[發(fā)明專利]基于機器視覺的密封圈表面缺陷檢測方法

有效

• 申請?zhí)枺?/td>: 201610141550.4
• 申請日: 2016-03-11
• 公開（公告）號: CN105784713B
• 公開（公告）日: 2019-01-04
• 發(fā)明（設(shè)計）人: 何博俠;童楷杰
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 朱沉雁

本發(fā)明公開了一種基于機器視覺的密封圈表面缺陷檢測方法，步驟如下：首先采集密封圈表面圖像，并對采集到的圖像進行自適應(yīng)中值濾波處理；接著，計算出上述圖像的灰度水平梯度和豎直梯度，并據(jù)此提取出圖像中存在的灰度折角結(jié)構(gòu)；再對各折角特征點鄰域進行分割并計算分割域的灰度均值；最后，采用描述分割域灰度差異程度的函數(shù)值作為缺陷判定準則，篩選出缺陷輪廓點，實現(xiàn)對密封圈表面缺陷的檢測。本發(fā)明依據(jù)密封圈表面缺陷形成原因，分析得到缺陷輪廓與密封圈外形輪廓之間存在的固有差異，并在圖像上得到驗證，本發(fā)明能檢出密封圈表面較多類型的缺陷，包括凹痕、流痕、雜質(zhì)、飛邊以及過切缺陷；具有缺陷檢測的準確性高，算法魯棒性強等優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明屬于機器視覺與數(shù)字圖像處理領(lǐng)域，具體涉及一種基于機器視覺的密封圈表面缺陷檢測方法。

背景技術(shù)

航天器密封系統(tǒng)對使用的密封圈有著嚴格的質(zhì)量要求，其表面的完好性直接決定密封系統(tǒng)的性能和壽命，進而影響航天器在軌運行的可靠性。作為應(yīng)用最廣泛的密封元件，O形橡膠密封圈(簡稱O形圈)的表面質(zhì)量檢測主要包括流痕、缺膠、凹凸缺陷、過度修邊、組合飛邊等。O形圈表面質(zhì)量的控制，目前多采用目視法檢控，發(fā)現(xiàn)問題后利用工具顯微鏡或投影儀復(fù)查，該檢測方法效率低、精度低、可靠性不高。

當前，利用機器視覺技術(shù)并結(jié)合圖像處理算法實現(xiàn)缺陷檢測已成為工業(yè)檢測領(lǐng)域的一種革新手段。O形圈表面呈曲面外形，機器視覺系統(tǒng)獲取的密封圈表面圖像上存在高亮度區(qū)域，同時密封圈表面上的缺陷部分，其灰度值也會與其鄰域灰度存在較大差別。基于聚類分析的密封圈缺陷檢測算法是通過邊緣檢測器提取出密封圈輪廓邊緣點并對邊緣點進行擬合，對擬合圓聚類分析從而檢測出缺陷，該方法能較好的檢測出位于密封圈邊緣輪廓上的缺陷(如飛邊)，但無法檢測密封圈表面上的缺陷(如凹痕等)。基于角點、邊緣的檢測方法用于圖像中的紋理及孤立特征點的提取，該方法能提取出密封圈表面上的缺陷區(qū)域特征點，但同時也會對密封圈邊緣以及表面上的高光區(qū)域響應(yīng)靈敏。基于圖像灰度統(tǒng)計特征分析的方法是從圖像中提取出灰度直方圖和灰度共生矩陣，并利用其描述的紋理特征信息來對缺陷進行檢測及分類，對于密封圈這類廓徑比較大的零件所成圖像，由于缺陷部分所占像素面積少，缺陷灰度信息對圖像整體灰度統(tǒng)計特征影響小，難以判定密封圈是否存在缺陷。基于形狀幾何特征提取(包括面積、長度等)的方法能有效地對圖像進行分類，從而判定出被測對象是否存在缺陷以及缺陷類型，但在處理存在高光、紋理等成像不均勻的復(fù)雜密封圈表面圖像時存在局限性。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于機器視覺的密封圈表面缺陷檢測方法，用于準確檢測出密封圈表面存在的凹痕、流痕、雜質(zhì)、飛邊以及過切缺陷。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于機器視覺的密封圈表面缺陷檢測方法，方法步驟如下：

步驟1、采集密封圈表面圖像，并對采集到的圖像進行自適應(yīng)中值濾波處理。

步驟2、計算出上述圖像的灰度水平梯度和豎直梯度，并據(jù)此提取出圖像中存在的灰度折角結(jié)構(gòu)：

采用一階導(dǎo)數(shù)梯度算子計算圖像灰度水平梯度和豎直梯度，然后根據(jù)折角結(jié)構(gòu)頂點像素在灰度上應(yīng)滿足的條件對經(jīng)自適應(yīng)濾波處理后的圖像中各像素點進行遍歷篩選，從而提取出符合條件的灰度折角結(jié)構(gòu)。

步驟3、對各折角特征點鄰域進行分割并計算分割域的灰度均值：

各折角特征點鄰域分割方法如下：依據(jù)步驟2所提取的灰度折角結(jié)構(gòu)及其頂點，從該頂點出發(fā)搜尋出灰度折角結(jié)構(gòu)的兩條輪廓邊，并反向延長，從而將該頂點鄰域分割成4個子區(qū)域，分別為S₁、S₂、S₃和S₄，選擇各子區(qū)域內(nèi)與頂點最近的N個像素，N≥1，計算像素灰度均值。

步驟4、采用描述分割域灰度差異程度的函數(shù)值作為缺陷判定準則，篩選出缺陷輪廓點，實現(xiàn)對密封圈表面缺陷的檢測：

描述分割域灰度差異程度的函數(shù)為：