图像生成标准图像,把待检测图像与标准图像进行差分检测,标记有缺陷钢球,最后在分选系统对有缺陷钢球进行分选。
实施例
本发明所述的一种基于机器视觉的钢球表面缺陷差分检测的新型算法的处理步骤如下:
步骤一:在vc++6.0中,通过opencv对黑白ccd相机采集到的钢球表面图像进行用自适应中值滤波消除噪声;
步骤二:用伽马变换对图像进行对比度增强;
步骤三:用最小外接矩形重绘算法,精确确定检测范围,将钢球图像与背景图像分离;
步骤四:将正常无缺陷钢球图像作为样本,对其进行多次累加求平均获得标准图像;
步骤五:将标准图像与钢球图像做差,得到差值图像;
步骤六:将有缺陷的钢球标记位置,存入动态数组;
步骤七:展开盘向前转动一个钢球的位置,判断缺陷球是否转动到分选装置处,如果缺陷球转动到分选装置处则分选装置分选缺陷钢球;
步骤八:七个钢球为一组,判断是否完成一组钢球的分选,如果完成一组钢球的分选,判断是否所有钢球均检测完毕,如果所有钢球都检测完毕则结束,如果不是所有钢球均检测完成,则继续步骤一的检测命令。
本发明检测精度与检测效率均处于钢球表面缺陷检测领域领先地位。
以上是本发明的较佳实施方式,但本发明的保护范围不限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内,未经创造性劳动想到的变换或修饰,都应涵盖在本发明的保护范围之内。