一种中铝瓷球表面缺陷检测方法与流程

本发明涉及一种中铝瓷球表面缺陷检测方法。

背景技术：

瓷球广泛用于石油、化工、化肥、天然气及环保等行业，作为反应器内催化剂的覆盖支撑材料和塔填料。它具有耐高温高压，吸水率低，化学性能稳定的特点。能经受酸、碱及其它有机溶剂的腐蚀，并能经受生产过程中出现的温度变化。针对各尺寸中铝瓷球，为了保证产品可用性，必须对其表面的微缺损(如微小裂纹、微破损)进行检测。目前该类零件的表面缺损检测主要依靠人眼目视检测，由于受检查人员技术、经验、工作环境以及视力疲劳等影响，很容易出现误检和漏检，并且人工目测效率低、缺乏准确性和规范化，稳定性和可靠性比较差。为了解决人工目测工作难度大、效率低、漏检率高的难题，需要引进一种自动检测技术，既降低人力成本又能实现对产品质量的严格控制。

目前计算机视觉技术已相对成熟，具有非接触、速度快、精度高、抗干扰能力强等诸多优点，如果将计算机视觉技术引入小尺寸中铝瓷球端面缺损检测中，将能够很好地满足其对可靠性和灵敏度的要求，而且维护方便。

技术实现要素：

有鉴于此，本发明的目的在于提供一种中铝瓷球表面缺陷检测方法，提高了检测准确性与自动化程度，提升了检测效率。

为实现上述目的，本发明采用如下技术方案：一种中铝瓷球表面缺陷检测方法，其特征在于，包括以下步骤：

步骤S1：采集中铝瓷球表面的光学图像；

步骤S2：对所述光学图像进行灰度变换，得到二值图像；

步骤S3：构造线性平滑滤波器对所述二值图像进行滤波，除去高频成分和锐化细节，得到滤波图像；

步骤S4：采用高反差保留算法对所述滤波图像进行增强，凸显出中铝瓷球表面裂缝与背景之间的对比度；

步骤S5：采用阈值边缘描述法对所述滤波图像进行首次图像分割得到若干区域，结合图像形态学运算滤除背景，获得初步的中铝瓷球表面的缺陷信息；

步骤S6：对于所述若干区域以面积为特征进行统计分类，设定面积值M1和M2，筛选出面积值介于M1和M2之间的区域；

步骤S7：对筛选出的区域设定膨胀系数对对应的图像进行膨胀，对膨胀后的图像合并为域，利用对比作差法，将区域单独分割出来，得到与膨胀后的图像特征相同的局部初始图像；

步骤S8：将步骤S7得到的局部初始图像再次进行线性平滑运算进行滤波，将再次滤波后的图像利用动态阈值法进行图像精准分割，得到精准的中铝瓷球表面的缺陷信息；

步骤S9：对所述精确的中铝瓷球表面的缺陷信息进行面积统计，计算其像素点，若像素点大于0，则判定对应中铝瓷球不合格。

进一步的，所述步骤S1中，采集所述光学图像的装置包括传送带及用于旋转中铝瓷球的抓取装置，所述抓取装置在传送带上方随传送带移动；所述传送带正上方还设置有若干带光源的暗箱及用于获取暗箱内部图像的工业相机，所述暗箱在传送带前进的方向上开设有用于中铝瓷球通过的开口；所述带光源的暗箱的正下方设置有不合格收集框，所述传送带尾端的下方设置有合格收集框；还包括控制器，所述控制器与所述工业相机、抓取装置及控制传送带运动的电机连接，用于接收工业相机采集到的光学图像、控制抓取装置松开或夹紧中铝瓷球并控制传送带的运动；所述控制器与上位机连接，将光学图像传输给上位机并接收上位机的控制命令。

进一步的，所述光源为组合条形光源，设置于暗箱顶部的周侧；所述暗箱的内壁设置有漫射板，暗箱的顶部设置有相机开口，所述相机开口的正上方设置工业相机。

进一步的，所述步骤S3中，所述线性平滑滤波器采用局部均值运算，每个像素灰度值用其局部邻域内所有值的权值置换，计算公式为：

其中，M是邻域N内的像素点总数，h[i,j]是滤波后像素点[i,j]的灰度值，f[k,l]是滤波前像素点[k,l]的邻域像素点的灰度值。

进一步的，所述步骤S4的具体内容如下：

步骤S41：采用高斯核对滤波图像进行模糊，选择的3*3的模糊逼近模板为：

其中高斯核逼近计算的公式为：

步骤S42：利用权值矩阵对光学图像进行卷积，得到模糊图像；

步骤S43：将原始图像与模糊图像相减，得到高通图像；

步骤S44：将原始图像与高通图像进行动态权值相加，表达式为：

AdImg＝BlurImg+Amount*(RawImg-BlurImg+127)

其中：AdImg为增强图像，BlurImg为模糊图像，RawImg-BlurImg+127为高通图像，RawImg为原始图像，Amount为权值，权值的取值范围为[0,1]。

进一步的，所述步骤S5中，阈值边缘描述法的具体内容如下：

步骤S51：选择一个初始近似阈值的估算值T1和T2，其中，T1小于T2；

步骤S52：利用估算值T1和T2把图像按照灰度值是否小于T1、大于T2以及介于T1和T2之间分成三组区域R1、R2和R3；

步骤S53：合并区域R1和R2，将图像重新分成区域L1和L2；

步骤S54：利用求导法对区域L1和L2区域交界处二次求导，结果以矩阵形式保存；

步骤S55：针对上述保存后的图像再次设置T1’和T2’，得到满足上述条件的所有区域的边界信息以矩阵形式保存。

进一步的，所述步骤S8中，动态阈值法的具体内容如下：

步骤S81：将再次滤波后的图像点集阈值记做g{e},将局部图像的点集的阈值记做g{o},并设定基准差值t；

步骤S82：将g{e}中的数值分别减去基准差值t,并与g{o}比较，若满足g{o}<g{e}-t，则将该图像上的点集留下，否则剔除，最后得到精确滤波后的中铝瓷球表面缺陷信息，并对其进行标记。

本发明与现有技术相比具有以下有益效果：本发明采用计算机视觉和组合光源漫射光技术相结合的方式，实现了各尺寸中铝瓷球表面的缺陷检测及筛选，特别是解决了中铝瓷球表面细小裂纹检测困难，另外本发明能够实现多工位检测以及解决了常用算法计算量大、检测速度慢等问题，能够真实反映中铝瓷球的表面缺陷信息，并能准确判断检测对象是否合格，且数据量小，检测效率高，具有很强的实用性和广阔的应用前景。

附图说明

图1是本发明的方法流程图。

图2是本发明一实施例采集光学图像的装置示意图。

图3是本发明一实施例的暗箱及工业相机局部示意图。

图4是图3的A-A剖视图。

图5是图3的B-B剖视图。

图6是图3的C-C剖视图。

图中：1-传送带；2-抓取装置；3-中铝瓷球；4-暗箱；5-工业相机；6-控制器；7-上位机；8-箱体；9-不合格收集框；10-合格收集框；41-组合条形光源；42-漫射板；43-相机开口；44-开口。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种中铝瓷球表面缺陷检测方法，其特征在于，包括以下步骤：

步骤S1：采集中铝瓷球表面的光学图像；

请参照图2至图6，采集所述光学图像的装置包括传送带1及用于旋转中铝瓷球3的抓取装置2，所述抓取装置2在传送带1上方随传送带1移动；所述传送带正上方还设置有若干带光源的暗箱4及用于获取暗箱4内部图像的工业相机5，所述暗箱4在传送带1前进的方向上开设有用于中铝瓷球3通过的开口44；在传送带1运动的同时，中铝瓷球3随着抓取装置2依次进入暗箱中，由工业相机5获取中铝瓷球3表面的光学图像；每进入下一个暗箱前，抓取装置2带动中铝瓷球3转动一定角度，每次转动的角度由暗箱的个数决定，只要保证历经所有的暗箱后，中铝瓷球在同一平面内转动了360°即可，比如，在本实施例中，设置有6个暗箱，则每次中铝瓷球转动60°。

还包括控制器6，所述控制器6与所述工业相机5、抓取装置2及控制传送带1运动的电机连接，用于接收工业相机5采集到的光学图像、控制抓取装置2松开或夹紧中铝瓷球并控制传送带1的运动；所述控制器6与上位机7连接，将光学图像传输给上位机7并接收上位机的控制命令。所述带光源的暗箱4的正下方设置有不合格收集框9，所述传送带1尾端的下方设置有合格收集框10；在传送带1的起始端，还设置有用于存储中铝瓷球的下方带开口的箱体8。

于本实施例中，上位机为计算机，在计算机接收到控制器传输过来的光学图像后，根据下述步骤S2至步骤S9判断对应的中铝瓷球的合格情况，若判断中铝瓷球不合格，计算机向控制器发出松开相应抓取装置的控制命令，则中铝瓷球掉落至下方的不合格收集框，若判断中铝瓷球合格，则计算机发出传送带运动的命令以及抓取装置带动中铝瓷球旋转的命令，令中铝瓷球进入下一个暗箱，在中铝瓷球历经所有暗箱后，中铝瓷球整体合格，控制器控制抓取装置在传送带末端松开中铝瓷球另起掉落至合格收集框中。

于本实施例中，所述光源为组合条形光源41，设置于暗箱4顶部的周侧；所述暗箱4的内壁设置有漫射板42，暗箱4的顶部设置有相机开口43，所述相机开口43的正上方设置工业相机5；优选的，为了避免直射光照照射中铝瓷球表面形成强烈的反光，组合条形光源41在安装时向外侧倾斜一定的角度，光照射在漫射板上，经漫反射直接照射在中铝瓷球表面，不仅能够有效避免光照时的阴影，同时能有效避免强反射，从而获得清晰的中铝瓷球表面裂缝缺陷的图像。

步骤S2：对所述光学图像进行灰度变换，得到二值图像；

步骤S3：构造线性平滑滤波器对所述二值图像进行滤波，除去高频成分和锐化细节，得到滤波图像；所述线性平滑滤波器采用局部均值运算，每个像素灰度值用其局部邻域内所有值的权值置换，计算公式为：

其中，M是邻域N内的像素点总数，h[i,j]是滤波后像素点[i,j]的灰度值，f[k,l]是滤波前像素点[k,l]的邻域像素点的灰度值；例如在像素点[i,j]处取3×3邻域，得到

线性平滑滤波器可除去高频成分和图像中的锐化细节，本发明采9×9用的平滑滤波器，其权值模板如下：

步骤S4：采用高反差保留算法对所述滤波图像进行增强，以便凸显出中铝瓷球表面裂缝与背景之间的对比度，便于后续的分割处理，具体的方法如下；

步骤S41：采用高斯核对滤波图像进行模糊，根据现有的情况，选择3*3的权值因子(模糊半径)可以获得很好的效果，选择的3*3的模糊逼近模板为：

其中高斯核逼近计算的公式为：

步骤S42：利用权值矩阵对光学图像进行卷积，得到模糊图像；

步骤S43：将原始图像与模糊图像相减，得到高通图像，即保留完美边缘，本实例中即为存在表面缺陷的地方；

步骤S44：将原始图像与高通图像进行动态权值相加，表达式为：

AdImg＝BlurI mg+Amount*(RawImg-BlurImg+127)

其中：AdImg为增强图像，BlurImg为模糊图像，RawImg-BlurImg+127为高通图像，RawImg为原始图像，Amount为权值，权值的取值范围为[0,1]。

步骤S5：采用阈值边缘描述法对所述滤波图像进行首次图像分割得到若干区域，结合图像形态学运算滤除背景，获得初步的中铝瓷球表面的缺陷信息；阈值边缘描述法的具体内容如下：

步骤S51：选择一个初始近似阈值的估算值T1和T2，其中，T1小于T2；

步骤S52：利用估算值T1和T2把图像按照灰度值是否小于T1、大于T2以及介于T1和T2之间分成三组区域R1、R2和R3；

步骤S53：合并区域R1和R2，将图像重新分成区域L1和L2；

步骤S54：利用求导法对区域L1和L2区域交界处二次求导，由于区域L1和L2交界处边缘特征变换明显，对其二次求导得到变化的极值可以准确地确定边界的位置，结果以矩阵形式保存；

步骤S55：针对上述保存后的图像再次设置T1’和T2’，得到满足上述条件的所有区域的边界信息，并将边界以特定颜色与原始图像区分显示，其结果以矩阵形式保存。

步骤S6：对于所述符合条件的若干区域以面积为特征进行统计分类，通过计算所有筛选出的区域面积的大小，设定面积值M1和M2，筛选出面积值介于M1和M2之间的区域，可以除去由于中铝瓷球表面自身特征出现的干扰噪声。

步骤S7：对筛选出的区域设定膨胀系数对对应的图像进行膨胀，对膨胀后的图像合并为域，利用对比作差法，将区域单独分割出来，得到与膨胀后的图像特征相同的局部初始图像；所述对比作差法如下：

将初始灰度变换后的图像与上述膨胀处理后合并后的点集进行逻辑与运算，得到与膨胀后图像特征相同的差后局部初始图像，即为包含中铝瓷球缺陷的分割后的图像。

步骤S8：将步骤S7得到的局部初始图像再次进行线性平滑运算进行滤波，将再次滤波后的图像利用动态阈值法进行图像精准分割，得到精准的中铝瓷球表面的缺陷信息；动态阈值法的具体内容如下：

步骤S81：将再次滤波后的图像点集阈值记做g{e},将局部图像的点集的阈值记做g{o},并设定基准差值t；

步骤S82：将g{e}中的数值分别减去基准差值t,并与g{o}比较，若满足g{o}<g{e}-t，则将该图像上的点集留下，否则剔除，最后得到精确滤波后的中铝瓷球表面缺陷信息，并对其进行标记。

步骤S9：对所述精确的中铝瓷球表面的缺陷信息进行面积统计，计算其像素点，若像素点大于0，则判定对应中铝瓷球不合格。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。