一种基于机器视觉的火花塞端面缺陷检测方法
【技术领域】
[0001] 本发明设及一种火花塞端面缺陷检测的算法。
【背景技术】
[0002] 火花塞在加工过程中，火花塞壳体表面会产生划痕、凹坑等缺陷，从而影响产品质 量。所W在火花塞的生产过程中，要严格杜绝此类次品流入下一道加工工序，防止残次品流 入市场，造成恶劣影响。而针对该类的缺陷，现有检验方式是采用人工目视的方式，单个工 人产时间目视检验，会产生眼睛疲劳，该就可能致使误检漏检情况的产生，甚至在一定程度 上会降低生产率，影响产品质量。
[0003] 本发明所述的算法应用在该类产品的视觉检测系统上，可W最大程度的降低检测 的人力成本，提高生产效率，实现工业化的生产。
【发明内容】
[0004] 本发明所要解决的技术问题是设计一种能够方便、快速、低成本的对火花塞端面 缺陷自动检测方法。
[0005] 本发明的技术方案为一种基于机器视觉的火花塞端面缺陷检测方法，该方法包 括：
[0006] 步骤1 ;采集火花塞端面的清晰图像；
[0007] 步骤2 ;对采集到的图像进行二值化，并标记连通区域，再根据外接面积最大的矩 形提取表示火花塞端面圆环；
[000引步骤3 ;确定圆环外圆的每一行像素的左右边界，并求出其中点；
[0009] 步骤4 ;对步骤3获得的所有中点求均值，获得外圆屯、的纵向坐标；
[0010] 步骤5 ;采用与步骤3、步骤4相同的方法获得外圆屯、的横向坐标；
[0011] 步骤6 ;确定圆环内圆的每一行像素的左右边界，采用与上述步骤3、4、5相同的方 法获得内圆的圆屯、坐标；
[001引步骤7 ;根据外圆圆屯、与内圆圆屯、的距离，判断火花塞是否合格，若合格则取两圆 屯、的均值为圆环圆屯、；
[001引步骤8 ;提取圆环边缘，首先统计外圆边缘点到圆屯、的距离，认定距离数目多的为 外圆的半径；
[0014] 步骤9 ;采用与步骤8相同的方法获得内圆的半径；
[0015] 步骤10 ;根据W上步骤获得圆环信息，将步骤1采集的图像中的圆环通过极坐标 变换，转换为矩形；
[0016] 步骤11 ;对获得矩形进行形态学运算滤波、去噪，用于过滤掉不属于凹坑和划痕 的杂质背景；
[0017] 步骤12;标记连通区域，寻找出缺陷部位。
[0018] 其中，步骤11的具体步骤为：
[0019] 步骤11-1 ;对图像进行中值滤波，滤除杂质点；
[0020] 步骤11-2 ;对图像用局部阔值分割法分割图像，得到二值图；
[0021] 步骤11-3 ;对图像进行横向膨胀，使得断开的凹坑可W连在一起；
[0022] 步骤11-4 ;对图像进行纵向腐蚀，腐蚀大小根据缺陷大小的判定来确定，通过腐 蚀可W滤除条纹杂质；
[0023] 步骤11-5 ;对图像进行横向腐蚀；
[0024] 步骤11-6;对图像进行纵向膨胀，W完成前两步的闭合操作。
[0025] 其中，所述步骤12的具体步骤为：
[0026] 步骤12-1 ;对步骤11获得的二值图进行连通域标记；
[0027] 步骤12-2 ;提取各连通域中的图像，标记各连通域的位置及形态，即为缺陷位置。 [002引本发明一种基于机器视觉的火花塞端面缺陷检测方法，该方法首先采集火花塞端 面图像，对采集的图像首先获取其中表示火花塞端面的圆环图像，再寻找出圆环的外圆与 内圆，及圆环的圆屯、等信息，最后对圆环图像经过极坐标变换，转换为矩形，最后对矩形进 行滤波、去噪等处理找出火花塞的缺陷部位，从而本发明具有检测方便、成本低廉、效率高 的优点。
【附图说明】
[0029] 图1为火花塞端面凹坑缺陷沿径向较长示意图
[0030] 图2是本发明的待处理图样。
[0031] 图3是圆环检测效果图。
[0032] 图4是转换为矩形后效果图。
[0033] 图5是圆环检测流程图。
[0034] 图6是圆环缺陷检测流程图。
【具体实施方式】
[0035] 下面结合附图，对本发明中火花塞端面缺陷的检测方法进行详细说明：
[0036] 火花塞的端面缺陷，根据其可能造成的油气泄漏的原因，该类缺陷一般表现为沿 端面径向的缺陷长度较长。如图1所示：
[0037] 此外，由于生产车间的粉尘较大，造成端面出现细小斑点，容易导致误检率过高。 其次由于工艺的原因，火花塞端面会有一些车痕，该些车痕在端面表现为环向的划痕，容易 误判为缺陷。另外，生产线上有油污存在，该些因素都会给端面的正确检测带来困难。如图 1中，只有箭头处为缺陷，其余位置的暗斑均不算做缺陷。本发明为解决上述问题，降低火花 塞误检率，提出如下的解决方案。
[003引步骤1 ;采集火花塞端面的清晰图像；
[0039] 步骤2 ;对采集到的图像进行二值化，并标记连通区域，再根据外接面积最大的矩 形提取表示火花塞端面圆环；
[0040] 步骤3 ;确定圆环外圆的每一行像素的左右边界，并求出其中点；
[0041] 步骤4 ;对步骤3获得的所有中点求均值，获得外圆屯、的纵向坐标；
[00创步骤5 ;采用与步骤3、步骤4相同的方法获得外圆屯、的横向坐标；
[00创步骤6 ;确定圆环内圆的每一行像素的左右边界，采用与上述步骤3、4、5相同的方 法获得内圆的圆屯、坐标；
[0044] 步骤7 ;根据外圆圆屯、与内圆圆屯、的距离，判断火花塞是否合格，若合格则取两圆 屯、的均值为圆环圆屯、；
[0045] 步骤8 ;提取圆环边缘，首先统计外圆边缘点到圆屯、的距离，认定距离数目多的为 外圆的半径；
[0046] 步骤9 ;采用与步骤8相同的方法获得内圆的半径；
[0047] 上述步骤用于提取圆环、圆屯、及内外径检测
[0048] 为获得缺陷的位置信息，首先需要对火花塞的端面进行提取，该就需要对图像检 测圆环信息。传统的霍夫圆算法消耗时间较长，不能满足快速生产的要求，本发明在霍夫圆 算法的基础上进行改进，提出了一种更高效、准确的算法。
[0049] 步骤10 ;根据W上步骤获得圆环信息，将步骤1采集的图像中的圆环通过极坐标 变换，转换为矩形；
[00加]
(1)
[0化1] 步骤11 ;对获得矩形进行形态学运算滤波、去噪，用于过滤掉不属于凹坑和划痕 的杂质背景；
[005引步骤12 ;标记连通区域，寻找出缺陷部位。
[0化3] 其中，步骤11是根据图1中缺陷凹坑的判定特性提出的。具体步骤为：
[0化4] 步骤11-1 ;对图像进行中值滤波，滤除杂质点；
[0化5]步骤11-2 ;对图像用局部阔值分割法分割图像，得到二值图；
[0056] 步骤11-3 ;对图像进行横向膨胀，使得断开的凹坑可W连在一起；
[0化7] 步骤11-4 ;对图像进行纵向腐蚀，腐蚀大小根据缺陷大小的判定来确定，通过腐 蚀可W滤除条纹杂质；
[005引步骤11-5 ;对图像进行横向腐蚀；
[0059] 步骤11-6 ;对图像进行纵向膨胀，W完成前两步的闭合操作。
[0060] 其中，步骤12的具体步骤为；
[0061] 步骤12-1 ;连通域标记步骤10-6中的二值图；
[0062] 步骤12-2 ;提取各连通域中的图像，标记各连通域的位置及形态，即为缺陷位置。
【主权项】
1. 一种基于机器视觉的火花塞端面检测方法，该方法包括： 步骤1:采集火花塞端面的清晰图像； 步骤2 :对采集到的图像进行二值化，并标记连通区域，再根据外接面积最大的矩形提 取表示火花塞端面圆环； 步骤3 :确定圆环外圆的每一行像素的左右边界，并求出其中点； 步骤4 :对步骤3获得的所有中点求均值，获得外圆心的纵向坐标； 步骤5 :采用与步骤3、步骤4相同的方法获得外圆心的横向坐标； 步骤6 :确定圆环内圆的每一行像素的左右边界，采用与上述步骤3、4、5相同的方法获 得内圆的圆心坐标； 步骤7 :根据外圆圆心与内圆圆心的距离，判断火花塞是否合格，若合格则取两圆心的 均值为圆环圆心； 步骤8 :提取圆环边缘，首先统计外圆边缘点到圆心的距离，认定距离数目多的为外圆 的半径； 步骤9 :采用与步骤8相同的方法获得内圆的半径； 步骤10 :根据以上步骤获得圆环信息，将步骤1采集的图像中的圆环通过极坐标变换， 转换为矩形；步骤10 :对获得矩形进行形态学运算滤波、去噪，用于过滤掉不属于凹坑和划痕的杂 质背景； 步骤11 :标记连通区域，寻找出缺陷部位。2. 如权利要求1所述的一种基于机器视觉的火花塞端面检测方法，其特征在于步骤 2-9所述的圆环提取算法。3. 如权利要求1所述的一种基于机器视觉的火花塞端面检测方法，其特征在于步骤10 所述的具体步骤为： 步骤10-1 :对图像进行中值滤波，滤除杂质点； 步骤10-2 :对图像用局部阈值分割法分割图像，得到二值图； 步骤10-3 :对图像进行横向膨胀，使得断开的凹坑可以连在一起； 步骤10-4 :对图像进行纵向腐蚀，腐蚀大小根据缺陷大小的判定来确定，通过腐蚀可 以滤除条纹杂质； 步骤10-5 :对图像进行横向腐蚀； 步骤10-6 :对图像进行纵向膨胀，以完成前两步的闭合操作。
【专利摘要】本发明一种基于机器视觉的火花塞端面缺陷检测方法，该方法首先采集火花塞端面图像，对采集的图像首先获取其中表示火花塞端面的圆环图像，然后寻找出圆环的外圆与内圆，及圆环的圆心等信息，最后对圆环图像经过极坐标变换，转换为矩形，最后对矩形进行滤波、去噪等处理找出火花塞的缺陷部位。本发明具有成本低廉、检测效率高的优点。
【IPC分类】G01N21/88
【公开号】CN104964980
【申请号】CN201510305165
【发明人】杜晓辉, 张静, 刘娟秀, 罗颖, 杨先明, 刘霖, 刘永, 叶玉堂
【申请人】电子科技大学
【公开日】2015年10月7日
【申请日】2015年6月5日