专利名称：利用计算机对工件缺损、裂变、变形进行自动检测的系统的制作方法
技术领域：
本发明涉及计算机技术领域，具体是利用计算机对工件缺损、裂变、变形进行自动检测的系统。
背景技术：
目前，国内零件加工能够基本保证加工工序的自动化，但是对于加工过程中出现的零件缺陷，即不合格产品，还是大量依赖于人工筛选。这种方式的弊病主要有·需要非常多的人力。随着国内人力成本的逐步上升，零件的成本也会随之增加。
·人工筛选的主观性强。具有较高的漏检率。·缺乏缺陷数据支持，零件加工企业不方便回溯分析缺陷产生的原因因此，利用图像识别对零件进行全自动检测是目前发展的趋势。
发明内容
本发明针对现有技术中存在的上述不足，提供一种利用计算机对工件的缺损、裂变、变形进行自动检测的系统，利用计算机视觉技术，自动检测工件的缺损、变形以及裂变的算法及基于该算法实现的自动检测系统框架。在保证尽可能多地检测出瑕疵物品的同时，避免错检合格品。为达到上述目的，本发明所采用的技术方案如下一种利用计算机对工件缺损、裂变、变形进行自动检测的系统，包括集中采集端，合格品参数训练模块，通用数据处理端，专用数据处理端以及最终的结果整合模块，其中-集中采集端，责对工件数据采样，并进行自动分类后送到系统进行处理。由于工件缺陷的位置不同，在采集端必须做到将缺陷采样入图片。-通用数据处理端，用于对不特定零件以及不特定位置的检测和处理；该部分主要针对整体的缺损以及裂变的检测和处理。-专用数据控制端，用于针对特定零件出现的缺陷进行检测和处理；该部分主要针对于工件变形的缺陷进行检测和处理。-所述通用数据处理端与专用数据处理端将结果送给结果整合模块，由结果整合模块负责处理并输出工件的错误信息。所述合格品参数训练模块通过对合格品进行图像处理，提取出特征参数，利用大数定律，判断其符合正态分布，通过平均值加减3倍的方差得到合格品参数区间，而不在该参数分布中的均可视为不合格品。所述通用数据控制端通过对输入的不特定零件和不特定位置的图像进行处理，判断其是否是不合格品。所述通用数据处理端包括以下装置缺损判断模块，用于判断该工件是否缺损；裂变判断模块，用于判断该工件是否裂变。通用数据处理端中的缺损判断模块，首先根据当前图片的灰度图自动计算分割参数，通过二值化计算最大连通区域的大小得到工件的面积，并与通过合格品训练得到的参数进行比较，若小于则可以判断工件缺损。然后将结果发送给结果整合模块。通用数据处理端中的裂变判断模块，主要针对于工件表面的裂变，即工件表面的银层开裂露出铜层等。该模块首先同样根据图片的饱和度空间，得到易开裂部分区域，由于开裂部分与为开裂的部分的饱和度空间不同，将图像二值化后可以发现明显的黑白区另O，计算最大连通区域的面积，与通过合格品训练得到的参数进行比较，若大于该值，则认为发生裂变。将结果直接发送给结果整合模块。所述专用数据控制端通过对输入的特定零件的图像进行处理，判断其是否是不合格品。所述专用数据处理端包括变形判断模块用于判断工件是否角度变形。专用数据处理端中的变形判断模块，主要针对于工件的平整性判断，即是否存在角度变形。由于该模块需要的图像一般是工件的侧面图像，所以需要在专用数据处理端工 作。该模块首先根据输入图像，将图像分成多个部分，对每个部分利用骨架细化算法进行细化后，去除噪点，随后利用hough变换针对细化的骨架得到近似直线，对不同部分直线的斜率进行差分比较，得到的结果和合格品训练模块的结果比较，如果各角度差的绝对值大于合格品的参数值，则判断为角度变形。然后将结果送至结果整合模块。本发明工作时，如果前次拍摄状况与该次拍摄状况情况有变，则先用集中采集端将合格品的照片发给合格品参数训练模块，让其进行参数自动训练。在参数训练完毕或者不需要进行参数训练时，本系统正式工作。先通过集中采集端将工件进行拍摄，并将照片自动分类，将需要整体判断的工件送至通用数据处理端，将需要拍摄特殊部位(即角度变形需要拍摄工件折角部分)的送至专用数据处理端。通用数据处理端，通过内置的算法以及之前训练得到的参数，分别对工件照片进行缺损判断以及裂变判断，若发现错误则将错误送至结果整合模块。专用数据处理端，通过内置的算法以及之前训练得到的参数，分别对工件照片进行角度变形的判断，若发现错误则将错误送至结果整合模块。最终的结果整合模块，将工件不合格类型进行输出。与现有技术相比，本发明创造性的使用了参数自适应性设计，利用计算机视觉技术真正做到了自动识别工件缺陷的功能，弥补了现有手动进行工件缺陷检测的不足。通过对大量样本进行检测，本发明的运用结果相当出色，每种类型的缺陷均达到95%以上的检测率以及5%以下的错检率。
以下通过附图对本发明技术方案做一详细描述，为了更清楚的通过附图来说明本发明技术方案，下述附图均采用了带灰度的背景颜色图I是本发明的系统框架图；图2 图4是本发明实施例的集中采集端采集到的分别对应于缺损、裂变以及角度变形的残次品样本以及合格品样本图；图5是图2中缺损残次品的灰度图；图6是图5的二值图；图7是提取的图3的裂变区域；
图8是图7的裂变残次品形式一的二值图；图9是图7的裂变残次品形式二的二值图；图10是本发明实施例中裂变合格品的二值图；图11是本发明实施例中经过扫描线算法提取后的裂变残次品二值图；图12是图4的变形残次品的二值图；图13是图12经过骨架提取算法后得到的线条图；图14是将图13分成三部分分别进行hough变换后的近似直线图。
具体实施方式
下面结合附图对本发明的实施例作详细说明，本实施例在以发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。本实施例的任务是对工件进行三种类型的检测。如图I所示，本发明包括5个模块集中采集端、合格品参数训练模块、通用数据处理端、专用数据处理端以及结果整合模块。通过集中采集端，得到三张样本图片，分别如图2所示的对应于缺损的残次品样本(图2中的右图)以及合格品样本(图2中的左图)，如图3所示的对应于裂变的残次品样本(图3中的右图)以及合格品样本(图3中的左图)以及如图4所示的对应于角度变形的残次品样本(图4中的右图)以及合格品样本(图4中的左图)。如图2所不,左图为合格品，右图有残次品。右图可以明显地看到左下角有缺损。下面用图例针对缺损品的流程进行描述。如图5所示，该图为图2中的残次品的灰度图，通过提取灰度图的平均值，乘以某一训练后的固定常数，经过二值化后，得到如图6所示的二值图。提取平均值乘以固定常数的原因在于，防止由于拍摄光线不同，造成的灰度值偏差，由于各灰度值均匀变化，固使用该方法可以做到二值化闕值自适应调整。此时根据如图6所示得到的二值图，计算最大连通区域，最大连通的白色像素的个数，与之前合格品训练得到的参数比较，则可判定为缺损品O如图7所示，该图为根据工件尺寸提取出的裂变区域，事实上，如果裂变区域位于整个工件，也可以不提取区域，在本例中，由于裂变只存在于工件的银层上，故提取区域增强针对性。同样利用均值乘以固定常数作为二值化的闕值后得到如图8所示的二值图。在这里我们需要提取出真正的裂变区域，原因在于裂变通常是上层的漆落露出底层的颜色，而本例中底层为铜，而露出的同样是铜，故需要提取出银层位置从而移除不相关的铜面。这里采取的是扫描线算法，既从下往上开始用一跟扫描线扫描，当这个扫描经过线满足下面两个条件之一时，我们认为该线即为银面和铜面的分割线1.黑色的像素点多余白色的像素点；2.黑色区域的块数大于某一预定值。该算法考虑到若开裂部分与铜面如果不想连，如图8所示，则方案I满足。若开裂部分与铜面相连，如图9所示，则方案2满足。该算法的正确性基于完整铜面中的铜平整光滑而开裂部分的铜断断续续的现象。从测试结果来看，该算法切实有效。如图10所示，合格品的银面部分光滑平整。如图11所示，计算经过扫描线算法提取出的截面的中白色的面积，如果大于通过合格品训练得到的值即可认为发生裂变。如图12所示，该图为经过闕值自适性调整后的二值图。图13为该二值图经过骨架提取算法后得到的结果。图14所示，将图13中的线条分成三部分，分别进行hough (霍夫)变换，灰色部分为提取的直线。将得到的直线的角度相减，并与合格品的参数进行比较，可以发现图14中的第三 部分，与图14中的第二部分明显不成90度，则认为角度变形。最后将结果全部送至结果整合模块，结果整合模块输出错误的类型。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
权利要求
1.一种利用计算机对工件缺损、裂变、变形进行自动检测的系统，其特征在于，包括集中采集端、合格品参数训练模块、通用数据控制端、专用数据控制端以及最终的结果整合模块，其中 -集中采集端，负责对工件数据采样，并进行自动分类后送到系统进行处理； -合格品参数训练模块，用于对合格品的各项参数进行自动训练； -通用数据控制端，用于对输入的不特定零件以及不特定位置的图像进行处理，判断其是否是不合格品； -专用数据控制端，用于对输入的特定零件的图像进行处理，判断其是否是不合格品； -结果整合模块，所述通用数据处理端与专用数据处理端将结果送给结果整合模块，由结果整合模块负责处理并输出工件的错误信息。
2.根据权利要求I所述的利用计算机对工件缺损、裂变、变形进行自动检测的系统，其特征在于，所述合格品参数训练模块是通过对合格品进行图像处理，提取出特征参数，利用大数定律，判断其符合正态分布，通过平均值加减3倍的方差得到合格品参数区间，而不在该参数分布中的均可视为不合格品。
3.根据权利要求I所述的利用计算机对工件缺损、裂变、变形进行自动检测的系统，其特征在于，所述通用数据控制端包括以下装置 缺损判断模块，用于判断该工件是否缺损； 所述缺损判断模块首先根据当前图片的灰度图自动计算分割参数，通过二值化计算最大连通区域的大小得到工件的面积，并与通过合格品训练得到的参数进行比较，若小于则可以判断工件缺损，将结果发送给结果整合模块； 裂变判断模块，用于判断该工件是否裂变； 所述裂变判断模块主要针对于工件表面的裂变，首先根据图片的饱和度空间，得到易开裂部分区域，由于开裂部分与不开裂部分的饱和度空间不同，将图像二值化后可以发现明显的黑白区别，计算最大连通区域的面积，与通过合格品训练得到的参数进行比较，若大于该值，则认为发生裂变，将结果直接发送给结果整合模块。
4.根据权利要求I所述的利用计算机对工件缺损、裂变、变形进行自动检测的系统，其特征在于，所述专用数据控制端包括变形判断模块，用于判断工件是否角度变形； 所述变形判断模块首先根据输入图像，将图像分成多个部分，对每个部分利用骨架细化算法进行细化后，去除噪点，随后利用hough变换针对细化的骨架得到近似直线，对不同部分直线的斜率进行差分比较，得到的结果和合格品训练模块的结果比较，如果各角度差的绝对值大于合格品的参数值，则判断为角度变形，将结果送至结果整合模块。
5.根据权利要求I所述的利用计算机对工件缺损、裂变、变形进行自动检测的系统，其特征在于，所述结果整合模块用于输出工件的所有存在的问题并将缺损判断模块，裂变判断模块以及变形判断模块的结果进行整合同时输出。
全文摘要
本发明公开一种利用计算机对工件缺损、裂变、变形进行自动检测的系统，利用计算机图像识别技术，可以达到自动识别工件的三种缺陷缺损、裂变以及变形。其首先对样本进行采样，通过对以往合格品的训练结果得到合格品的参数阙值或者通过当场训练得到合格品的参数值，以此为标准对后续输入的工件的合格情况进行判断。该发明针对不同的缺陷有不同的算法，同时考虑到工件照片拍摄的情况不同，在算法内部加入的参数自适应调整能够适应不同的拍摄光线强度。三种算法的检测率以及漏检率均分别达到95%以上以及5%以下，效果优于以往所有算法。
文档编号G01N21/88GK102901735SQ20121031333
公开日2013年1月30日 申请日期2012年8月29日 优先权日2012年8月29日
发明者郭强, 潘超, 高旭 申请人:上海美迪索科电子科技有限公司