一种圆柱形工件的视觉检测缺陷识别方法与流程

本发明涉及圆柱形工件的外观缺陷检测技术，具体地涉及一种圆柱形工件的视觉检测缺陷识别方法。

背景技术：

诸如轴承滚子的圆柱形工件在生产过程中需要对其外观(端面和倒角等)进行检查，以剔除带有缺陷的产品。现有检测工艺通常采用人工检测方式进行，工作效率低下，缺陷识别准确率不高。

技术实现要素：

本发明旨在提供一种圆柱形工件的视觉检测缺陷识别方法，以解决上述问题。为此，本发明采用的具体技术方案如下：

一种圆柱形工件的视觉检测缺陷识别方法，可包括以下步骤：

s1、获取圆柱形工件的视觉检测图片，启动halcon算法；

s2、根据不同工件设定的参数，开始提取roi区域；

s3、在roi区域中查找圆或圆环，具体地包括以下过程：

s31、根据预设参数选出灰度区间区域，其中预设参数为最大灰度和最小灰度；

s32、填充内部孔洞；

s33、分割连通区域；

s34、根据半径范围和圆度范围选出圆。

s4、识别缺陷，具体地包括以下过程：

s41、根据最高频域和最低频域两个参数对roi区域进行高斯滤波，去除杂波干扰，保留有用图像信息；

s42、寻找灰度突变位置，在突变位置周边膨胀若干像素变成新区域，将原图缩小到新区域，并在新区域中查找灰度值小于参数“最小灰度”的区域；

s43、通过开闭运算，分割出连通区域；

s44、根据面积和紧密度条件筛选出缺陷；

s5、将缺陷在图片上标识出来。

进一步地，所述圆柱形工件为轴承滚子，并且其视觉检测图片为轴承滚子端面图片和轴承滚子倒角图片。

本发明采用上述技术方案，具有的有益效果是：采用本发明的方法，能够实现缺陷的自动识别，并且准确性高，大大提高的生产效率，降低人力成本。

附图说明

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

图1是本发明方法的总体流程图；

图2示出了轴承滚子端面图片；

图3示出了在图2所示的图片中找出圆的截图；

图4示出了在图2所示的图片上标识出缺陷的截图。

具体实施方式

现结合附图和具体实施方式对本发明进一步说明。

如图1所示，一种圆柱形工件的视觉检测缺陷识别方法，可包括以下步骤：

100、获取圆柱形工件的视觉检测图片，如图2所示，启动halcon算法。视觉检测图片可以通过工业摄像机进行采集并上传。halcon是德国mvtec公司开发的一套完善的标准的机器视觉算法包，这里不再展开描述。应该理解，第一次检测之前，需要进行初始化，包括各种参数初始化及导入典型缺陷特征等。

200、根据不同工件设定的参数(工件宽度、高度和面积等)，开始提取roi区域。

300、在roi区域中查找圆或圆环：

a、根据预设参数(最大灰度和最小灰度)选出灰度区间区域,只选出符合亮度的区域,这样就缩小了查找范围。

b、填充内部孔洞。工件上的磕碰、生锈等缺陷拍摄后,会在图片上呈现出黑点。在上一步选出的区域中,由于黑点的亮度不够,会导致选出的区域有孔洞,为了获取缺陷的完整区域,需要填充内部孔洞。

c、分割连通区域，根据灰度范围选出的区域,可能有多块,需要把不相连的区域分割成多块,为接下来选出最终工件区域做准备。

d、根据半径范围和圆度范围选出圆。不同型号工件,半径不同,意味着面积就不同,因为工件是圆柱体,端面是圆形,所以根据圆度可以排除长方形等其他背景图形,最终准确选出工件区域,结果如图3所示。

400、识别缺陷，具体地包括以下过程：

a、根据最高频域和最低频域两个参数,对roi区域进行高斯滤波，去除杂波干扰，保留有用图像信息。对于不同工件缺陷，其最高频域和最低频域不同。

b、寻找灰度突变位置，在突变位置周边膨胀若干像素(膨胀像素大小根据经验一般为10-20个),变成新区域，将原图缩小到新区域，并在新区域中查找灰度值小于参数“最小灰度”的区域。

c、通过开闭运算，分割出连通区域，由于上一步选出的区域可能不止一块，即缺陷可能不止一个，因此需要将它们分割出来。

d、计算分割后的每个区域的面积和紧密度，然后根据预设的面积和紧密度条件筛选出缺陷。

500、将缺陷在图片上标识出来,具体地，用大于缺陷轮廓10个像素再画一条醒目颜色(例如，红色)的新轮廓,这样缺陷将被醒目标识出来，图4箭头所指的位置就是缺陷。

应该理解，虽然在实施例中以轴承滚子的端面图片为例进行说明，但本发明的方法适应于这类圆柱形工件的外观(端面和倒角等)缺陷检测。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

技术特征：

1.一种圆柱形工件的视觉检测缺陷识别方法，其特征在于，所述方法包括以下步骤：

s1、获取圆柱形工件的视觉检测图片，启动halcon算法；

s2、根据不同工件设定的参数，开始提取roi区域；

s3、在roi区域中查找圆或圆环，具体地包括以下过程：

s31、根据预设参数选出灰度区间区域，其中预设参数为最大灰度和最小灰度；

s32、填充内部孔洞；

s33、分割连通区域；

s34、根据半径范围和圆度范围选出圆；

s4、识别缺陷，具体地包括以下过程：

s41、根据最高频域和最低频域两个参数对roi区域进行高斯滤波，去除杂波干扰，保留有用图像信息；

s42、寻找灰度突变位置，在突变位置周边膨胀若干像素变成新区域，将原图缩小到新区域，并在新区域中查找灰度值小于参数“最小灰度”的区域；

s43、通过开闭运算，分割出连通区域；

s44、根据面积和紧密度条件筛选出缺陷；

s5、将缺陷在图片上标识出来。

2.如权利要求1所述的方法，其特征在于，所述圆柱形工件为轴承滚子，并且其视觉检测图片为轴承滚子端面图片和轴承滚子倒角图片。

技术总结
本发明涉及一种圆柱形工件的视觉检测缺陷识别方法，可包括以下步骤：S1、获取圆柱形工件的视觉检测图片，启动Halcon算法；S2、根据不同工件设定的参数，开始提取ROI区域；S3、在ROI区域中查找圆或圆环；S4、识别缺陷；S5、将缺陷在图片上标识出来。采用本发明的方法，能够实现缺陷的自动识别，并且准确性高，大大提高的生产效率，降低人力成本。

技术研发人员：陈金贵;陈志雷
受保护的技术使用者：韦士肯(厦门)智能科技有限公司
技术研发日：2019.12.12
技术公布日：2020.04.21