一种基于图像的端子质量检测方法与流程

技术特征：

1.一种基于图像的端子质量检测方法，其特征在于其包括以下步骤：

1)采用图像采集模块摄取端子图像；

2)采用基于形状的图像匹配方法，寻找摄像端子图像上的端子所在位置；

3)由图像处理模块图像匹配后，基于灰度变化，采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点；

4)采用最小二乘法对提取的边缘点进行直线拟合，从而获取端子在图像上的边界，并采用标定板标定的方法测量两边界之间的距离，求得端子尺寸；

5)最后判断端子尺寸是否在允许公差范围之内，若是，则认为端子为合格品；否则，认为端子为不合格品。

2.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤1)中，所述图像采集模块采用摄像机。

3.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤2)中，所述基于形状的图像匹配方法包括边缘点提取、生成R-table和匹配；

所述边缘点提取包括边缘的定义为：

$\sqrt{{(P_{(i-1,j)}-P_{(i+1,j)})}^2+{(P_{(i,j-1)}-P_{(i,j+1)})}^2}$

其中，P_(i，j)为(i，j)点的灰度值；

所述R-Table中是所述提取的边缘点如表1所示：

表1

表1中，r为距离，0为方向，利用生成的R-Table进行广义霍夫变换匹配；

该算法采用生成的剃度值d在R-Table中检索并返回(r，θ)的值，并计算每一个(r，θ)所对应的基点；

x_c＝x-r cosθ

y_c＝y-r sinθ

其中，(x_c，y_c)为图像的中心点，同时作为基点。

4.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤3)中，所述采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点的具体方法为：利用边缘处图像的梯度取得极值的特性来进行边缘检测，

$\left\{\begin{array}{c}\frac{\∂I}{\∂x}=\underset{h\→0}{\lim }I(x+1,y)-I(x,y)\\ \frac{\∂I}{\∂y}=\underset{h\→0}{\lim }I(x,y+1)-I(x,y)\end{array}\right.$

其中，I为图像矩阵，分别为梯度在x方向和y方向的分量。

5.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤3)中，所述图像处理模块包括图像匹配、图像分割、直线拟合和标定。

6.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤4)中，所述采用最小二乘法对提取的边缘点进行拟合的具体方法为：

假设所述边缘点的关系为

y＝a+bx

则要求

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\[y_i-(a+{\mathrm{bx}}_i)\]$

最小，其中，(x，y)为边缘点的坐标，a，b为所求的参数。

7.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤4)中，所述采用标定板标定的方法测量两边界之间的距离的具体步骤为：采用摄像机摄取标定板图像，并计算标定板上两原点图像之间的像素点与距离比，根据比例求得端子的尺寸。