一种基于机器视觉的注塑件检测方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的注塑件检测方法及系统，本发明专利技术技术方案通过对同一待测环形注塑件采集由不同光源照射的两个图像分别进行处理，利用光源照射后可以将环形注塑件上反光点放大的特点，根据两个采集图像中各个高亮位置点的亮度值过滤反光点，排除了环形注塑件上反光点对于气泡缺陷形状识别的影响噪声，克服现有技术无法对注塑件上的气泡缺陷，特别是环形注塑件上的气泡缺陷进行精准识别的技术问题，实现对注塑件上的气泡缺陷进行精准识别，特别是环形注塑件的气泡缺陷识别，可以提高注塑件的检测成功率和准确性。可以提高注塑件的检测成功率和准确性。可以提高注塑件的检测成功率和准确性。

【技术实现步骤摘要】
一种基于机器视觉的注塑件检测方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种基于机器视觉的注塑件检测方法及系统。

技术介绍

[0002]注塑件在制作时是由聚丙烯和聚乙烯等材料通过融合多种有机物溶剂后制作而成的工件。其制作原理是将塑胶粒经过高温熔化后注入到模型中，经机器挤压并冷却后成件，其制作过程受温度、压强压力和模型等其他因素影响较大，生产出来的注塑件表面大概率会出现缺胶或者多胶的情况，所以生产出来后的注塑件通常需要通过检测的方式发现缺陷。
[0003]目前关于注塑件的缺陷类型，常见于：缩小、气纹、缺料、披锋、夹线等。面对上述常见的缺陷类型，现有的注塑件检测策略基本上都是以人工检测的方式为主，工作人员通过观察生产出来的注塑件表面情况，将存在缺陷的注塑件进行分类出去。上述明显缺陷或许还能通过人工的方式进行检测，但遇到特殊缺陷类型，例如“气泡”。由于物料注射过快而形成气泡，或者产出成型时体积收缩不均而引起空洞，使得气泡存在于注塑件内部。而一些精密度较高的注塑件，对成品的要求很高，气泡的出现会应该注塑件安装后设备的使用。但传统的这种人工检测的方式效率极低，而且肉眼可见的准确度有限，无法对气泡缺陷点进行准确识别。虽然随着图像处理技术的发展，目前市面上有一些针对气泡缺陷在注塑件上的研究，但均只局限于气泡产生的成因分析等方向，并不能发现注塑件上的气泡缺陷；再加上在面对环形注塑件的图像检测过程中，由于环形注塑件本身的反光点会对气泡识别产生一定影响，令环形注塑件的气泡缺陷检测更为艰难。
[0004]因此，目前市面上亟需一种新的注塑件检测策略，可以对注塑件上的气泡缺陷进行精准识别，特别是环形注塑件的气泡缺陷识别，提高注塑件的检测成功率和准确性。

技术实现思路

[0005]本专利技术提供了一种基于机器视觉的注塑件检测方法及系统，实现对注塑件上的气泡缺陷进行精准识别，特别是环形注塑件的气泡缺陷识别，可以提高注塑件的检测成功率和准确性。
[0006]为了解决上述技术问题，本专利技术实施例提供了一种基于机器视觉的注塑件检测方法，对环形注塑件上的气泡缺陷进行检测，所述方法包括：通过拍摄设备在封闭空间对待测环形注塑件进行图像采集，得到第一采集图像；保持所述拍摄设备和所述待测环形注塑件的位置不变，在所述封闭空间中投放光源后，对所述待测环形注塑件进行二次图像采集，得到第二采集图像；对所述第一采集图像和所述第二采集图像中的环形边界特征进行识别并标记，分别在所述第一采集图像和所述第二采集图像中确定所述待测环形注塑件的环形边界；对所述第一采集图像和所述第二采集图像进行预处理后输入到预先建立的高亮
区域模型中进行识别，分别标记并输出第一采集图像和第二采集图像上存在的高亮位置点；分别确定所述第一采集图像和所述第二采集图像在环形边界上的高亮位置点，并确定环形边界上各个高亮位置点的亮度值；根据所述第一采集图像和所述第二采集图像在环形边界上同一位置的高亮位置点的亮度值之差，将差值大于预设阈值的高亮位置点作为影响因子在所述第一采集图像中过滤，得到过滤图像；将所述过滤图像输入到预先建立的气泡形状识别模型中进行识别，标记并输出所述过滤图像中形状满足气泡缺陷形状的高亮位置点，作为待测环形注塑件上的气泡缺陷。
[0007]作为优选方案，所述对所述第一采集图像和所述第二采集图像中的环形边界特征进行识别并标记，分别在所述第一采集图像和所述第二采集图像中确定所述待测环形注塑件的环形边界的步骤中，具体包括：分别对所述第一采集图像和所述第二采集图像进行网格化处理，并确定基准点；建立三维坐标系，以所述基准点为原点，分别将所述第一采集图像和所述第二采集图像移动到所述三维坐标系当中，并确定各个网格化点在所述三维坐标系中的坐标位置；在所述第一采集图像中确定色度相同的连续多个网格化点之间形成的连线，且所述连线与不在所述连线上的相邻网格化点之间色度的差值达到色度阈值的，将所述连线确定为环形边界；根据所述第一采集图像中确定的环形边界，在所述三维坐标系中以所述基准点为基准，移动到所述第二采集图像中，确定所述待测环形注塑件在第二采集图像中的环形边界。
[0008]作为优选方案，所述对所述第一采集图像和所述第二采集图像进行预处理的步骤中，具体包括：对所述第一采集图像和所述第二采集图像进行灰度化处理，分别得到对应的灰度图像；在所述三维坐标系中，以所述基准点为中点，将所述灰度图像进行横向拉伸一定倍数后，得到拉伸图像；对所述拉伸图像中存在的光斑特征进行识别，将所述拉伸图像中的光斑特征进行过滤，得到过滤图像；根据所述横向拉伸的倍数，将所述过滤图像进行横向缩小后，得到预处理后的图像输入到预先建立的高亮区域模型。
[0009]作为优选方案，所述高亮区域模型的建立步骤，包括：获取训练图像，其中，所述训练图像是在封闭空间中投放光源后，由拍摄设备对训练环形注塑件进行图像采集而得到；根据所述训练图像的色度，在所述训练图像中标记发生高亮区域的形状边界，并分别确定每个高亮区域的中心点与所述训练环形注塑件的环形边界上最近的距离点，将所述距离点与对应的高亮区域进行相关联；通过机器学习算法建立初始高亮模型，将关联后的训练图像输入到所述初始高亮
模型中进行训练，直到训练次数达到阈值后，生成训练高亮模型；获取测试图像，其中，所述测试图像是通过拍摄设备在封闭空间对训练环形注塑件进行图像采集而得到；将所述测试图像输入到所述训练高亮模型中进行测试，当输出图像中由训练高亮模型在所述测试图像中标记存在高亮区域的高亮位置点的准确度达到预设阈值时，生成高亮区域模型。
[0010]作为优选方案，所述对所述拉伸图像中存在的光斑特征进行识别的步骤中，具体包括：对所述拉伸图像中存在的不规则图形进行识别，确定存在于所述拉伸图像中的不规则图形；分别对每一个不规则图形中划分多层圆环区域，并在每一层圆环区域中确定多个测试点，同时，确定每个测试点所在的色度；计算每一层圆环区域中所有测试点的平均色度，将所述平均色度作为所在圆环区域的色度值；当确定同一个不规则图形中，最外层的圆环区域上的色度值往最内层的圆环区域依次递减，则确定该不规则图形为所述拉伸图像中存在的光斑特征。
[0011]作为优选方案，所述分别确定所述第一采集图像和所述第二采集图像在环形边界上的高亮位置点，并确定环形边界上各个高亮位置点的亮度值的步骤中，具体包括：分别确定所述第一采集图像和所述第二采集图像在环形边界上每个高亮位置点所在的区域范围；针对每个高亮位置点的区域范围确定外接圆，将所述外接圆的圆心所在位置上对应的亮度值，作为对应高亮位置点的亮度值。
[0012]作为优选方案，所述根据所述第一采集图像和所述第二采集图像在环形边界上同一位置的高亮位置点的亮度值之差，将差值大于预设阈值的高亮位置点作为影响因子在所述第一采集图像中过滤，得到过滤图像的步骤中，具体包括：将所述第一采集图像中各个高亮位置点在三维坐标系中的坐标位置作为一个整体，定义为第一坐标位置；将所述第二采集图像中各个高亮位置点在三维坐标系中的坐标位置作为一个整体，定义为第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的注塑件检测方法，其特征在于，对环形注塑件上的气泡缺陷进行检测，所述方法包括：通过拍摄设备在封闭空间对待测环形注塑件进行图像采集，得到第一采集图像；保持所述拍摄设备和所述待测环形注塑件的位置不变，在所述封闭空间中投放光源后，对所述待测环形注塑件进行二次图像采集，得到第二采集图像；对所述第一采集图像和所述第二采集图像中的环形边界特征进行识别并标记，分别在所述第一采集图像和所述第二采集图像中确定所述待测环形注塑件的环形边界；对所述第一采集图像和所述第二采集图像进行预处理后输入到预先建立的高亮区域模型中进行识别，分别标记并输出第一采集图像和第二采集图像上存在的高亮位置点；分别确定所述第一采集图像和所述第二采集图像在环形边界上的高亮位置点，并确定环形边界上各个高亮位置点的亮度值；根据所述第一采集图像和所述第二采集图像在环形边界上同一位置的高亮位置点的亮度值之差，将差值大于预设阈值的高亮位置点作为影响因子在所述第一采集图像中过滤，得到过滤图像；将所述过滤图像输入到预先建立的气泡形状识别模型中进行识别，标记并输出所述过滤图像中形状满足气泡缺陷形状的高亮位置点，作为待测环形注塑件上的气泡缺陷。2.如权利要求1所述的基于机器视觉的注塑件检测方法，其特征在于，所述对所述第一采集图像和所述第二采集图像中的环形边界特征进行识别并标记，分别在所述第一采集图像和所述第二采集图像中确定所述待测环形注塑件的环形边界的步骤中，具体包括：分别对所述第一采集图像和所述第二采集图像进行网格化处理，并确定基准点；建立三维坐标系，以所述基准点为原点，分别将所述第一采集图像和所述第二采集图像移动到所述三维坐标系当中，并确定各个网格化点在所述三维坐标系中的坐标位置；在所述第一采集图像中确定色度相同的连续多个网格化点之间形成的连线，且所述连线与不在所述连线上的相邻网格化点之间色度的差值达到色度阈值的，将所述连线确定为环形边界；根据所述第一采集图像中确定的环形边界，在所述三维坐标系中以所述基准点为基准，移动到所述第二采集图像中，确定所述待测环形注塑件在第二采集图像中的环形边界。3.如权利要求2所述的基于机器视觉的注塑件检测方法，其特征在于，所述对所述第一采集图像和所述第二采集图像进行预处理的步骤中，具体包括：对所述第一采集图像和所述第二采集图像进行灰度化处理，分别得到对应的灰度图像；在所述三维坐标系中，以所述基准点为中点，将所述灰度图像进行横向拉伸一定倍数后，得到拉伸图像；对所述拉伸图像中存在的光斑特征进行识别，将所述拉伸图像中的光斑特征进行过滤，得到过滤图像；根据所述横向拉伸的倍数，将所述过滤图像进行横向缩小后，得到预处理后的图像输入到预先建立的高亮区域模型。4.如权利要求3所述的基于机器视觉的注塑件检测方法，其特征在于，所述高亮区域模型的建立步骤，包括：
获取训练图像，其中，所述训练图像是在封闭空间中投放光源后，由拍摄设备对训练环形注塑件进行图像采集而得到；根据所述训练图像的色度，在所述训练图像中标记发生高亮区域的形状边界，并分别确定每个高亮区域的中心点与所述训练环形注塑件的环形边界上最近的距离点，将所述距离点与对应的高亮区域进行相关联；通过机器学习算法建立初始高亮模型，将关联后的训练图像输入到所述初始高亮模型中进行训练，直到训练次数达到阈值后，生成训练高亮模型；获取测试图像，其中，所述测试图像是通过拍摄设备在封闭空间对训练环形注塑件进行图像采集而得到；将所述测试图像输入到所述训练高亮模型中进行测试，当输出图像中由训练高亮模型在所述测试图像中标记存在高亮区域的高亮位置点的准确度达到预设阈值时，生成高亮区域模型。5.如权利要求3所述的基于机器视觉的注塑件检测方法，其特征在于，所述对所述拉伸图像中存在的光斑特征进行识别的步骤中，具体包括：对所述拉伸图像中...

【专利技术属性】
技术研发人员：刘璨，周本政，廖光皓，谢炳生，刘焕牢，尹凝霞，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：