一种基于机器视觉的钻削刀具检测方法及系统与流程

本发明涉及图像处理，特别涉及一种基于机器视觉的钻削刀具检测方法及系统。

背景技术：

1、钻削刀具作为一种常用且十分重要的加工工具，在cnc（computer numericalcontrol）机床加工中得到广泛的使用。其质量对于整个设备来说至关重要。如果存在缺陷，极有可能在使用过程中出现损坏，甚至引发整个机械设备的故障和报废。cnc机床加工使用的钻削刀具制作的材料一般比较脆，在使用过程中容易受震动等因素的影响，出现磨损，对产品制作的精度影响较大，且其刀具也容易出现划痕等缺陷、断裂等缺陷。其中划痕这种缺陷相较于断裂、缺口这种缺陷观察起来不太明显。传统的图像处理技术在识别划痕缺陷时，容易将钻削刀具本身的螺纹错误识别为划痕，导致检测结果不正确，识别准确率较低。

2、基于此，有必要研究一种更加科学的划痕识别方法，以实现对钻削刀具进行更精准的检测。

技术实现思路

1、本说明书实施例的一个方面提供一种基于机器视觉的钻削刀具检测方法，该方法包括：

2、获取针对待检测的钻削刀具采集的检测图像；

3、通过canny算子检测所述检测图像中钻削刀具的边缘轮廓，并通过腐蚀和细化处理得到闭合的连通域；

4、确定所述连通域内的所有角点；

5、获取所述连通域内以两个所述角点为端点的曲线；

6、对于每一条目标曲线，计算所述目标曲线上每一个像素点所对应的邻域窗口中位于所述目标曲线两侧的像素点的灰度差异，得到所述目标曲线上每一个像素点所对应的螺纹阴暗区分度，所述螺纹阴暗区分度用于表征所述像素点所在的目标曲线为螺纹曲线的可能性；

7、获取所述目标曲线上每一个像素点所对应的邻域窗口内的角点数量；

8、基于所述角点数量、所述螺纹阴暗区分度、所述目标曲线两端点之间连线的第一斜率以及所述目标曲线上每一个像素点所对应的第二斜率，确定所述目标曲线所对应的划痕特征隶属度；

9、根据所述划痕特征隶属度以及所述第一斜率，确定所述目标曲线对应的划痕估计优势；

10、将所述连通域内所有所述曲线对应的划痕估计优势作为贝叶斯跳变算法的输入，得到所有所述曲线中的异常曲线；

11、根据所述异常曲线的数量以及所述异常曲线对应的划痕估计优势，得到所述待检测的钻削刀具对应的评估结果。

12、在一些实施例中，所述确定所述连通域内的所有角点，包括：通过harris角点检测算法，检测所述连通域内的所有角点。

13、在一些实施例中，所述计算所述目标曲线上每一个像素点所对应的邻域窗口中位于所述目标曲线两侧的像素点的灰度差异，得到所述目标曲线上每一个像素点所对应的螺纹阴暗区分度，包括：

14、对于所述目标曲线上的每一个目标像素点；

15、计算以所述目标像素点为中心的邻域窗口中位于所述目标曲线的一侧的所有像素点对应的第一灰度浮动系数，以及位于所述目标曲线的另一侧的所有像素点对应的第二灰度浮动系数；

16、根据所述第一灰度浮动系数和所述第二灰度浮动系数的差值的绝对值，得到所述目标像素点所对应的螺纹阴暗区分度。

17、在一些实施例中，所述第一灰度浮动系数和所述第二灰度浮动系数通过如下方式计算：

18、；

19、；

20、其中，为以所述目标像素点为中心的邻域窗口中的像素点的灰度值，为以所述目标像素点为中心的邻域窗口中的像素点与所述目标像素点之间的距离，为以所述目标像素点为中心的邻域窗口中位于所述目标曲线的一侧的所有像素点的数量，为以所述目标像素点为中心的邻域窗口中位于所述目标曲线的另一侧的所有像素点的数量，为所述第一灰度浮动系数，为所述第二灰度浮动系数。

21、在一些实施例中，所述基于所述角点数量、所述螺纹阴暗区分度、所述目标曲线两端点之间连线的第一斜率以及所述目标曲线上每一个像素点所对应的第二斜率，确定所述目标曲线所对应的划痕特征隶属度，包括：

22、计算所述第一斜率与所述第二斜率的差值的绝对值；

23、将所述第一斜率与所述第二斜率的差值的绝对值乘以所述目标像素点所对应的螺纹阴暗区分度，得到第一参数；

24、基于所述角点数量与所述第一参数的比值，得到第二参数；

25、根据所述目标曲线上所有像素点所对应的第二参数的均值，得到所述目标曲线所对应的划痕特征隶属度。

26、在一些实施例中，所述目标曲线所对应的划痕特征隶属度通过如下方式计算：

27、；

28、其中，为所述目标曲线所对应的划痕特征隶属度，为归一化函数，为固定参数，为所述目标曲线上的像素点的数量，为所述目标曲线上第i个像素点所对应的邻域窗口内的角点数，为所述目标曲线上第i个像素点所对应的螺纹阴暗区分度，为所述目标曲线上第个像素点对应的第二斜率，为所述目标曲线两端点之间连线的第一斜率。

29、在一些实施例中，所述根据所述划痕特征隶属度以及所述第一斜率，确定所述目标曲线对应的划痕估计优势，包括：

30、获取所述连通域中所有所述曲线对应的倾斜角均值；

31、根据所述目标曲线对应的第一斜率确定所述目标曲线对应的倾斜角，并根据所述目标曲线对应的倾斜角与所述倾斜角均值的差值的绝对值，得到第三参数；

32、基于所述目标曲线对应的划痕特征隶属度、所述划痕特征隶属度对应的第一权重、所述第三参数以及所述第三参数对应的第二权重，得到所述目标曲线对应的划痕估计优势。

33、在一些实施例中，所述划痕估计优势通过如下方式计算：

34、；

35、其中，为所述目标曲线对应的划痕估计优势，为归一化函数，为所述倾斜角均值，为所述第一权重，为所述第二权重，为所述目标曲线对应的倾斜角。

36、在一些实施例中，所述第一权重大于所述第二权重。

37、本说明书实施例的另一个方面还提供一种基于机器视觉的钻削刀具检测系统，该系统包括：

38、获取模块，用于获取针对待检测的钻削刀具采集的检测图像；

39、边缘检测模块，用于通过canny算子检测所述检测图像中钻削刀具的边缘轮廓，并通过腐蚀和细化处理得到闭合的连通域；

40、角点确定模块，用于确定所述连通域内的所有角点；

41、曲线确定模块，用于获取所述连通域内以两个所述角点为端点的曲线；

42、螺纹阴暗区分度确定模块，用于对于每一条目标曲线，计算所述目标曲线上每一个像素点所对应的邻域窗口中位于所述目标曲线两侧的像素点的灰度差异，得到所述目标曲线上每一个像素点所对应的螺纹阴暗区分度，所述螺纹阴暗区分度用于表征所述像素点所在的目标曲线为螺纹曲线的可能性；

43、角点数量确定模块，用于获取所述目标曲线上每一个像素点所对应的邻域窗口内的角点数量；

44、划痕特征隶属度确定模块，用于基于所述角点数量、所述螺纹阴暗区分度、所述目标曲线两端点之间连线的第一斜率以及所述目标曲线上每一个像素点所对应的第二斜率，确定所述目标曲线所对应的划痕特征隶属度；

45、划痕估计优势确定模块，用于根据所述划痕特征隶属度以及所述第一斜率，确定所述目标曲线对应的划痕估计优势；

46、异常曲线确定模块，用于将所述连通域内所有所述曲线对应的划痕估计优势作为贝叶斯跳变算法的输入，得到所有所述曲线中的异常曲线；

47、评估结果生成模块，用于根据所述异常曲线的数量以及所述异常曲线对应的划痕估计优势，得到所述待检测的钻削刀具对应的评估结果。

48、本说明书实施例所提供的一种基于机器视觉的钻削刀具检测方法及系统可能带来的有益效果至少包括：（1）通过对钻削刀具本身的螺纹线条与划痕线条进行分析，根据螺纹线条数量多、线条弯曲、光滑等特征将划痕缺陷特征区分开来，并通过评估每条曲线的划痕估计优势，避免了将螺纹线条识别成划痕等异常情况的问题，提升了检测准确率；（2）通过对曲线两侧的像素点的灰度差异进行分析，可以间接消除反光区域对缺陷识别的干扰；（3）通过使用斜率特征来计算每一条曲线所对应的划痕特征隶属度，可以将具有直线特性的划痕与具有曲线特征的螺纹线条更好地区分开，从而更准确地检测出钻削刀具表面的划痕缺陷，避免发生将螺纹线条识别成划痕的情况。

49、附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说，通过查阅以下内容和附图将变得显而易见，或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。