基于电机铜排毛刺生长区域的缺陷检测装置和方法与流程

本发明涉及一种基于电机铜排毛刺生长区域的缺陷检测装置和方法，属于质量检测领域。

背景技术：

电机是一种依据电磁感应定律实现电能转换或传递的一种电磁装置，由转子和定子两部分组成。应用于工业环境下的大型电机的转子部位常设计成特别的槽形，然后将电机铜排裹上一层绝缘膜嵌入槽中，再将端环与铜排焊成一体，形成转子结构。为了控制电机温度，得到良好的散热，作为转子导线的铜排往往需要在中间切削一些孔洞，但同时也产生了毛刺，为电机埋下了很大的隐患。

目前在工业应用中多采用图像背景差分的检测装置和方法对电机铜排进行毛刺检测，即利用图像中的局部灰度和梯度变化信息调整不同区域的平滑程度，得到背景图像并将预处理后的图像与其进行差值运算，得到缺陷图像。但算法在整幅图像上运算，并且会无差别地对孔头部位的划痕、磨损等缺陷进行检出，削弱了毛刺检测精度。另外，算法通用性较差，无法有效地对电机铜排各种类型毛刺进行高精度的检出，在对大量电机铜排图像实际检测的过程中，极易发生误检，给现场工作带来较大的麻烦。

技术实现要素：

针对上述现有技术，本发明提供一种基于电机铜排毛刺生长区域的缺陷检测装置和方法，用以解决上述背景差分技术所存在的问题。

一种基于电机铜排毛刺生长区域的缺陷检测装置，包括ccd工业摄像机、图像采集卡、led光源、电控平移台、精密工作台、置物台、遮光罩、手动控制仪、位置探测器和计算机；所述的位置探测器设置于工件待检测位置，通过产生脉冲信号触发ccd工业摄像机工作；所述的led光源采用环形结构的低角度漫射照明，设置于ccd工业摄像机下方；ccd工业摄像机下方设置有精密工作台，将带有孔槽的铜排工件放置于精密工作台的置物台上且通过电控平移台控制置物台的速度和轨迹；图像采集卡和ccd工业摄像机通过尾线相连并与计算机通讯。

所述的ccd工业摄像机垂直放置于工件待检测位置正上方，且ccd工业摄像机采用遮光罩屏蔽环境光影响，其镜头视场覆盖于精密工作台的置物台中心，能够一次对2个铜排工件孔槽进行拍摄。

所述的计算机将图像采集卡采集到的铜排图像进行分析及算法运算，并通过分类器将电机铜排孔槽中的各种类型毛刺进行捡出。

一种基于电机铜排毛刺生长区域的缺陷检测方法，包括以下步骤：

步骤1获得待检测铜排标准图像。

步骤2构造铜排图像边缘检测区域。

步骤3特征提取和毛刺缺陷判定。

进一步地，所述步骤1获得待检测铜排标准图像，具体步骤如下：

采集电机铜排图像并对其进行预处理，在窗口尺寸为3×3的像素区域，以点(x,y)为中心点，选取8种代表性边缘判断该点是否为边缘：

设立阈值t，以中心画十字得到4个相邻像素，该点像素灰度值与相邻像素灰度值的差为d，当d＜t时，g自加1，当a＜g＜b时，则可确定该像素为边缘点，其中a,b为常数，g表示相邻像素与中心像素灰度相似的个数；若a＜g＜b，即该点为边缘点时，不进行任何变换，直接将该点像素灰度值f(x,y)输出，否则通过式1滤波后将输出：

式中，sxy表示以点(x,y)为中心，大小为3×3的窗口子图像坐标组，g(s,t)代表领域坐标的像素灰度值，表示该点经中值滤波处理后的灰度值。

采用8连通方式标记图像区域并以面积为阈值找出包含最大区域的外接矩形及其参数tn，构造一幅全黑(灰度值为0)的蒙板，利用最大外接矩形参数得到中间留白区域(即标记矩形区域内灰度值设定为1)，将所得蒙板与铜排图像进行掩膜运算，消除铜排工件背景的影响。

同上，构造一幅全白(灰度值为1)的蒙板，得到中间留黑矩形区域并与掩膜运算所得结果进行求和运算，消除铜排工件板面的影响，得到待检测铜排标准图像i_mask_white。

进一步地，所述步骤2构造铜排图像边缘检测区域，具体步骤如下：

首先创建高斯滤波器，对i_mask_white图像滤波；利用otsu法进行阈值分割，w0和w1分别为前景点数和背景点数所占图像的比例，u0和u1分别为前景和背景的平均灰度值。记t为前景与背景的分割阈值，图像的总平均灰度为u＝w0×u0+w1×u1从最小灰度

值到最大灰度值遍历t，当t使得式2最大时，此时的t即为最佳的分割阈值：

g＝w0×(u0-u)²+w1×(u1-u)²(2)

式中f(x,y)为分割出的工件图像，t为上述最佳分割阈值。

对阈值分割后的图像进行形态学处理补全缺口，然后通过连通域标记图像区域并找出最大连通区域标号从而获得最大连通区域的角度θ，若θ＝0直接进入下一步，否则进行图像旋转矫正使其角度θ＝0。

用结构元素s对经过矫正后的图像f(x,y)作闭运算和开运算得到模板图像x：

式中·为闭运算符，为开运算符，为膨胀运算符，θ为腐蚀运算符，结构元素s直径为8，元素全为1，为圆盘型结构。

将得到的模板图像x用直径为8的结构元素s进行腐蚀得到im图像，如式6所示：

xθs＝∩{x-s/s∈s}(6)

设置一个较大直径的圆盘型结构元素腐蚀im得到im_erode图像，并用im减掉im_erode，进行图像运算，得到铜排图像边缘检测区域。

进一步地，所述步骤3特征提取和毛刺缺陷判定，具体步骤如下：

将步骤1中经旋转矫正后的待检测铜排标准图像i_mask_white和步骤2中得到的铜排图像边缘检测区域进行像素点位相乘，提取毛刺特征。

用8连通方式标记图像的各个区域并制作分类器，定义阈值，对各种类型毛刺进行算法判定，并将分类器识别的各种类型毛刺区域用最小外接矩形框选，并在矫正后的原始图像上显示其坐标信息，存入系统，完成毛刺缺陷的检测。

与现有技术相比，本发明具有以下有益的技术效果：

结构简单，响应速度快，能完成工业现场大数据量的实时检测：本方案基于电机铜排毛刺生长区域，利用掩膜算法，将铜排图像中的背景和工件板面覆盖，屏蔽掉不相关的非检测区域，有效提高算法的执行效率，优化图像质量和检测精度。

检测精度高：本方案利用电机铜排毛刺生长的区域特性，通过构造铜排图像边缘检测区域，仅对孔槽边缘部分进行毛刺特征提取，大大提高了系统毛刺的检出精度，能够有效避免孔头部位的划痕，磨损以及噪声的干扰。

针对性强，对电机铜排加工过程中出现的各种类型毛刺均具有较高的鲁棒性：本方案针对电机铜排孔槽部位产生的四种类型毛刺的尺寸和形态特征，通过对大量缺陷图像进行区域对象属性综合分析和对比制作分类器定义阈值，实现毛刺检测。

附图说明

图1为本发明一种基于电机铜排毛刺生长区域的缺陷检测装置图。

图2为本发明一种基于电机铜排毛刺生长区域的缺陷检测算法流程图。

图3为本发明方法处理的待检测铜排标准图像。

图4为本发明方法构造的铜排图像边缘检测区域图。

图5为本发明实施例研究对象铜排工件的四种毛刺缺陷类型图。

图中：1-电控平移台，2-led光源，3-ccd工业摄像机，4-图像采集卡，5-计算机，6-铜排工件，7-精密工作台，8-置物台，9-位置探测器，10-遮光罩，11-手动控制仪。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

如图2，本实施例方案基于电机铜排毛刺生长区域的缺陷检测算法包括以下步骤：

步骤1获得待检测铜排标准图像。

步骤2构造铜排图像边缘检测区域。

步骤3特征提取和毛刺缺陷判定。

所述步骤1获得待检测铜排标准图像，如图3所示，具体过程如下：

参见图1，系统led光源2采用环形低角度漫射照明，当铜排工件6于精密工作台7的置物台8上运动至待检测位置，位置探测器9响应并触发ccd工业摄像机3工作，采集铜排图像并传输至计算机5中的图像处理模块对其进行预处理。

采用改进的中值滤波方式，先选取8种代表性边缘判断像素点是否为边缘，是边缘，直接进入下一步骤，否则，进行如下3×3的小窗口中值滤波处理：

式中，sxy表示以点(x,y)为中心，大小为3×3的窗口子图像坐标组，g(s,t)代表领域坐标的像素灰度值。表示该点经中值滤波处理后的灰度值。

以8连通方式标记图像区域并以面积为阈值找出最大连通区域及其参数tn，构造大小与原图像一致的全黑蒙板，利用tn得到中间留白区域(即标记矩形区域内灰度值设定为1)。将所得蒙板与铜排图像进行掩膜运算。

同上，构造一幅全白的蒙板，并与上述所得结果进行像素点位求和运算，得到待检测铜排标准图像i_mask_white。

所述步骤2构造铜排图像边缘检测区域，如图4所示，具体过程如下：

首先创建高斯滤波器，对i_mask_white图像进行高斯滤波：

式中(x,y)为点坐标，δ是标准差；产生一个3×3的高斯滤波器模板，以模板的中心位置为坐标原点进行取样，将各个位置的坐标带入到高斯函数中，计算公式如下：

式中hi,j为位置坐标的元素值，i,j为位置坐标，δ是标准差。

然后利用otsu法进行阈值分割，如下：

式中f(x,y)为分割出的工件图像，t为最佳分割阈值。

对阈值分割后的图像进行形态学闭运算处理补全缺口并计算最大面积连通区域的角度θ，若θ＝0，直接进入下一步骤，否则旋转图像进行矫正：计算角度θ利用regionprops中的orientation函数；旋转角度为(90-|θ|)。

形态学处理得到模板图像x，如下：

式中·为闭运算符，为开运算符，为膨胀运算符，θ为腐蚀运算符，s为直径为8，元素全为1的圆盘型结构元素。

将得到的模板图像x用直径为8的圆盘型结构元素s腐蚀得到im图像：

xθs＝∩{x-s/s∈s}(7)

设置一个较大直径(35)的圆盘型结构元素腐蚀im得到im_erode图像，并用im减掉im_erode，进行图像运算，得到铜排图像边缘检测区域。

所述步骤3特征提取和毛刺缺陷判定，具体过程如下：

将旋转矫正后的待检测铜排标准图像i_mask_white和铜排图像边缘检测区域进行像素点位相乘，提取毛刺特征。

电机铜排孔槽边缘毛刺如图5所示，有四种类型：i类毛刺、ii类毛刺、iii类毛刺和iv类毛刺；用8连通方式标记所得缺陷图像的各个区域并利用基于面积和周长的细度比例thinnessratio定义阈值制作分类器对i类和ii类毛刺进行判定：

k＝(4×π×s)/c²(8)

式中k表示细度比例参数，s表示区域面积，c表示区域周长；

式中表示缺陷图像中各个区域的像素集和，m为一常数，表示毛刺缺陷类型i和类型ii的检出。

利用与区域具有相同标准二阶中心矩的椭圆的长轴长度axislength定义阈值制作分类器对iii类毛刺进行判定：

式中al表示与区域具有相同标准二阶中心矩的椭圆的长轴长度，p为一常数，表示毛刺缺陷类型iii的检出。

设立一个参考量ex表示区域在最小边界矩形中的扩展程度，并定义阈值制作分类器对iv类毛刺进行判定：

ex＝f/s1(11)

式中f表示区域像素个数，s1表示包围区域的最小外接矩形面积；

式中表示毛刺缺陷类型iv的检出，ex表示区域扩展程度，r为一常数。

最后将分类器识别的四种类型毛刺区域用最小外接矩形框选，并在矫正后的原始图像上显示其坐标信息，存入系统，完成毛刺缺陷的检测。

本实施例不需要精确定位铜排工件，即使图像发生适量旋转偏移，仍可精确检出铜排孔槽内的各种毛刺缺陷。同时算法稳定高效，相比较于背景差分法，大大提高了系统的容错率和检测精度。经过生产现场实际运行，检出率接近98％，漏捡率为0％，可有效适用于工业现场各种型号，各种规格的铜排毛刺检测。

以上所述实施例只示意性的对本发明进行描述，并非以此限制本发明的实施范围。所以，如果本领域的普通技术人员受其启发，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构及实施例，均应属于本发明的保护范围。