分析检测方法

本发明涉及一种分析检测方法，尤其涉及一种集群变径深孔的批量检测中的分析检测方法。

背景技术：

目前，集群变径深孔板是工业中的重要零部件，尤其在化工行业。作为工业上的不可缺少的精密零件,其功用是将精确计量过的聚合物熔体或溶液通过集群变径深孔板上的微孔喷挤出具有一定粗细和质地细密的高分子材料束。因而集群变径深孔板的发展有助于促进新型高分子材料的发展。集群变径深孔板的制造精度决定了高分子材料成型质量的好坏，集群变径深孔板微孔的形状决定了高分子材料的截面形态，进而影响到了舒适性。因此集群变径深孔板的质量是保证成品质量和良好工艺的重要条件。对于集群变径深孔板质量的检测，目前的相关研究对质量有极大影响的导孔、过渡孔，尚未有所研究。

现有集群变径深孔板上的集群变径深孔数量最少约为50只，最高可达1.2-9.8万只，且微孔孔径在10-50μm之间，这对集群变径深孔板的品质检测提出了极高的要求。对于集群变径深孔板的检测大部分使用强光源底部照射检测和显微镜下放大检测。其中强光源底部照射方式只能观察到整个板面的孔是否透光，是否有孔堵塞，很容易发生漏检，且无法发现孔内细小污垢，更无法对集群变径深孔数据量化。而显微镜下检测虽然能够把孔放大，观察到孔内的细小污垢，但是对数量多达数万的微孔，且孔与孔之间距离仅不到100μm，漏检情况也极易发生，即使检测出某孔有污垢，在集群变径深孔板上找出该孔也极困难，且显微镜是人工检测，无法用机器代替，人工检测劳动强度大，检测准确率低。

在本领域的现有技术中，通常对集群变径深孔板中集群变径深孔，无论是导孔、微孔还是过渡孔，无论是人工检测还是机器检测，均只能一个一个集群变径深孔的逐一检测，但是集群变径深孔板上的集群变径深孔数量最少约为50只，最高可达1.2-9.8万只，且微孔孔径在10-50μm之间，逐一检测会耗费巨大的时间，人力，物力成本，且很难保证检测精度；同时逐一检测还非常容易发生漏检和重复检测的情况，严重的情况下会将明明报废的集群变径深孔板错误投入使用，造成严重的生产事故。目前整个行业中，尚未形成完整的批量检测标准和成熟的算法。总而言之，提供一种集群变径深孔的批量检测设备及方法迫在眉睫，且对集群变径深孔的批量检测设备提出了极高的要求。

针对现有技术中所存在的问题，提供一种集群变径深孔的批量检测中的分析检测方法具有重要意义。

技术实现要素：

为解决上述问题，本发明实施例提供一种分析检测方法，能够在集群变径深孔的批量检测中准确地生成检测结果，提高检测效率，且能够节约生产成本。

为实现上述目的，本发明实施例提供了一种分析检测方法，包括以下步骤：

获取集群变径深孔板的待检测区域中的导孔和过渡孔区域的多张采集图像；

截取多张采集图像中与待检测位置对应的目标图像；

对所有被截取的目标图像进行预处理；

对进行了预处理的目标图像进行提取特征点的特征点提取处理；

对所提取的特征点的特征向量之间的距离进行计算，当最邻近的距离与次邻近的距离之比小于阈值时，判断为目标图像匹配；

对匹配的目标图像进行融合，得到完整的待检测图像。

进一步地，预处理包括平面处理，在平面处理中对目标图像进行基准坐标的转换。

进一步地，预处理包括灰度值偏差校正处理，在灰度值偏差校正处理中对目标图像进行曲线拟合和灰度插值。

进一步地，预处理包括图像增强处理。

进一步地，特征点提取处理包括尺度空间检测处理。

进一步地，在尺度空间检测处理中，通过高斯函数卷积得到尺度空间。

进一步地，特征点提取处理包括不稳定点去除处理。

进一步地，在不稳定点去除处理中，通过黑塞矩阵计算主曲率。

进一步地，特征点提取处理包括特征点方向计算处理。

进一步地，特征点提取处理包括特征点描述符生成处理。

本发明实施例的分析检测方法，能够应用于生产流水线上的检测装置，对每个经过检测工位的集群变径深孔板上的集群变径深孔进行图像采集，获取对应的采集图像，然后通过对图像进行处理，提取用于判断缺陷的缺陷特征，根据不同缺陷的缺陷特征的性质，确定是否存在缺陷。

本发明实施例的分析检测方法，适用于化工行业内的集群变径深孔的批量检测，能够快速分析集群变径深孔的外观缺陷，通过对图像的高精度的分析处理，减少人工目测的误差，降低误检率，提高检测效率，并且降低生产成本。

附图说明

图1为本发明一个实施例的分析检测方法的流程图。

图2为图1中的分析检测方法采用的检测装置的示意图。

图3为本发明实施例的集群变径深孔的结构示意图。

图4为图1中步骤s140中的尺度空间检测处理的示意图。

图5为图1中步骤s140中的特征点描述符生成处理的示意图。

具体实施方式

下面，结合附图，对本发明实施例的结构以及工作原理等作进一步的说明。

如图1所示，本发明实施例的一种分析检测方法，包括：

s110、获取集群变径深孔板的待检测区域中的导孔和过渡孔区域的多张采集图像；

s120、截取多张采集图像中与待检测位置对应的目标图像；

s130、对所有被截取的目标图像进行预处理；

s140、对进行了预处理的目标图像进行提取特征点的特征点提取处理；

s150、对所提取的特征点的特征向量之间的距离进行计算，当最邻近的距离与次邻近的距离之比小于阈值时，判断为目标图像匹配；

s160、对匹配的目标图像进行融合，得到完整的待检测图像。

在本发明实施例中，如图2所示，在集群变径深孔板上设置有多个检测装置1，检测装置1用于检测其下方所覆盖的检测区域的集群变径深孔，检测装置1包括同轴光源模块11、第一拍摄模块12和第一数据传输模块，同轴光源模块11用于对所述检测区域提供同轴光源，第一拍摄模块12用于拍摄检测区域内的全部集群变径深孔的图像，并通过第一数据传输模块将拍摄到的图像传输至计算终端，计算终端用于对所述图像信息进行分析及检测，并生成检测结果。集群变径深孔板上的集群变径深孔呈多层同心圆排布，检测装置1能够覆盖检测区域中所有层数的集群变径深孔。

如图2和图3所示，集群变径深孔板包括集群变径深孔板本体2和集群变径深孔，集群变径深孔板本体2上设置有多个集群变径深孔，集群变径深孔由导孔221、微孔222和过渡孔223构成，过渡孔223设置在导孔221的底部，过渡孔223为一种锥形的过渡孔，位于集群变径深孔板本体上表面的导孔221通过过渡孔223与位于集群变径深孔板本体下表面的微孔222相连接，锥形的过渡孔223的锥面的角度区间为60度到120度，过渡孔223的孔面的粗糙度区间为rz1.6到rz3.2。优选地，同轴光源模块11与导孔221的距离区间为0mm到60mm，在0mm时，同轴光源模块11的光亮强度为20cd，当距离逐渐增大时，光亮强度也逐渐等差增大。

在步骤s110中，通过多个角度的相机拍摄放置在转台上的集群变径深孔板，获得多张包括有孔部分待检测区域壁面的图像，所拍摄图像中包括有导孔壁面、过渡孔面以及板上端面。其中导孔壁面以及过渡孔面为待拼接及检测区域。

在步骤s120中，截取所述目标图像中待检测区域内受检位置的目标图像，确定目标图像中的疑似区域，通过固定的灰度值区域以及确定的几何形状特征截取包含有导孔和过渡孔区域的图像。

在步骤s130中，对所有被截取的目标图像进行预处理，从而对于图像采集过程中可能出现一定的损伤、视角变化或者失真，通过预处理的方法得到更加准确地图像内容。

可以采用多种方式进行图像的预处理。以下列举其中的一些方式。

一种预处理的方式例如为将图像进行平面处理。由于所拍摄孔壁面为圆柱形，为使得图像在平面坐标中实现重叠区域对齐，通过对一系列图像进行一定的基准坐标的转换对图像进行平面处理。

另一种预处理的方式例如为针对灰度值偏差修正。孔内光照强度可能不一致，导致图像部分区域灰度值变化波动过大。可通过对连续区域的灰度值变化进行拟合得出变化曲线，再经过一定的灰度插值的计算，得到可以实现运算的图像。

另一种预处理的方式例如为针对图像失真问题进行图像增强处理。由于采集图片过程中的各种干扰，需要对图片在清晰度进行增强处理。在本实施例中，主要针对图像对比度进行增强，通过小波的算法根据图像空间频率特性自适应地对图像部分区域进行增强，达到视觉图像的优化。

上述预处理的方式，既可以单独使用，也可以一起使用，也不限于上述这些方式。

在步骤s140中，对进行了预处理的目标图像进行提取特征点的特征点提取处理。

可以采用多种方式进行图像的特征点提取处理。以下列举其中的一种方式。

特征点提取处理的第一步例如可以进行尺度空间检测处理，但也可以进行其他类似的处理。

进行了预处理之后的2d图像在各个尺度下的尺度空间由该图像i(x，y)与高斯函数g(x，y，σ)卷积得到，尺度空间函数：

l(x，y，σ)＝g(x，y，σ)*i(x，y)；(1)

其中，l是图像的尺度空间，σ是正态分布方差，即尺度空间因子，大小表示图像被平滑的程度以及所在尺度的大小。图像的像素坐标为(x，y)。式(1)中三者之间的关系是正比的。小尺度展现图像的细节信息，大尺度空间包含图像的轮廓信息。

(2)式为高斯核函数。为了在尺度空间中有效地检测稳定的关键点位置，使用高斯差分函数与输入图像进行卷积运算得到d(x，y，σ)，并在其中找到尺度空间极值点。即：

d(x，y，σ)＝(g(x，y，kσ)-g(x，y，σ))*i(x，y)＝l(x，y，kσ)-l(x，y，σ)(3)

d(x，y，σ)可以通过两个相邻尺度的差分得到，初始图像的增量式与高斯函数进行卷积，就产生了由一个常量乘积因子k分开而这两个相邻尺度空间的一些图像，使用高斯函数d(x，y，σ)来进行尺度近似归一化处理来实现在尺度空间中更有效地检测出稳定的特征点。

为了检测d(x，y，σ)的局部最大值和最小值，在高斯尺度空间里，通过高斯平滑和降采样等相关处理，如图4所示，对每个像素点与同一层的8个相邻点及上下相邻层的每9个相邻点，共26个像素点进行比较，只有当采样点大于所有的领域点或者小于所有的领域点，该点才会被选中，获得尺度空间和图像空间的局部极值点后，随后标记为局部特征点。

特征点提取处理的第二步例如可以进行不稳定点去除处理，但也可以进行其他类似的处理。确定候选关键点后，下一步就是进行与其邻近数据的精细匹配，分别涉及位置、尺度和主曲率。这样就允许剔除低对比度或者靠近边缘的像素点。在高斯差分函数的弱定义峰值，在图像边缘处存在大的主曲率，而在垂直方向上的主曲率相对较小。主曲率一般可通过黑塞(hessian)矩阵来计算，即特征检测通过特征点的黑塞矩阵去除边缘点，提高对噪声的鲁棒性。黑塞矩阵定义如下：

h的特征值α代表x方向上的梯度，β代表y方向上的梯度，其中tr(h)为黑塞矩阵的迹，det(h)表示黑塞矩阵的行列式，具体如下：

tr(h)＝dxx+dyy＝α+β(5)

det(h)＝dxxdyy-(dxx)²＝αβ(6)

假设r为x方向上的梯度与方向上的梯度的比率，就有α＝rβ

若上述不等式不满足，则检测到的特征点被判断为边缘点，直接删除。其中r的参考值为r＝10。这意味着剔除主曲率比率大于10的关键点。一个极值点经过精确定位与边缘点的判断后才能被确定为特征点。

特征点提取处理的第三步例如可以进行特征点方向计算处理，但也可以进行其他类似的处理。

为保证图像在尺度空间和二维空间都能获得极值，需要比较每个像素点与相邻上一层和下一层的尺度空间，以及同层内的8个像素点，从而维持它的稳定性和独特性。为提高鲁棒性可通过此极值点相邻上一个及下一个尺度空间域上的像素点的梯度，由此计算出相应的方向θ(x,y)和模值m(x,y)来实现。为确定特征点的方向，可通过特征点邻域像素的梯度方向分布，由特征点的梯度幅值和方向计算公式如下：

其中，l表示检测特征点的尺度，通过此方法可使获取的特征点具有旋转不变形特性。算法中需要在除去第一层尺度和最后一层尺度空间外的尺度空间内，构建128维的描述向量，从而保证特征点的稳定性能，整个过程提高了特征点的稳定性。

特征点提取处理的第四步例如可以进行特征点描述符生成处理，但也可以进行其他类似的处理。每个特征点都具有方向、位置、尺度3个信息，这些信息均以特征点为中心，如图5所示，均匀分成4×4个邻域子块，每个子块的像素点都含有8个方向的信息向量，即每个特征点的特征描述有128个方向。因此这128个特征向量可以准确地描述所有的特征点。

在步骤s150中，进行图像匹配，基于图像特征的匹配方法，首先需要进行显著的特征查找，在查找的时候，按照控制点的方式进行处理，可以得到不同的配准图像和内容。通过对图像特征的内容进行相似性度量来估计图像的对准，图像的匹配过程将产生一个变换函数运用与原始图像，在这些图像的重叠区域产生最高相似性度量。为达到最好的匹配结果，需要反复进行相似性度量，并通过调节变换函数来改进度量结果。同时，为了降低基于图像特征内容的匹配方法的计复杂度，优化图像匹配精准度的计算目标，采用一种基于进化策略的图像匹配方法。

匹配步骤例如按照如下方式进行：随机取4个不共线特征点，通过4个特征点计算对应的变换模型，根据模型计算其余特征点的结果，再计算结果与特征点的坐标距离，距离小于阈值t，则认为该特征点为内点，否则为外点，并记录内点数；重复以上操作n次，选择内点数最多的那组特征点所计算的模型参数作为最终的匹配模型；对于阈值的大小，一般去1～2个像素点，一般内点数占比大于95％。

在步骤s160中，进行图像融合，图像融合是为了修复图像匹配拼接是产生的一些明显的边界问题，在进图像拼接中，可以通过融合不断改善拼接中出现的问题。

使用加权平均法，对两幅目标图像实现加权处理，进行一定的权重设置和处理。不同权重的像素在融合时产生的效果不同，需要保证图像融合后，重叠区域像素一定是平滑的过渡，已达到消除图像拼接的效果。

其中，w1,w2为对应图像的权值，f(x，y)为融合后的图像，f1，f2分别为融合前的图像。

在本发明一个实施例中，以采集图像的数量为30张，检测集群变径深孔的缺陷为例，采用上述分析检测方法，对块状凸起物、退刀划痕、微孔与过渡孔不同心、微孔出现塌边或缺口或毛边、毛刺等缺陷进行检测，在检测到这些缺陷时，判定为集群变径深孔不合格。根据本发明实施例的分析检测方法，正确检出缺陷的概率远远优于人工目测的方法，实现了集群变径深孔的在线自动化检测，降低了大量人工工作量。

综上所述，本发明的集群变径深孔的分析检测方法，能够快速分析集群变径深孔的外观缺陷，通过对图像的高精度的分析处理，减少人工目测的误差，降低误检率，提高检测效率，并且降低生产成本。同时，在图像处理过程中，还可以排除干扰，快速判别缺陷，降低误检率。

以上，仅为本发明的示意性描述，本领域技术人员应该知道，在不偏离本发明的工作原理的基础上，可以对本发明作出多种改进，这均属于本发明的保护范围。