反光圆环件的视觉检测方法与流程

本发明涉及视觉检测技术领域，尤其是指一种反光圆环件的视觉检测方法。

背景技术：

机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品，图像摄取装置分 CMOS 和CCD 两种，将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。

正如上述情况，视觉检测有着庞大的市场价值，在视觉检测体系中最核心的不是硬件设备而是算法步骤，而算法步骤会因检测结果要求、产品外形、作业环境情况以及设计人员或团体的技术能力等因素出现千差万别，若核心算法步骤设计欠缺，则影响着整套视觉检测设备的运行效率和运行质量，而在圆环工件的尺寸检测、表明缺陷检测和厚度检测的算法步骤中，市场上大部分技术方案的使用成本高昂，同时算法步骤也较为复杂不利于一般技术人员的常规更改参数等操作设定。

技术实现要素：

本发明要解决的技术问题是提供一种旋转式分次采集图像来完成圆环工件的尺寸数据检测以及表面划痕识别，有效降低了硬件要求达到降低使用成本，同时配合特定参数设定的检测识别算法保证了检测识别数据的准确性和稳定性的反光圆环件的视觉检测方法。

为了解决上述技术问题，本发明采用如下技术方案：一种反光圆环件的视觉检测方法，包括如下步骤：步骤A：采集圆环工件上侧面的局部图像，得到圆环工件上侧面内圆区域的N分之一图像以及圆环工件上侧面外圆区域的N分之一图像，N为3至10的自然数；

步骤B：对圆环工件上侧面内圆区域的N份之一图像和圆环工件上侧面外圆区域的N分之一图像进行检测圆算法，得到圆环工件的内圆和外圆的尺寸数据；

步骤C：将圆环工件水平旋转M次，每一次旋转后均采集一次圆环工件上侧面的局部图像，M为4至12的自然数；

步骤D：对每一次采集的圆环工件上侧面的局部图像进行斑点检测算法，识别判断圆环工件上侧面是否存在缺陷。

优选的，所述步骤D完成后进行步骤E：采集圆环工件的侧面图像，然后进行形状匹配算法，得到圆环工件侧面图像的中心X轴、中心Y轴坐标以及倾斜角度数据。

优选的，步骤E完成后进行步骤F：根据圆环工件侧面图像的中心X轴、中心Y轴坐标以及倾斜角度数据进行检测间距算法，得到圆环工件的厚度数据。

优选的，所述步骤B中对圆环工件上侧面内圆区域的四份之一图像进行检测圆算法时，其检测圆算法中的部分参数设定如下：边缘极性设置为暗到亮，其范围为0至100，搜索数量设置为25至36，搜索宽度设置为8至10，然后拟合出圆环工件的内圆形状得到尺寸数据。

优选的，所述步骤B中对圆环工件上侧面内圆区域的四份之一图像进行检测圆算法时，其检测圆算法中的部分参数设定如下：边缘极性设置为暗到亮，其范围为0至100，搜索数量设置为25至36，搜索宽度设置为8至10，然后拟合出圆环工件的内圆形状得到尺寸数据。

优选的，所述步骤C为将圆环工件水平旋转八次，每一次旋转后均采集一次圆环工件上侧面的局部图像。

优选的，所述步骤D中对圆环工件上侧面的局部图像进行斑点检测算法时，其斑点检测算法中的参数设定如下：二值化阈值设置为200至238，检测类型设置为黑色，连通性设置为八连通，限定面积设置为250至380。

本发明的有益效果在于：提供了一种反光圆环件的视觉检测方法，在实际应用中，通过巧妙的设定拍摄方式即通过旋转多次来进行拍摄采集图像来进行算法检测识别，有效的降低了硬件配置要求，明显降低了整体使用成本，且该旋转多次的拍摄方式配合厂家多年积累的算法参数设定，有效的保证了图像检测和识别到的数据的准确性和稳定性，在降低了使用成本的同时保证了检测识别质量。

附图说明

图1为本发明反光圆环件的视觉检测方法的步骤原理框图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

如图1所示，一种反光圆环件的视觉检测方法，包括如下步骤：步骤A：采集圆环工件上侧面的四分之一图像，得到圆环工件上侧面内圆区域的四份之一图像以及圆环工件上侧面外圆区域的八分之一图像；

步骤B：对圆环工件上侧面内圆区域的四份之一图像和圆环工件上侧面外圆区域的八分之一图像进行检测圆算法，得到圆环工件的内圆和外圆的尺寸数据，对圆环工件上侧面内圆区域的四份之一图像进行检测圆算法时，其检测圆算法中的参数设定如下：边缘极性设置为暗到亮，搜索数量设置为25至36，搜索宽度设置为8至10，然后拟合出圆环工件的内圆形状得到尺寸数据，对圆环工件上侧面外圆区域的八分之一图像进行检测圆算法时，其检测圆算法中的参数设定如下：边缘极性设置为亮到暗，搜索数量设置为64至78，搜索宽度设置为8至12，然后拟合出圆环工件的外圆形状得到尺寸数据；

步骤C：将圆环工件水平旋转八次，每一次旋转后均采集一次圆环工件上侧面的局部图像；

步骤D：对每一次采集的圆环工件上侧面的局部图像进行斑点检测算法，识别判断圆环工件上侧面是否存在缺陷，对圆环工件上侧面的局部图像进行斑点检测算法时，其斑点检测算法中的参数设定如下：二值化阈值设置为200至238，检测类型设置为黑色，连通性设置为八连通，限定面积设置为250至380；

步骤E：采集圆环工件的侧面图像，然后进行形状匹配算法，得到圆环工件侧面图像的中心X轴、中心Y轴坐标以及倾斜角度数据；

步骤F：根据圆环工件侧面图像的中心X轴、中心Y轴坐标以及倾斜角度数据进行检测间距算法，得到圆环工件的厚度数据。

本实施例的反光圆环件的视觉检测方法，在实际应用中，通过巧妙的设定拍摄方式即通过旋转多次来进行拍摄采集图像来进行算法检测识别，有效的降低了硬件配置要求，明显降低了整体使用成本，且该旋转多次的拍摄方式配合厂家多年积累的算法参数设定，有效的保证了图像检测和识别到的数据的准确性和稳定性，在降低了使用成本的同时保证了检测识别质量。

本实施例中，采集圆环工件上侧面的四分之一图像，得到圆环工件上侧面内圆区域的四份之一图像以及圆环工件上侧面外圆区域的八分之一图像，所采用的拍摄装置及其参数如下：

相机选型：由于光盘测量尺寸的精度要达到 0.001 mm/pixel，选用1000万像素工业相机，芯片尺寸为 1/2.3英寸；

镜头选型：使用 0.13倍率的远心镜头，将光盘分成 4等分，通过算法拟合光盘的形状，对光盘进行尺寸测量，并且通过旋转光盘，对光盘表面划痕进行检测。视野长边为49mm，理论精度为0.012mm/pixel；

光源选型 ：由于光盘表面高度反，经过换用不同光源进行检测，故选取光 线反射率高的红色同轴光源。

圆环工件可为光盘，测量光盘内径、外径尺寸和检测光盘表面划痕，由于视野中的光盘大小为四分之一，因此在检测光盘内圆及外圆半径时，光盘内圆检测区域为光盘内圆四分之一，光盘外圆检测区域为光盘外圆八分之一，使用检测圆算法，根据莫夫变换原理，设置光盘内圆的四分之一检测区域，边缘极性为暗到亮，搜索数量为30，搜索宽度为10，拟合出光盘内圆的形状；设置光盘外圆的八分之一检测区域，边缘极性为亮到暗，搜索数量为70，搜索宽度为10，拟合出光盘外圆的形状，根据拟合出的内圆及外圆，软件算法得出内圆及外圆的像素半径，然后通过标定板标定得出该检测精度为0.012mm/pixel，再将像素半径与检测精度相乘，得到光盘内圆和外圆的真实值；

由于视野中的光盘大小为四分之一，因此在检测光盘表面划伤时，光盘表面检测区域为光盘圆环的四分之一。用斑点分析算法，通过二值化调整梯度阈值来识别光盘表划痕，设置阈值为226，检测类型为黑色，连通性为八连通，限定面积300，若检测区域有黑点，则光盘表面有划痕缺陷；若检测区域无黑点，则光盘表面无划痕缺陷；

检测圆形主要是利于霍夫变换对圆进行测量。霍夫变换是一种特征检测，被广泛应用在图像分析、电脑视觉以及数位影像处理。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间中执行投票来决定物体的形状，而这是由累加空间里的局部最大值来决定；

斑点分析算法，连通域是指图像中具有相似颜色、纹理特征所组成的一块连通区域。斑点分析是对图像中相同像素的连通域进行分析。其过程其实就是将图像进行二值化，分割得到前景和背景，然后进行连通区域检测，从而得到Blob块的过程。简单地说，斑点分析就是一块“光滑”区域内，将出现“灰度突出”的小区域寻找出来。

本实施例中，采集圆环工件的侧面图像所采用的拍摄装置及其参数如下：

相机选型：由于检测光盘厚度和倾斜角时为运动拍摄，因此选用全局曝光模式的500万像素工业相机，芯片尺寸为 1/2.5英寸；

镜头选型：由于测量的光盘尺寸较大，且工作距离在200~300mm，因此选 择对光盘进行局部拍摄，根据镜头焦距计算公式，因此选用35mm的定焦镜头。理论精度为 0.026mm/pixel；

光源选型：由于光盘侧面检测时为半圆弧，且表面高度反光，经过换用表面高度反光，经过换用不同光源进行检测，故选取线反射率高的白色环形光源。

圆环工件可为光盘，检测光盘厚度、倾斜角，使用形状匹配算法，根据光盘侧部的外部轮廓作为识别定位的学习模板，由于光盘的侧部轮廓为矩形，且吸盘吸取光盘时，允许摆幅在-10°~10°，因此设定检测角度为-10°~10°。由于机械架构通过三个吸嘴吸取光盘，光盘倾斜方向不定，在成像中光盘形状有偏差，因此最小分数（相似度）设定为75，通过对光盘侧部轮廓的匹配，就能在视野中准确得到光盘侧部的中心X轴、中心Y轴坐标及角度大小。通过检测的角度，判定是否在检测摆幅范围内，通过对光盘侧部的识别，判定吸嘴吸取光盘的数量；

根据形状匹配得出光盘侧部的中心X轴、中心Y轴坐标及角度大小，对检测光盘厚度的检测区域进行补正，然后使用检测间距算法，根据莫夫变换原理，通过拟合光盘侧部高度边缘直线，设置边缘极性1为暗到亮，边缘极性2为亮到暗，边缘位置为最宽，梯度阈值为40，软件算法得到光盘侧部高度的像素距离，然后通过标定板标定得出该检测精度为0.026mm/pixel，再将像素半径与检测精度相乘，得到光盘侧部厚度的真实值；

形状匹配是指先提取模板的特征信息，如边缘、角点、模板重心等，并通过算法对特征进行识别训练，通过识别训练后的到的特征对目标图像进行特定的搜索匹配。该算法具有鲁棒性好、抗干扰性强的优点；

检测间距主要是取第一条直线所有点到第二条线的垂直距离的平均值。检测直线主要是利于霍夫变换对直线进行检测。霍夫变换是一种特征检测，被广泛应用在图像分析、电脑视觉以及数位影像处理。霍夫变换是用来辨别找出物件中的特征，例如：线条。他的算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间中执行投票来决定物体的形状，而这是由累加空间里的局部最大值来决定。

此外，如有术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明技术特征的数量。由此，限定有“第一”、“第二”特征可以明示或者隐含包括一个或者多个该特征，在本发明描述中，“数个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除另有明确规定和限定，如有术语“组装”、“相连”、“连接”术语应作广义去理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；也可以是机械连接；可以是直接相连，也可以是通过中间媒介相连，可以是两个元件内部相连通。对于本领域普通技术人员而言，可以根据具体情况理解上述的术语在本发明中的具体含义。

以上所述实施例仅表达了本发明的若干实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。