基于图像处理的机械组件缺陷检测方法技术

本发明专利技术涉及机械组件缺陷检测技术领域，具体涉及基于图像处理的机械组件缺陷检测方法。该方法通过光学手段，具体是利用可见光手段获取初始机械组件表面图像；获取图像中存在的各噪声点；构建各噪声点对应的滤波模板，并进行滤波，得到目标机械组件表面图像；对第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值，进而对垫片区域进行划分，得到第一集合、第二集合和第三集合；根据各集合中的像素点的数量，得到垫片表面的缺陷程度评估指标；若所述缺陷程度评估指标大于评估阈值，则判定垫片表面存在严重缺陷。本发明专利技术利用可见光手段进行材料分析和测试，实现了以较低的成本更加可靠地对机械组件的缺陷进行检测。行检测。行检测。

【技术实现步骤摘要】
基于图像处理的机械组件缺陷检测方法


[0001]本专利技术涉及机械组件缺陷检测
，具体涉及基于图像处理的机械组件缺陷检测方法。

技术介绍

[0002]目前对于机械组件的缺陷检测控制方法较为单一，大多采用硬件检测设备、人工视觉检测等方法；考虑到长时间的人工目测会对人体眼睛视力造成影响，不仅效率较低，同时还会导致检测结果出现大量的误检错检的情况，因此可靠性也较低；此外，传感器等硬件检测设备在对产品进行检测是需要接触到产品的表面，因此会对产品自身带来影响，例如划痕；又由于硬件系统价格较高，同时传感器等硬件检测设备常会出现各种故障，导致检测结果出现异常，进而使得成本较高且可靠性难以保证。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于图像处理的机械组件缺陷检测方法，所采用的技术方案具体如下：本专利技术提供了一种基于图像处理的机械组件缺陷检测方法包括以下步骤：获取相机在初始位置时拍摄的机械组件表面图像，所述机械组件为环形垫片；根据所述机械组件表面图像中各像素点的灰度值，对相机的位置进行调整；根据调整后的相机，获取初始机械组件表面图像；根据初始机械组件表面图像中各像素点的像素值，得到初始机械组件表面图像中存在的各噪声点；根据各噪声点对应的像素值，构建各噪声点对应的滤波模板；根据各噪声点对应的滤波模板对初始机械组件表面图像进行滤波，得到目标机械组件表面图像；对预设的第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值；根据第一灰度阈值和第二灰度阈值，对目标机械组件表面图像中垫片区域内的像素点进行划分，得到第一集合、第二集合和第三集合；根据第一集合、第二集合和第三集合中的像素点的数量和各像素点的灰度值，得到目标机械组件表面图像对应的垫片表面的缺陷程度评估指标；若所述缺陷程度评估指标大于预设的评估阈值，则判定垫片表面存在严重缺陷。
[0004]优选的，根据所述机械组件表面图像中各像素点的灰度值，对相机的位置进行调整，包括：对机械组件表面图像进行灰度化处理，得到对应的灰度图像；以灰度图像中垫片区域的中心点为坐标原点，以设定半径做圆，记为第一圆周；所述垫片区域为圆环状；根据第一圆周上相邻像素点的灰度值，计算各像素点对应的灰度梯度值；判断第一圆周上是否存在灰度梯度值大于设定梯度阈值的像素点，若存在，则依次判断第一圆周上的各像素点的灰度值是否小于预设目标灰度阈值，若小于，则将对应像素点保留；根据像
素点保留的顺序构建暗区域序列，将暗区域序列中间位置对应的像素点记为暗区域的中心点；过暗区域的中心点和所述坐标原点作一条直线，记为对称轴；控制相机沿对称轴旋转至与垫片表面平行；调整相机与垫片的距离，得到不同距离下对应的垫片表面图像；根据所述不同距离下对应的垫片表面图像，得到相机距离垫片表面的最佳距离；基于所述最佳距离对相机进行调整。
[0005]优选的，根据初始机械组件表面图像中各像素点的像素值，得到初始机械组件表面图像中存在的各噪声点，包括：对于初始机械组件表面图像中第b个像素点：根据该像素点对应的像素值与对应的八邻域内其他的像素点对应的像素值，计算该像素点对应的噪点判定因子；若所述噪声判定因子大于噪声阈值，则判定该像素点为噪声点；所述计算该像素点对应的噪点判定因子的公式如下：其中，为第b个像素点的噪声判定因子，为第b个像素点对应的R通道的值，为第b个像素点对应的G通道的值，为第b个像素点对应的B通道的值，为第b个像素点对应的八邻域内的第j像素点对应的R通道的值，为第b个像素点对应的八邻域内的第j像素点对应的G通道的值，为第b个像素点对应的八邻域内的第j像素点对应的B通道的值，为最小值。
[0006]优选的，根据各噪声点对应的像素值，构建各噪声点对应的滤波模板，包括：第c个噪声点对应的滤波模板为：第c个噪声点对应的滤波模板为：其中，为第c个噪声点对应的滤波模板，为第c个噪声点对应的滤波模板中的第j个模板值，为第c个噪声点对应的滤波模板中的第1个模板值，为第c个噪声点对应的滤波模板中的第2个模板值，为第c个噪声点对应的滤波模板中的第3个模板值，为第c个噪声点对应的滤波模板中的第4个模板值，为第c个噪声点对应的滤波模板中的第5个模板值，为第c个噪声点对应的滤波模板中的第6个模板值，为第c个噪声
点对应的滤波模板中的第7个模板值，为第c个噪声点对应的滤波模板中的第8个模板值，为第c个噪声点与对应的八邻域内的第j个像素点之间的欧氏距离，为第c个噪声点对应的R通道的值，为第c个噪声点对应的G通道的值，为第c个噪声点对应的B通道的值，为第c个像素点对应的八邻域内的第j像素点对应的R通道的值，为第c个像素点对应的八邻域内的第j像素点对应的G通道的值，为第c个像素点对应的八邻域内的第j像素点对应的B通道的值，e为自然常数。
[0007]优选的，对预设的第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值，包括：所述第一初始灰度阈值小于第二初始灰度阈值；基于第一初始灰度阈值和第二初始灰度阈值，将目标机械组件表面图像中垫片区域内的像素点进行划分，得到第一初始集合、第二初始集合和第三初始集合；所述第一初始集合包括目标机械组件表面图像中垫片区域内灰度值小于等于的像素点，所述第二初始集合包括目标机械组件表面图像中垫片区域内灰度值处于的像素点，所述第三初始集合包括目标机械组件表面图像中垫片区域内灰度值大于等于的像素点；统计第一初始集合、第二初始集合和第三初始集合内像素点的数量；根据所述像素点的数量对所述第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值。
[0008]优选的，根据所述像素点的数量对所述第一初始灰度阈值和第二初始灰度阈值进行调整得到第一灰度阈值和第二灰度阈值，包括：将第一初始集合中像素点的数量记为，将第二初始集合中像素点的数量记为，将第二初始集合中像素点的数量记为；当时，根据第一修正模型对第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度值阈值；其中k为判定倍数；所述第一修正模型如下： 其中，为第一灰度阈值，为第二灰度阈值，为第二初始集合内像素点对应的灰度值的方差值，为第一初始集合内像素点对应的灰度值的方差值，为第三初始集合内像素点对应的灰度值的方差值，为归一化后的
，为归一化后的，为可取的最大灰度值；当时，将对应的初始集合对应的初始灰度阈值记为偏移阈值；若偏移阈值为，则，；若偏移阈值为，则，；当时，将第一初始灰度阈值作为第一灰度阈值，将第二初始灰度阈值作为第二灰度阈值。
[0009]优选的，根据第一灰度阈值和第二灰度阈值，对目标机械组件表面图像中垫片区域内的像素点进行划分，得到第一集合、第二集合和第三集合，包括：所述第一集合包括目标机械组件表面图像中垫片区域内灰度值小于等于第一灰度阈值的像素点；所述第二集合包括目标机械组件表面图像中垫片区域内灰度值大于第一灰度阈值且小于第二灰度阈值的像素点；所述第三集合包括目标机械组件表面图像中垫片区域内灰度值大于等于第二灰度阈值的像素点。
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的机械组件缺陷检测方法，其特征在于，该方法包括以下步骤：获取相机在初始位置时拍摄的机械组件表面图像，所述机械组件为环形垫片；根据所述机械组件表面图像中各像素点的灰度值，对相机的位置进行调整；根据调整后的相机，获取初始机械组件表面图像；根据初始机械组件表面图像中各像素点的像素值，得到初始机械组件表面图像中存在的各噪声点；根据各噪声点对应的像素值，构建各噪声点对应的滤波模板；根据各噪声点对应的滤波模板对初始机械组件表面图像进行滤波，得到目标机械组件表面图像；对预设的第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值；根据第一灰度阈值和第二灰度阈值，对目标机械组件表面图像中垫片区域内的像素点进行划分，得到第一集合、第二集合和第三集合；根据第一集合、第二集合和第三集合中的像素点的数量和各像素点的灰度值，得到目标机械组件表面图像对应的垫片表面的缺陷程度评估指标；若所述缺陷程度评估指标大于预设的评估阈值，则判定垫片表面存在严重缺陷；所述对预设的第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值，包括：所述第一初始灰度阈值小于第二初始灰度阈值；基于第一初始灰度阈值和第二初始灰度阈值，将目标机械组件表面图像中垫片区域内的像素点进行划分，得到第一初始集合、第二初始集合和第三初始集合；所述第一初始集合包括目标机械组件表面图像中垫片区域内灰度值小于等于的像素点，所述第二初始集合包括目标机械组件表面图像中垫片区域内灰度值处于的像素点，所述第三初始集合包括目标机械组件表面图像中垫片区域内灰度值大于等于的像素点；统计第一初始集合、第二初始集合和第三初始集合内像素点的数量；根据所述像素点的数量对所述第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度阈值；所述根据所述像素点的数量对所述第一初始灰度阈值和第二初始灰度阈值进行调整得到第一灰度阈值和第二灰度阈值，包括：将第一初始集合中像素点的数量记为，将第二初始集合中像素点的数量记为，将第二初始集合中像素点的数量记为；当时，根据第一修正模型对第一初始灰度阈值和第二初始灰度阈值进行调整，得到第一灰度阈值和第二灰度值阈值；其中k为判定倍数；所述第一修正模型如下： 其中，为第一灰度阈值，为第二灰度阈值，为第二初始集合内像素点对应的灰
度值的方差值，为第一初始集合内像素点对应的灰度值的方差值，为第三初始集合内像素点对应的灰度值的方差值，为归一化后的，为归一化后的，为可取的最大灰度值；当时，将对应的初始集合对应的初始灰度阈值记为偏移阈值；若偏移阈值为，则，；若偏移阈值为，则，；当时，将第一初始灰度阈值作为第一灰度阈值，将第二初始灰度阈值作为第二灰度阈值。2.根据权利要求1所述的一种基于图像处理的机械组件缺陷检测方法，其特征在于，根据所述机械组件表面图像中各像素点的灰度值，对相机的位置进行调整，包括：对机械组件表面图像进行灰度化处理，得到对应的灰度图像；以灰度图像中垫片区域的中心点为坐标原点，以设定半径做圆，记为第一圆周；所述垫片区域为圆环状；根据第一圆周上相邻像素点的灰度值，计算各像素点对应的灰度梯度值；判断第一圆周上是否存在灰度梯度值大于设定梯度阈值的像素点，若存在，则依次判断第一圆周上的各像素点的灰度值是否小于预设目标灰度阈值，若小于，则将对应像素点保留；根据像素点保留的顺序构建暗区域序列，将暗区域序列中间位置对应的像素点记为暗区域的中心点；过暗区域的中心点和所述坐标原点作一条直线，记为对称轴；控制相机沿对称轴旋转至与垫片表面平行；调整相机与垫片的距离，得到不同距离下对应的垫片表面图像；根据所述不同距离下对应的垫片表面图像，得到相机距离垫片表面的最佳距离；基于所...

【专利技术属性】
技术研发人员：刘娟，
申请(专利权)人：南通市立新机械制造有限公司，
类型：发明
国别省市：