一種基于機器視覺的工件缺陷檢測系統的制作方法

本發明涉及一種基于機器視覺的工件缺陷檢測系統，主要用于工件的線上缺陷檢測與自動分揀，屬于工業生產與自動檢測領域，涉及機器視覺的智能檢測方法。

背景技術：

在科技高速發展的今天，隨著生產規模的不斷擴大，在保證汽車保險絲盒工件產出量的前提下，對工件質量的要求也越來越高，許多傳統的檢測技術已經無法滿足當今生產發展的要求。同時隨著不同種類產品的產出以及對產品檢測需求的不同，導致許多的產品沒有相應的檢測方法。現代工業注重在線、實時、快速、非接觸的檢測方式，要求確保不影響產品質量的前提下，提高產品的生產效率。

汽車保險絲盒用于安裝汽車保險絲，是汽車電器線路的保護裝置，用于汽車線路出故障時判斷問題所在。保險絲盒的生產已經擁有一條成熟的流水線，保證了高效的自動化生產。然而當前對保險絲盒的檢測還停留在傳統的人工檢測，主要通過設立專門的檢測車間，雇傭專門的員工對工件進行缺陷排查。正常情況下，人工檢測時需要將工件正對光源，使光源的光穿過工件內部，再由工作人員在眾多的透孔中找到缺陷的部分，工作強度大，并且需要高度集中注意力。同時，由于汽車保險絲盒內部結構復雜，工件的主要缺陷類型是多膠、少膠，缺陷小且不起眼，大大增加人工檢測的難度，平均每個工件的檢測時間在5分鐘，導致工件每天實際的產出量并不高。

技術實現要素：

為了解決傳統工件檢測方法帶來的弊端，本發明提出了一套基于機器視覺的汽車保險絲盒工件缺陷檢測系統

為了解決上述技術問題，本發明采用如下技術方案：

一種基于機器視覺的工件缺陷檢測系統，包括工件生產模塊，機器視覺檢測模塊和工件分揀模塊，所述機器視覺檢測模塊包括檢測平臺、圖像采集裝置和工件缺陷分析系統，所述圖像采集裝置用于拍攝待測工件圖片并將拍攝好的待測工件圖片傳輸到缺陷分析系統，所述缺陷分析系統用于對待測工件圖片進行對比分析并將缺陷檢測結果發送至工件分揀模塊，分揀模塊用于將合格工件與不合格工件分別放至不同位置。

作為優選，所述工件生產模塊和機器視覺檢測模塊之間設有產品中轉臺和機械手，所述產品中轉臺用于放置工件生產模塊生產的待測工件，所述機械手用于將待測工件從產品中轉臺抓取并輸送至機器視覺檢測模塊。

作為優選，所述圖像采集裝置包括相機、鏡頭和光源，所述檢測平臺上設有遮光罩。

作為優選，所述檢測平臺上設有載具，所述載具用于放置待測工件并且所述載具可在所述檢測平臺上移動。

作為優選，所述分揀模塊包括分揀搬運機械臂，所述分揀搬運機械臂上設有多點停止機構和上下機構，所述上下機構可以沿著所述分揀搬運機械臂移動，所述多點停止機構用于控制上下機構停在各個指定位置，所述上下機構下方還設有夾持機構和吸取機構，所述上下機構驅動夾持機構和吸取機構上下運動，所述夾持機構和吸取機構用于抓取工件。

作為優選，所述分揀模塊還包括雙道出料輸送帶，所述雙道出料輸送帶位于所述分揀搬運機械臂前部的下方，所述雙道出料輸送帶的兩個輸送道分別放置合格工件和不合格工件并輸送出去。

作為優選，所述缺陷分析系統包括圖片匹配單元、缺陷檢測單元和結果輸出單元，圖片匹配單元用于將待測工件圖片與模板工件圖片進行高精度匹配，缺陷檢測單元用于對匹配后的圖片進行檢測從而找出待測工件的缺陷，結果輸出單元用于將缺陷檢測單元的檢測結果在模板工件圖片上進行標記并提示缺陷數量。其中，所述圖片匹配單元中采用基于對角區域選擇的粗匹配與基于區域分割的精匹配，具有高的匹配精度，相對傳統匹配方法提高了匹配效率。其具體方法已經單獨申請專利。

作為優選，所述缺陷檢測單元中針對傳統缺陷檢測算法存在局限性的問題，根據實際缺陷種類及特征來設計專門的檢測算法。針對多膠、少膠的細小缺陷，采用了基于均值濾波(現有算法)與誤差塊區域大小的粗篩選，以及基于橫向縱向濾波的精篩選相結合的缺陷檢測算法；針對結構性差異的大缺陷，采用了基于形態學開運算(現有算法)的缺陷檢測算法。最后將兩種方法的缺陷檢測結果進行整合輸出。

作為優選，所述缺陷檢測單元中先采用基于區域大小限制的濾波方法濾除小缺陷，再用開運算濾波算法找出大缺陷。

作為優選，采用基于區域大小限制的濾波方法濾除小缺陷的具體方法如下：

根據兩個限制條件：

1)長條塊最小外接矩形框的長height和寬width

2)長條塊的面積SUM與最小外接矩形框的面積S的比值RATE。

RATE計算如下：

其中I(i,j)表示圖像像素點的像素值。通過設定height，width以及RATE可以完成區域大小的限制，濾除不滿足條件的干擾塊。

作為優選，基于橫向縱向濾波的精篩選的具體方法如下：

假設待處理圖片f(x,y)與g(x,y)，分別用于橫向濾波處理和縱向濾波的處理，記結果圖片為F(x,y)與G(x,y),設橫向與縱向濾波的長度閾值為T。對于橫向濾波f(x,y)，得到結果F(x,y)的具體方法為：在圖像的每一行中搜索該行所有的連續線條，記線條的長度為L，如果L<T,則將線條上所有的像素值置0；否則不置0；遍歷所有的行后輸出橫向濾波結果F(x,y)；

縱向濾波的操作與橫向濾波相同，同樣輸出縱向濾波結果G(x,y)；

之后對F(x,y)與G(x,y)作與運算，最后輸出的圖片就是滿足橫向濾波和縱向濾波留下來的點，具體計算公式如下：

out(x,y)＝f(x,y)∩g(x,y)

橫向縱向濾波設置的長度閾值T和實際缺陷塊的寬度和長度有關

作為優選，用形態學開運算的缺陷檢測算法找出大缺陷時，需要設置大尺寸的形態學運算子。

本發明的有益效果是：

本發明設置了工件生產模塊，機器視覺檢測模塊和工件分揀模塊，工件生產模塊生產出的工件直接被送至機器視覺檢測模塊進行缺陷檢測，然后由工件分揀模塊將合格工件與不合格工件分開輸送，實現了工件缺陷的自動檢測，檢測精度高、速度快，減少了人工勞動強度，大大提高了生產效率。本發明采用模塊化一體設計，便于應用到不同類型的工件，方便維護和更換。

附圖說明

圖1本發明整體的結構示意圖；

圖2是本發明的任務框圖；

圖3是本發明中分揀搬運機械臂的結構示意圖；

圖4是本發明的工作流程圖。

其中，1-工件生產模塊；2-機器視覺檢測模塊；3-工件分揀模塊；4-產品中轉臺；5-機械手；6-檢測平臺；7-分揀搬運機械臂；8-多點停止機構；9-上下機構；10-夾持機構；11-吸取機構；12-雙道出料輸送帶；13-1號工件生產機床；14-2號工件生產機床。

具體實施方式

下面結合附圖和具體實施方式對本發明作進一步描述：

如圖1、圖2所示，一種基于機器視覺的工件缺陷檢測系統，包括工件生產模塊1，工件生產模塊1可以包含多個工件生產機床，本實施例中的工件生產模塊1包括1號工件生產機床13和2號工件生產機床14，機器視覺檢測模塊2和工件分揀模塊3，機器視覺檢測模塊2包括檢測平臺6、圖像采集裝置和工件缺陷分析系統，圖像采集裝置用于拍攝待測工件圖片并將拍攝好的待測工件圖片傳輸到缺陷分析系統，缺陷分析系統用于對待測工件圖片進行對比分析并將缺陷檢測結果發送至工件分揀模塊3，分揀模塊用于將合格工件與不合格工件分別放至不同位置。

工件生產模塊1和機器視覺檢測模塊2之間設有產品中轉臺4和機械手5，產品中轉臺4用于放置工件生產模塊1生產的待測工件，機械手5用于將待測工件從產品中轉臺4抓取并輸送至機器視覺檢測模塊2。圖像采集裝置包括相機以及與相機相配合的光源，選用高分辨率的面陣相機，大視場遠心鏡頭及其配套的光源，并在檢測平臺6上設有遮光罩，保證了視場范圍內圖像不失真，獲得的工件結構信息更加全面。在檢測平臺6上還設置了專門的載具，用于放置待測工件，并且載具可在檢測平臺6上移動，檢測時方便多個工位的移動，解決了視場無法覆蓋工件的問題。

如圖3所示，分揀模塊包括分揀搬運機械臂7，分揀搬運機械臂7上設有多點停止機構8和上下機構9，多點停止機構8用于控制上下機構9停在各個指定位置，上下機構9下方還設有夾持機構10和吸取機構11，上下機構9驅動夾持機構10和吸取機構11上下運動，夾持機構10和吸取機構11用于抓取工件。分揀模塊還包括雙道出料輸送帶12，雙道出料輸送帶12位于分揀搬運機械臂7前部的下方，雙道出料輸送帶12的兩個輸送道分別放置合格工件和不合格工件并輸送出去。

缺陷分析系統包括圖片匹配單元、缺陷檢測單元和結果輸出單元，圖片匹配單元用于將待測工件圖片與模板工件圖片進行高精度匹配，此處設計了基于對角區域選擇的粗匹配與基于單位像素路徑搜索精匹配相結合的圖像匹配方法，實現了待測工件圖像與模板工件圖像的高精度匹配，高精度匹配的方法發明人已經另行提出專利申請，在此不再做詳細的闡述；缺陷檢測單元用于對匹配后的圖片進行檢測從而找出待測工件的缺陷，結果輸出單元用于將缺陷檢測單元的檢測結果在模板工件圖片上進行標記并提示缺陷數量。

在缺陷檢測單元中，工件本身存在結構性差異的大缺陷，以及多膠、少膠的小缺陷，兩種缺陷需要分開來檢測。針對傳統缺陷檢測算法存在局限性的問題，根據實際缺陷種類及特征來設計專門的檢測算法。針對多膠、少膠的細小缺陷，采用了基于均值濾波(現有算法)與誤差塊區域大小的粗篩選，以及基于橫向縱向濾波的精篩選相結合的缺陷檢測算法；針對結構性差異的大缺陷，采用了基于形態學開運算(現有算法)的缺陷檢測算法。最后將兩種方法的缺陷檢測結果進行整合輸出。

粗篩選中，在基于現有濾波算法的基礎上，增加了基于區域大小限制的濾波方法，用于濾除圖中干擾的缺陷塊，具體方法如下：

根據兩個限制條件：

1)長條塊最小外接矩形框的長height和寬width

2)長條塊的面積SUM與最小外接矩形框的面積S的比值RATE。

RATE計算如下：

其中I(i,j)表示圖像像素點的像素值。通過設定height，width以及RATE可以完成區域大小的限制，濾除不滿足條件的干擾塊。

基于橫向縱向濾波的精篩選的具體方法如下：

假設待處理圖片f(x,y)與g(x,y)，分別用于橫向濾波處理和縱向濾波的處理，記結果圖片為F(x,y)與G(x,y),設橫向與縱向濾波的長度閾值為T。以f(x,y)橫向濾波為例，得到結果F(x,y)的具體步驟如下：

(1)以圖像第0行為例，搜索該行所有的連續線條，記線條的長度為L，如果L<T,則將線條上所有的像素值置0；否則不置0。

(2)以操作(1)遍歷圖像中所有的行，輸出橫向濾波結果F(x,y)。

縱向濾波的操作與橫向濾波相同，同樣輸出縱向濾波結果G(x,y)。

之后對F(x,y)與G(x,y)作與運算，最后輸出的圖片就是滿足橫向濾波和縱向濾波留下來的點，具體計算公式如下：

out(x,y)＝f(x,y)∩g(x,y)

橫向縱向濾波設置的長度閾值T和實際缺陷塊的寬度和長度有關

針對結構性差異的大缺陷塊，采用了現有的開運算濾波算法，需要設置大尺寸的形態學運算子。

本發明的具體工作流程如下：

1.機床完成工件生產，機械手5將工件放置在產品中轉臺4上，等待檢測；

2.機器視覺檢測模塊2發來檢測信號，控制機械手5抓取工件并放置在位于檢測平臺6放料點的載具上，載具搭載工件移至圖像采集裝置；

3.機器視覺檢測模塊2拍攝待測工件圖片，并與相應模板圖片進行匹配以及缺陷檢測；

4.完成缺陷檢測的工件由載具移至分揀搬運機械臂7的下面，由其抓取工件至分到輸送線上；

5.分揀搬運機械臂7會根據缺陷檢測結果，將工件放置在對應的輸送帶道上，并有輸送帶運輸出去；

6.硬件部分回到初始化位置，機器視覺檢測模塊2發出信號，系統開始下一個檢測工件的檢測。

本發明方案所公開的技術手段不僅限于上述實施方式所公開的技術手段，還包括由以上技術特征任意組合所組成的技術方案。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發明的保護范圍。