一种笔芯质量的自动检测方法
【专利摘要】本发明涉及一种笔芯质量的自动检测方法，（1）采集线迹圆的数字图像；（2）对采集到的图像做散点Hough变换：首先在整幅图像上随机选取N个点，N取值为40~80之间，分别以每一个点为参考点，画水平、垂直两条线，然后，在这两条线上进行该点的散点Hough变换；所述的散点Hough变换，是在这两条线上将二维图像域变换到参数域，将圆心坐标（x，y）和半径表示为三个参数c1,c2,c3，则(x-c1)2+(y-c2)2＝c32；由于半径近似已知，仅依据像素点更新c1,c2相应参数值的累加表决器，得到该点的两个参数的估计值；（3）将若干点的散点Hough变换结果进行综合，得到圆心、半径的估计结果；（4）做基于证据累加的边缘检测得到线迹宽度的数据；（5）进行滑动平均处理后，依据结果作出笔芯质量的最终判断。
【专利说明】一种笔芯质量的自动检测方法
【技术领域】
[0001]本发明属于文具制造和检测领域，特别涉及一种笔芯质量的自动检测方法。
【背景技术】
[0002]目前，我国制笔行业的自动笔芯质量检测依属空白，大量的制笔企业采用人工质量检测的方法，效率低下，并且在人力成本日益增长情况下，企业承担着巨大的经济负担。
【发明内容】
[0003]本发明的目的在于，为实现笔芯质量的自动检测，利用摄像机拍摄待测笔芯画出的圆圈线迹，从而提出了一种笔芯质量的自动检测方法。 [0004]图像中圆轮廓的识别在图像处理等领域有着重要的应用，Hough变换给我们提供了一种有效的解决思路。该方法检测图像中像素点的共线性，是一种全局性的检测方法。当已知数据点集中存在干扰点或噪声时，它可以很好地抑制干扰或噪声，同时它还可以将已知数据的点集拟合成多条直线。但是由于经典hough变换的基本原理是将图像空间转换到参数空间，变换的精度不容易控制，当实际问题对检测直线的精度要求较高时，其所需的计算时间和存储空间也随之增大，对于圆这种参数较多的图形轮廓来说计算量很大，基本不能满足实时性的要求。针对这些问题，本发明提出一种散点Hough变换的方法。该方法是在Hough变换的基础上，为检测圆形轮廓进行了改进。主要的改进有:(I)在参数计算时，随机选取图像的部分散点，仅在通过这些点的水平线、垂线上进行Hough变换，大大减小了计算量，由于水平线、垂线的综合运算，保证了结果的准确性；(2)在半径近似已知的情况下，将传统的圆心(X，y)、半径(r)参数的三维搜索简化为半径扰动的圆心点(x，y) 二维搜索，进一步减小了计算量，使得算法得以工程实现。
[0005]边缘是一幅图像最基本的特征，是图像强度变化最明显的部分。边缘检测往往是图像处理的第一步，可以减少图像分析的数据量并同时保留物体边界结构的大部分信息。在模式识别以及机器视觉领域具有非常重要的作用。目前，常用的边缘检测的方法主要有以下几种:(I)梯度法；(2) 二阶微分算子；(3)利用统计法、小波理论、假设检验等进行边缘检测。这几种方法的实用性存在不同程度的问题。本发明在经典理论的研究基础上，采用了一种基于证据累加的边缘检测算法。
[0006]在提取的判决信息之后，本发明提出了滑动平均证据判决方法。该方法在选取平均值时，通过设置平滑的保护带、辅助带等措施，使平均处理后的结果更加准确。
[0007]为实现上述目的，本发明提出了一种笔芯质量的自动检测方法，并在原理样机上做了应用实现。所述方法可以包含如下步骤:
[0008](I)采集线迹圆的数字图像；
[0009](2)对采集到的图像做散点Hough变换:首先在整幅图像上随机选取N个点，N取值为40-80之间，分别以每一个点为参考点，画水平、垂直两条线，然后，在这两条线上进行该点的散点Hough变换；[0010]所述的散点Hough变换，是在这两条线上将二维图像域变换到参数域，将圆心坐标(X，y)和半径表示为三个参数cl，c2，c3，则(X-C1)2+(y_c2)2 = C32 ;由于半径近似已知，仅依据像素点更新cl，c2相应参数值的累加表决器，得到该点的两个参数的估计值；
[0011](3)将上述若干点的散点Hough变换结果进行综合，得到圆心、半径的估计结果；
[0012](4)以上述得到的圆心、半径为参考，做基于证据累加的边缘检测得到线迹宽度的数据，并以此数据作为判断笔芯质量好坏的证据基础；
[0013](5)对上述线迹宽度的数据进行滑动平均处理后，依据结果作出笔芯质量的最终判断，包括:断线、单边或正常。
[0014]所述的步骤(2)还包括对N个点的估计值做统计平均，计算均值和方差，剔除超过3倍方差的估计值。
[0015]所述的步骤(3)中，在对散点Hough变换结果进行综合后，剔除明显超出范围的结果，最后，得到圆心、半径的估计结果。
[0016]所述的步骤(4)中做基于证据累加的边缘检测的步骤包括:首先，以圆心为参考点，形成向外辐射的360条射线，然后，所述的边缘检测方法在这360条射线上进行，从圆心开始，根据像素数据判断是否达到边界，如果连续三次符合条件则判为达到线迹边缘，外边缘与内边缘之差即为线迹的宽度。
[0017]所述的步骤(6)中滑动平均处理是对线迹宽度数据在30°的范围内做平均，以数据点左右5°范围为保护带，不参与求和，5°?30°的范围为辅助带，参与求和，形成平均和，并做归一化处理，形成滑动平均后的数据。
[0018]所述的步骤(6 )在滑动平均处理之后，先滑动平均后的对线迹宽度数据进行整理，剔除对于系统造成的线迹接头处的墨迹增厚、墨迹拖尾等处的测量值，然后，将剩余的数据将被作为判断笔芯质量好坏的证据使用。
[0019]所述的步骤(6)中的最终判断的规则包括:线迹有中断判为断线，平滑平均后的数据方差过大判为单边，其他则判为正常。
[0020]所述的步骤(6)中的最终判断为单边的方法为:如果线迹宽度数据的平均值*厚度因子小于线迹宽度数据的最大值和最小值之差，则判断为单边。
[0021]所述的N取值为50。
[0022]本发明的优点在于，本发明的笔芯质量的自动检测方法，主要思想是利用摄像机拍摄待测笔芯画出的圆圈线迹，随后用本发明提出的散点Hough变换算法、基于证据累加的边缘检测方法和滑动平均证据判决方法，最终得出对笔芯质量的判断。
【专利附图】
【附图说明】
[0023]图1是本发明的笔芯质量的自动检测方法的流程示意图；
[0024]图2是本发明的一实施例中的A笔的线迹照片；
[0025]图3是本发明上述实施例中A笔的滑动平均后的线迹宽度结果的示意图；
[0026]图4是本发明的笔芯质量的自动检测方法判断为正常的结果显示；
[0027]图5是本发明的笔芯质量的自动检测方法判断为单边的结果显示；
[0028]图6是本发明的笔芯质量的自动检测方法判断为断线的结果显示。【具体实施方式】
[0029]下面结合附图和【具体实施方式】对本发明作进一步详细描述:
[0030]本发明的实质是在笔芯加工的流水线上，实现了笔芯质量的自动快速检测。本发明提出的一种自动笔芯质量检测的方法，目前已在原理样机上实现应用。
[0031]如图1所示，所述方法包含如下步骤:
[0032]步骤101)，在流水线上用高清工业摄像头采集线迹圆的数字图像；
[0033]步骤102)，对采集到的图像做散点Hough变换，该步骤包括:
[0034](I)首先在整幅图像上随机选取I个点，以该点为参考点，画水平、垂直两条线；
[0035](2)在这两条线上进行Hough变换，由二维图像域变换到参数域，具体讲，就是将圆心X坐标、圆心y坐标和半径表示为三个参数Cl, c2, c3, (X-C1)^(Y-C2)2 = c32 ;由于半径近似已知，仅依据像素点更新Cl，c2相应参数值的累加表决器，得到两个参数的估计值，也即完成了 Hough变换；
[0036](3)将(I)和(2)重复N次(N可以在40-80之间取值，只要符合所需的精度要求即可)，得到圆心和半径的N次独立的估计结果；
[0037]步骤103)，对步骤102)中N次的估计结果做统计平均，具体的操作包括:
[0038](I)计算N次 估计结果的均值和方差，偏离均值超过3倍方差的估计值即认为是野值，予以剔除；
[0039](2)对剩余的参数做统计平均，得到三个参数的估计值；
[0040]步骤104)，以上述步骤中得到的圆心为参考，做基于证据累加的边缘检测；具体操作如下:
[0041](I)首先以圆心为参考点，形成向外辐射的360条射线，
[0042](2)从圆心开始，根据像素数据判断是否达到边界，如果连续三次符合条件则判为达到线迹边缘，外边缘与内边缘之差即为线迹的宽度；
[0043](3)将(2)中所述的边缘检测方法在这360条射线上进行。
[0044]步骤105)，整理步骤104)中得到的线迹宽度数据，包括:
[0045](I)剔除非法值，对于系统造成的线迹接头处的墨迹增厚、墨迹拖尾等处的测量值，一概剔除；
[0046](2)剩余的数据将被作为判断笔芯质量好坏的证据使用。
[0047]步骤106)将步骤105)中的线迹宽度数据在30°的范围内做平均，以形成最终的证据；具体操作如下:
[0048](I)选定第一个点，以此数据点为中心，左右5°的范围为保护带，不参与运算，5°~30°的范围为辅助带，做求和运算得到数据和，第一个数据点除以数据和，形成平均后的数据；
[0049](2)数据点前移，重复(I)的操作，直至处理完成所有的数据点；
[0050]步骤107)根据滑动平均后的数据，作出笔芯质量的最终判断，包括正常、断线和单边。线迹有中断判为断线，平滑平均后的数据方差过大判为单边，其他判为正常。
[0051]本实施例中，是对图2的一支笔的线迹照片进行处理判断，图3是滑动平均后的线迹宽度数据，可见，厚度最大与最小差别约为4，标题显示的为平均值7.98。如果将厚度因子设置为0.3，则判断门限值=7.98*0.3=2.4〈4，所以判断为单边；图4~图6是正常、单边、断线三种情况的样本及判断结果显示。
[0052]最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
【权利要求】
1.一种笔芯质量的自动检测方法，所述方法的步骤包括: (1)采集线迹圆的数字图像； (2)对采集到的图像做散点Hough变换:首先在整幅图像上随机选取N个点，N取值为40-80之间，分别以每一个点为参考点，画水平、垂直两条线，然后，在这两条线上进行该点的散点Hough变换； 所述的散点Hough变换，是在这两条线上将二维图像域变换到参数域，将圆心坐标(X，Y)和半径表示为三个参数Cl，c2, c3，则(X-C1)2+(y-c2)2 = C32 ;由于半径近似已知，仅依据像素点更新cl，c2相应参数值的累加表决器，得到该点的两个参数的估计值； (3)将上述若干点的散点Hough变换结果进行综合，得到圆心、半径的估计结果； (4)以上述得到的圆心、半径为参考，做基于证据累加的边缘检测得到线迹宽度的数据，并以此数据作为判断笔芯质量好坏的证据基础； (5)对上述线迹宽度的数据进行滑动平均处理后，依据结果作出笔芯质量的最终判断，包括:断线、单边或正常。
2.根据权利要求1所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(2)还包括对N个点的估计值做统计平均，计算均值和方差，剔除超过3倍方差的估计值。
3.根据权利要求1或2所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(3)中，在对散点Hough变换 结果进行综合后，剔除明显超出范围的结果，最后，得到圆心、半径的估计结果。
4.根据权利要求1所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(4)中做基于证据累加的边缘检测的步骤包括:首先，以圆心为参考点，形成向外辐射的360条射线，然后，所述的边缘检测方法在这360条射线上进行，从圆心开始，根据像素数据判断是否达到边界，如果连续三次符合条件则判为达到线迹边缘，外边缘与内边缘之差即为线迹的宽度。
5.根据权利要求1所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(5)中滑动平均处理是对线迹宽度数据在30°的范围内做平均，以数据点左右5°范围为保护带，不参与求和，5°~30°的范围为辅助带，参与求和，形成平均和，并做归一化处理，形成滑动平均后的数据。
6.根据权利要求1或5所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(5)在滑动平均处理之后，先滑动平均后的对线迹宽度数据进行整理，剔除对于系统造成的线迹接头处的墨迹增厚、墨迹拖尾等处的测量值，然后，将剩余的数据将被作为判断笔芯质量好坏的证据使用。
7.根据权利要求1所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(5)中的最终判断的规则包括:线迹有中断判为断线，平滑平均后的数据方差过大判为单边，其他则判为正常。
8.根据权利要求1或7所述的笔芯质量的自动检测方法，其特征在于，所述的步骤(5)中的最终判断为单边的方法为:如果线迹宽度数据的平均值*厚度因子小于线迹宽度数据的最大值和最小值之差，则判断为单边。
9.根据权利要求1所述的笔芯质量的自动检测方法，其特征在于，所述的N取值为50。
【文档编号】G01B11/24GK104006758SQ201310060629
【公开日】2014年8月27日 申请日期:2013年2月26日 优先权日:2013年2月26日
【发明者】张继红 申请人:张继红