一种基于机器视觉的工件外观缺陷检测方法与流程

技术特征：

1.一种基于机器视觉的工件外观缺陷检测方法，其特征在于，包括以下步骤：

步骤1：工件图像获取及预处理；

步骤2：图像分割与工件位姿矫正；

步骤3：检测以下外观缺陷：缺口、粘料、开裂、压痕、针眼、划痕和起泡。

2.根据权利要求1所述的基于机器视觉的工件外观缺陷检测方法，其特征在于，步骤1中，通过同轴光源照明，利用CCD工业相机和图像采集卡采集工件图像f(x,y)，工件图像为灰度图像，然后把工件图像送入工控机进行预处理，预处理为对采集到的工件图像进行中值滤波处理。

3.根据权利要求2所述的基于机器视觉的工件外观缺陷检测方法，其特征在于，步骤2中：

(1)图像分割：

基于直方图法对预处理后的图像进行图像分割，工件图像的灰度直方图会显示两个波峰：一个是作为前景的工件，一个是背景，取波谷灰度值为分割阈值以有效分割前景和背景：

式中，F(x,y)为分割出的工件图像，Th_f为分割阈值

(2)图像矫正为通过仿射变换实现图像中工件的平移和旋转角度矫正。

4.根据权利要求3所述的基于机器视觉的工件外观缺陷检测方法，其特征在于，对矫正后的图像进行数学形态学处理；处理过程为，通过结构元素B对图像施加形态学开运算去除工件边缘毛刺，平滑工件边缘，有：

式中，ο为开运算运算符，为腐蚀运算符，为膨胀运算符，B为结构元素，大小为3，元素全为1，为圆盘结构。

5.根据权利要求3或4所述的基于机器视觉的工件外观缺陷检测方法，其特征在于，步骤3中：

标定工件边缘为缺口检测区域，记为Reg_qk；

标定整个工件表面区域为粘料、开裂、压痕、针眼、划痕和起泡缺陷检测区域；其中粘料和针眼检测区域记为Reg_nl和Reg_zy；划痕和开裂检测区域记为Reg_hh和Reg_kl；压痕检测区域记为Reg_yh；起泡检测区域记为Reg_qp；

缺陷的面积判断阈值：

式中，Th为缺陷的面积判断阈值；φ为缺陷容忍度；W和H为图像中工件的宽和高，以像素为单位；M和N为工件的实际长和宽，以毫米为单位；

①缺口检测：

1)采用图像分割阈值T_qk在区域Reg_qk中分割缺口的Blob候选块，通过八连通区域标识出Blob连通域，记为Bl_qk；

分割阈值T_qk的确定：采用(2D_qk+1)×(2D_qk+1)的滤波掩码进行平滑处理，式中D_qk为缺口缺陷的直径；计算平滑后的图像灰度值的均值Mean_qk(x,y)和标准差σ_qk(x,y)；由于缺口缺陷显示为暗像素，则选择T_qk＝Mean_qk(x,y)-γ_qk·σ_qk(x,y)为分割阈值,γ_qk为缺口缺陷的标准差权重。

2)利用像素计数法提取Bl_qk连通域的像素面积特征Area_qk；根据下式判断Bl_qk是否为缺口缺陷：

式中，缺陷面积判断阈值Th_qk由公式3确定，其中φ的取值范围是[0.0120,0.0130]，YES和NO分别表示存在缺口缺陷和不存在缺口缺陷；

②粘料和针眼检测：

1)采用分割阈值T_zz在区域Reg_nl和Reg_zy中分割粘料和针眼的Blob候选块，通过八连通区域标识出Blob连通域，记为Bl_nl和Bl_zy；

分割阈值T_zz的确定：

T_zz＝Mean′_zz(x,y)-δ_zz·V′_zz(x,y)

式中Mean′_zz(x,y)和V′_zz(x,y)为检测区域像素灰度值的均值和方差，δ_zz为粘料和针眼缺陷的方差权重；

图像中低于分割阈值的像素区域为缺陷候选块；

2)利用像素计数法提取Bl_nl连通域的像素面积特征Area_nl和圆度特征Bl_zy连通域的像素面积特征Area_zy和圆度特征根据下式5、6分别判断Bl_nl是否为粘料缺陷以及Bl_zy是否为针眼缺陷：

式中，缺陷面积判断阈值Th_nl1和Th_zy1由式3确定，其中φ的取值范围分别是[0.0020,0.0021]和[0.0024,0.0025]；缺陷圆度判断阈值Th_nl2和Th_zy2的取值范围分别是[0.5,1]和[0.85,1]；∩表示逻辑“与”运算；YES和NO分别表示是和否；

像素面积特征即区域内的像素个数,圆度特征描述即目标区域的面积与外接圆面积的比值，形状越接近圆，比值越接近1，圆度特征的取值范围是:计算公式为其中r为被提取目标的外接圆半径,此处的被提取目标指粘料和针眼缺陷；

③划痕和开裂检测：

1)采用局部图像方差强度算法求取分割阈值T_hk，在区域Reg_hh和Reg_kl中分割划痕和开裂的Blob块候选，通过八连通区域标识出Blob连通域，记为Bl_hh和Bl_kl；

局部图像方差强度是图像局部阈值概念的拓展延伸，由于被检测工件受生产工艺影响会有背景不均匀情况，因此很难找到固定阈值将目标缺陷与背景完整分割。故提出局部阈值检测方法，即局部灰度特征与整体相结合的方法；结合局部方差与方差的特性，先采用(2D_hk+1)×(2D_hk+1)的滤波掩码进行平滑处理，式中D_hk为划痕和开裂缺陷的长度；再计算平滑后图像灰度值的标准差σ_hk(x,y)和方差V_hk(x,y)；分割阈值按下式的确定：

$T_{hk}=\left\{\begin{array}{c}{\mathrm{\σ}}_{hk}(x,y)+V_{hk}(x,y),{\mathrm{\σ}}_{hk}(x,y)\>{{\mathrm{\σ}}^{\′}}_{hk}\left(x,y\right)\\ {\mathrm{\σ}}_{hk}(x,y)-V_{hk}(x,y),{\mathrm{\σ}}_{hk}(x,y)\<{{\mathrm{\σ}}^{\′}}_{hk}\left(x,y\right)\end{array}\right.;$

其中σ′_hk(x,y)和V′_hk(x,y)表示平滑前的整幅图像的标准差和方差；

2)利用像素计数法提取Bl_hh连通域的像素面积特征Area_hh和内部最长直径特征Diameter_hh以及Bl_kl连通域的像素面积特征Area_kl和内部最长直径特征Diameter_kl；根据式7、8分别判断Bl_hh是否为划痕缺陷，以及Bl_kl是否为开裂缺陷：

式中，缺陷面积判断阈值Th_hh1和Th_kl1由式3确定，其中φ的取值范围分别是[0.0110,0.0120]和[0.0048,0.0049]；缺陷最长直径判断阈值Th_hh2和Th_kl2的取值范围由经验值确定；∩表示逻辑“与”运算；

内部最长直径即区域边界上最远的两个像素点的距离，距离和面积都是以像素为单位，即该距离内或该区域内包含的像素个数；

④压痕检测：

1)通过拉普拉斯高斯变换算法和局部动态阈值T_yh分割压痕的Blob候选块；

T_yh的确定：采用(2D_yh+1)×(2D_yh+1)的滤波掩码进行平滑处理，式中D_yh为压痕缺陷的直径；计算平滑后图像灰度值的均值Mean_yh(x,y)和标准差σ_yh(x,y)；由于压痕缺陷在拉普拉斯高斯变换后的图像中显示为亮像素，故选择T_yh＝Mean_yh(x,y)+γ_yh·σ_yh(x,y)为分割阈值,γ_yh为压痕缺陷的标准差权重；通过八连通区域标识出Blob连通域，记为Bl_yh；

2)利用像素计数法提取Bl_yh连通域的像素面积特征Area_yh和矩形度特征Rectan_yh，矩形度是描述被提取区域对其外接矩形的充满程度，计算公式为其中S_m为被提取区域外接矩形区域的面积；根据式9判断Bl_yh是否为压痕缺陷：

式中，面积判断阈值Th_yh1由式3确定，其中φ的取值范围是[0.0160,0.0170]；矩形度判断阈值Th_yh2的取值范围是[0.7,1]；∩表示逻辑“与”运算；

⑤起泡检测：

1)通过快速傅立叶变换将图像函数从空间域转变到频率域，采用低通滤波器平滑图像，再通过傅立叶逆变换将图像从频率域变换到空间域；根据图像灰度直方图，选取波谷灰度值为分割阈值分割目标分割起泡的Blob候选块，通过八连通区域标识出Blob连通域，记为Bl_qp；

2)利用像素计数法提取Bl_qp连通域的像素面积特征Area_qp和圆度特征根据式10判断Bl_qp是否为起泡缺陷：

式中，面积判断阈值Th_qp1由式3确定，其中φ的取值范围是[0.0123,0.0124]；圆度判断阈值Th_qp2的取值范围是[0.5,1]；∩表示逻辑“与”运算。