[發明專利]一種金屬陶瓷零件識別及表面缺陷檢測系統和方法

有效

• 申請號: 201910595816.6
• 申請日: 2019-07-03
• 公開（公告）號: CN110389127B
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 王宣銀;葉子健;周彬
• 申請（專利權）人: 浙江大學
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/95;G01N21/88;G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06T7/90
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種金屬陶瓷零件識別及表面缺陷檢測系統，其特征在于，包括檢測裝置和與檢測裝置相連的上位機，檢測裝置包括工作桌面(6)、支架、環形光源(4)和工業相機(1)，支架主要由豎直型材(11)、水平型材(15)、型材固定架(9)和底座(7)組成，底座(7)置于工作桌面，底座(7)通過型材固定架(9)安裝有豎直型材(11)，豎直型材(11)通過光源調節桿(3)安裝有環形光源(4)，豎直型材(11)通過六角螺栓(14)和六角螺母(13)安裝有位于光源調節桿(3)上方的水平型材(15)，水平型材(15)通過相機連接片(16)安裝有位于環形光源(4)正上方的工業相機(1)，被測零件(5)置于工作桌面(6)且位于環形光源(4)正下方；工業相機(1)與上位機相連，通過網絡電纜實現工業相機(1)與上位機的通訊。

2.根據權利要求1所述的一種金屬陶瓷零件識別及表面缺陷檢測系統，其特征在于，通過調節水平型材(15)位置控制工業相機(1)高度；通過調節光源調節桿(3)高度使得環形光源(4)在不進入視場前提下保證被測零件(5)周圍光強的均勻性。

3.采用權利要求1-2任一所述金屬陶瓷零件識別及表面缺陷檢測系統的檢測方法，其特征在于，包括以下步驟：

步驟1：利用雙圓圖和霍夫圓檢測的方法對工業相機的視場大小進行自動標定，通過上位機控制工業相機采集被測零件的原始圖像；

步驟2：從原始圖像中提取主體目標后得到主體目標灰度圖像，主體目標為原始圖像中的被測零件；

步驟3：對主體目標灰度圖像中的被測零件進行零件識別；

步驟4：對主體目標灰度圖像進行零件表面缺陷檢測，缺陷檢測包括擦傷缺陷檢測、劃痕缺陷檢測和凹痕缺陷。

4.根據權利要求3所述金屬陶瓷零件識別及表面缺陷檢測系統的檢測方法，其特征在于，所述步驟1中對工業相機的視場大小進行自動標定的方法具體為：將兩個圓心實際距離已知的雙圓圖放置于相機視場范圍內，利用霍夫圓檢測方法檢測出兩個圓，并計算兩個圓心之間的像素距離，根據圓心實際距離和像素距離確定的擬合曲線獲得標定系數，通過標定系數實現視場大小的自動標定。

5.根據權利要求3所述金屬陶瓷零件識別及表面缺陷檢測系統的檢測方法，其特征在于，所述步驟2具體為：

2.1)將原始圖像轉到HSV顏色空間，并提取其中的色調通道后得到色調通道圖；

2.2)然后分別使用大津算法和三角形算法對色調通道圖進行二值化處理，在經大津算法處理得到的二值化圖像和經三角形算法處理得到的二值化圖像中選取灰度均值更小的二值化圖像作為后續操作的圖像輸入；

2.3)將灰度均值更小的二值化圖像進行閉運算處理以消除圖像背景中的前景噪點，并對二值化圖像中像素進行連通域標記與合并，在合并后的連通域中提取最大連通域作為主體目標粗掩膜，通過漫水填充法填補粗掩膜中的背景噪點，并利用開運算平滑粗掩膜邊緣從而得到主體目標精細掩膜；

2.4)將原始圖像轉化為原始灰度圖像，利用主體目標精細掩膜在原始灰度圖像中提取出主體目標，從而得到獲得主體目標區域的主體目標灰度圖像。

6.根據權利要求3所述金屬陶瓷零件識別及表面缺陷檢測系統的檢測方法，其特征在于，所述步驟3具體為：

3.1)計算主體目標灰度圖像的7個不變Hu矩和主體目標占整個圖像的面積占比，從而獲得8維特征向量，將8維特征向量取絕對值并對數化，再與步驟1得到的標定系數相乘后作為支持向量機訓練的特征數據；

3.2)將工業相機采集的所有原始圖像進行零件類別的標記，將標記后的圖像分為訓練樣本和測試樣本，將訓練樣本和測試樣本經步驟2和步驟3.1)處理后得到的所有特征數據組合為特征矩陣，將組合特征矩陣輸入徑向基核函數的支持向量機進行訓練得到零件識別模型；

3.3)將步驟3.1)的特征數據輸入步驟3.2)的零件識別模型進行判別得到零件類別，完成主體目標灰度圖像的零件識別。

7.根據權利要求3所述金屬陶瓷零件識別及表面缺陷檢測系統的檢測方法，其特征在于，

所述步驟4中的擦傷缺陷檢測具體為：

4.1.1)通過閾值化處理提取主體目標灰度圖像中的擦傷缺陷區域，閾值化方法中的自動閾值采用下述模型計算得到：

T_auto＝alogV²-klogA+c

其中，T_auto表示計算得到的自動閾值，V表示灰度圖像的灰度均值，A表示主體目標占整個圖像的面積占比，c表示常數項；

4.1.2)計算步驟4.1.1)提取的所有擦傷缺陷區域的面積和長寬比，根據設定的面積閾值和長寬比閾值篩選得到真實擦傷缺陷區域，并標記于原始圖像中；

所述步驟4中的劃痕缺陷檢測具體為：

4.2.1)通過對原始圖像分別進行灰度處理和濾波處理得到原始灰度圖像和均值濾波圖像，將原始灰度圖像減去均值濾波圖像得到包含斷裂劃痕區域的高維空間圖；

4.2.3)除去高維空間圖中的真實擦傷缺陷區域和主體目標的外輪廓，然后使用中值濾波的方法除去高維空間圖中的噪點，并采用膨脹形態學方法將斷裂劃痕區域進行連通，最后將連通的粗劃痕經過圖像細化操作得到最終劃痕區域，并標記于原始彩圖中；

所述步驟4中的凹痕缺陷檢測具體為：

4.3.1)將工業相機采集的所有原始圖像進行凹痕缺陷標記，將標記有凹痕缺陷的圖像作為正樣本，將未標記有凹痕缺陷的圖像作為負樣本；

4.3.2)提取正樣本和負樣本中圖像的HOG特征，將正樣本和負樣本的HOG特征輸入支持向量機中訓練得到凹痕缺陷檢測模型；

4.3.3)提取步驟1采集的原始圖像的HOG特征，將原始圖像的HOG特征輸入凹痕缺陷檢測模型得到凹痕缺陷區域，根據設定的置信權重從模型檢測得到的凹痕缺陷區域標出實際凹痕缺陷區域。