本實(shí)用新型涉及確定工件輪廓面積及輪廓不變矩的匹配檢測(cè)系統(tǒng)
技術(shù)領(lǐng)域：
，具體是一種基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)。
背景技術(shù)：
：隨著產(chǎn)品的大規(guī)模生產(chǎn)，好多沖壓件具有批量大、部件小、規(guī)格多等特點(diǎn)，對(duì)產(chǎn)品的質(zhì)量檢測(cè)精度要求越來(lái)越高，為了保證汽車工件的質(zhì)量，對(duì)工件的缺陷檢測(cè)是必不可少的環(huán)節(jié)。以往常采用人工識(shí)別的方法對(duì)沖壓件進(jìn)行目視或卡尺測(cè)量，但這種檢測(cè)方法速度慢、效率低、工人勞動(dòng)強(qiáng)度大，質(zhì)量也難以保證。因此，將計(jì)算機(jī)圖像檢測(cè)技術(shù)應(yīng)用于沖壓件質(zhì)量的檢測(cè)具有重要的需求和價(jià)值。機(jī)器視覺具有非接觸、高效率、高精度、易集成等顯著優(yōu)點(diǎn)，應(yīng)用機(jī)器視覺進(jìn)行工件的缺陷檢測(cè)，可以解決困擾企業(yè)的很多問(wèn)題，可以保證檢測(cè)的連續(xù)性以及實(shí)時(shí)性。當(dāng)前，很多檢測(cè)項(xiàng)目從簡(jiǎn)單走向復(fù)雜，檢測(cè)方式也從人工走向自動(dòng)化甚至智能化。視覺檢測(cè)就是檢測(cè)的一種趨勢(shì)，機(jī)器視覺解決方案可以利用機(jī)器代替人眼來(lái)做各種測(cè)量和判斷，具有非接觸、適應(yīng)能力強(qiáng)、快速高效、準(zhǔn)確、柔性好、可靠性高等特點(diǎn)，在現(xiàn)代工業(yè)檢測(cè)中受到了廣泛重視。中國(guó)專利CN103914827公開了一種汽車密封條輪廓缺陷的視覺檢測(cè)方法，該方法通過(guò)對(duì)載入圖像進(jìn)行閾值分割，得到二值圖像，進(jìn)行邊緣檢測(cè)，提取每個(gè)邊緣像素點(diǎn)的坐標(biāo)，計(jì)算目標(biāo)區(qū)域的凸包，計(jì)算密封條截面的最小包圍面積矩形，通過(guò)面積，以及邊緣像素點(diǎn)判斷是否存在缺陷，其不足之處在于：基于輪廓面積的檢測(cè)方法需要事先確定樣品的幾何形狀是規(guī)則的，同一種工件在相機(jī)視野下不同位置采集到的圖像所占的像素點(diǎn)會(huì)有所改變，并且由于缺陷所在位置不同、樣品擺放的角度不同都會(huì)對(duì)理想面積的估計(jì)產(chǎn)生影響，造成檢測(cè)結(jié)果不準(zhǔn)確，不能達(dá)到判斷的準(zhǔn)確性要求。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有技術(shù)的不足，本實(shí)用新型擬解決的技術(shù)問(wèn)題是，提供一種基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)及方法。該檢測(cè)系統(tǒng)根據(jù)厚度為4mm異形沖壓件(異形沖壓件簡(jiǎn)稱異形工件或工件)設(shè)計(jì)，根據(jù)智能相機(jī)采集到的單幀圖像，提取感興趣目標(biāo)異形沖壓件的輪廓，通過(guò)有效輪廓曲線計(jì)算輪廓的Hu矩(Hu矩具有旋轉(zhuǎn)、平移不變性又稱為Hu不變矩，即為不變矩)以及內(nèi)部區(qū)域的面積。在采集過(guò)程中，由于工件存在一定厚度，在相機(jī)視野不同位置處，采集到的相同工件的輪廓存在差異，并不是完全吻合。針對(duì)此問(wèn)題，采取了多個(gè)樣本匹配的方法，調(diào)用多個(gè)樣本模板并保留面積特征、Hu矩參數(shù)。結(jié)合面積差分匹配檢測(cè)和Hu不變矩匹配檢測(cè)算法，進(jìn)而完成實(shí)時(shí)、連續(xù)輪廓缺陷檢測(cè)以及分類。此方法，能夠準(zhǔn)確檢測(cè)出占整個(gè)工件面積的0.5％以上的缺陷，提高了檢測(cè)精度，能夠滿足異形沖壓工件缺陷檢測(cè)要求。本實(shí)用新型的技術(shù)方案是，一種基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)，其特征在于該檢測(cè)系統(tǒng)包括智能相機(jī)、第一支架、第二支架、計(jì)算機(jī)、控制部分、透明旋轉(zhuǎn)圓盤、電機(jī)、傳感器和背部光源，控制部分控制電機(jī)的轉(zhuǎn)動(dòng)及智能相機(jī)的觸發(fā)；由智能相機(jī)、第一支架和計(jì)算機(jī)共同構(gòu)成視覺系統(tǒng)，所述智能相機(jī)通過(guò)第一支架固定在透明旋轉(zhuǎn)圓盤的上方，智能相機(jī)通過(guò)通信線同時(shí)與計(jì)算機(jī)和控制部分連接，計(jì)算機(jī)與控制部分連接，所述透明旋轉(zhuǎn)圓盤與電機(jī)連接，所述背部光源位于智能相機(jī)的正下方，且處于透明旋轉(zhuǎn)圓盤的下方；所述傳感器包括傳感器發(fā)射器和傳感器接收器，傳感器接收器與傳感器發(fā)射器相對(duì)設(shè)置，并且在同一水平線上，傳感器發(fā)射器與第二支架相連，傳感器接收器固定在第一支架下部，傳感器接收器與傳感器發(fā)射器同時(shí)與控制部分連接。一種基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)方法，使用上述的檢測(cè)系統(tǒng)，該方法利用提取的標(biāo)準(zhǔn)和待檢測(cè)異形沖壓件的輪廓信息，根據(jù)利用標(biāo)準(zhǔn)工件和有缺陷工件存在的面積差異和具有旋轉(zhuǎn)、平移、縮放不變性的輪廓Hu不變矩的差異，對(duì)比待檢測(cè)異形沖壓件、標(biāo)準(zhǔn)異形工件的面積以及輪廓不變矩，分別計(jì)算得到面積差以及輪廓的匹配率(面積差即為面積差分算法的結(jié)果)，再分別設(shè)定閾值，判斷異形沖壓件是否存在缺陷，該方法的具體步驟是：第一步，圖像處理1-1圖像獲?。和ㄟ^(guò)智能相機(jī)獲取對(duì)比度明顯的異形沖壓件圖像；1-2圖像閾值自適應(yīng)分割：在步驟1-1的基礎(chǔ)上，對(duì)于采集到的圖像計(jì)算每個(gè)像素點(diǎn)周圍5×5區(qū)域的加權(quán)平均值，減去一個(gè)常數(shù)得到自適應(yīng)閾值，每個(gè)像素點(diǎn)像素值大于閾值的，確定為圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)；1-3輪廓的尋?。涸诓襟E1-2的基礎(chǔ)上，對(duì)圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)進(jìn)行曲線的不斷演化，設(shè)置迭代次數(shù)，可以得到異形沖壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計(jì)算：根據(jù)步驟1-3得到的輪廓曲線C(x,y)將圖像區(qū)域分為兩個(gè)部分，一部分是輪廓曲線內(nèi)部區(qū)域inC(x,y),另一部分是輪廓曲線外部區(qū)域outC(x,y)，對(duì)得到的輪廓曲線內(nèi)部區(qū)域inC(x,y)進(jìn)行積分，即可得到表征輪廓內(nèi)部區(qū)域大小的面積信息，此步驟可計(jì)算得到標(biāo)準(zhǔn)異形沖壓件的面積S0和待檢測(cè)的異形沖壓件的面積Sn，其中，Sn指的是第n個(gè)待檢測(cè)工件的面積，n≥1；2-2輪廓Hu不變矩的計(jì)算：對(duì)于步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點(diǎn)進(jìn)行積分運(yùn)算，得到輪廓Hu不變矩，假設(shè)輪廓上的點(diǎn)個(gè)數(shù)為N，通過(guò)式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x‾)p(y-y‾)qf(x,y);---(3)]]>式中，p對(duì)應(yīng)x維度上的矩，q對(duì)應(yīng)y維度上的矩，和代表輪廓的重心：歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ)---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過(guò)式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過(guò)二階和三階歸一化中心矩構(gòu)造七個(gè)Hu不變矩I1～I(xiàn)7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續(xù)圖像條件下可保持平移、縮放和旋轉(zhuǎn)不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計(jì)算：將步驟2-1得到的標(biāo)準(zhǔn)異形沖壓件的面積S0和待檢測(cè)異形沖壓件的面積Sn作差，得到待檢測(cè)異形沖壓件與標(biāo)準(zhǔn)異形沖壓件的面積差分結(jié)果ΔSn，即ΔSn＝|S0-Sn|；2-4輪廓匹配率的計(jì)算：根據(jù)步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評(píng)判標(biāo)準(zhǔn)：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標(biāo)準(zhǔn)工件與待檢測(cè)工件的匹配率(以百分比為單位)：I＝100-I(A,B)×100；(12)式中，A，B分別指標(biāo)準(zhǔn)工件與待檢工件；第三步，實(shí)時(shí)檢測(cè)3-1圖像實(shí)時(shí)采集：檢測(cè)系統(tǒng)啟動(dòng)后，控制部分控制承載工件的透明旋轉(zhuǎn)圓盤以恒定速度逆時(shí)針旋轉(zhuǎn)，當(dāng)工件運(yùn)動(dòng)到有傳感器發(fā)射器和傳感器接收器的對(duì)射位置之間時(shí)，傳感器將采集信號(hào)傳輸給控制部分，進(jìn)而控制承載工件的透明旋轉(zhuǎn)圓盤停止1s，從而能對(duì)工件進(jìn)行靜止拍照；同時(shí)控制部分發(fā)出信號(hào)給智能相機(jī)，利用智能相機(jī)外觸發(fā)模式觸發(fā)智能相機(jī)實(shí)時(shí)采集工件圖像，調(diào)用模板圖像以進(jìn)行下一步的圖像處理；3-2圖像處理：圖像采集結(jié)束后，通過(guò)計(jì)算機(jī)進(jìn)行圖像處理，通過(guò)步驟2-4的輪廓匹配率評(píng)判標(biāo)準(zhǔn)，再結(jié)合步驟2-3的面積差分結(jié)果設(shè)定閾值，進(jìn)行匹配檢測(cè)，判斷工件是否合格，并反饋給控制部分；3-3工件分類：經(jīng)過(guò)圖像處理判斷好工件是否合格后，接下來(lái)由外部抓取機(jī)構(gòu)對(duì)工件進(jìn)行抓取，合格工件放入合格庫(kù)，否則放入回收庫(kù)，從而完成了整個(gè)工件缺陷檢測(cè)。與現(xiàn)有技術(shù)相比，本實(shí)用新型的有益效果是：本實(shí)用新型方法通過(guò)控制部分智能控制承載工件的透明旋轉(zhuǎn)圓盤停止與啟動(dòng)，能夠保證智能相機(jī)能夠在工件靜止?fàn)顟B(tài)下對(duì)其進(jìn)行實(shí)時(shí)采集，避免了運(yùn)動(dòng)連續(xù)抓拍所產(chǎn)生的工件圖像變形對(duì)后續(xù)圖像處理產(chǎn)生不良的影響這一問(wèn)題。采集對(duì)比度比較明顯的圖像，并通過(guò)自適應(yīng)閾值分割能夠準(zhǔn)確得到圖像感興趣目標(biāo)異形工件的有效點(diǎn)，為輪廓的精確尋取提供前提條件。本實(shí)用新型采用的主動(dòng)輪廓選擇性分割獲取輪廓的方法不依賴于梯度判定，能很好的改善邊緣檢測(cè)提取每個(gè)像素點(diǎn)時(shí)存在的邊緣泄露問(wèn)題，對(duì)于邊界不光滑或者不連續(xù)的也能夠檢測(cè)出，有很強(qiáng)的抗噪、抗干擾能力，魯棒性強(qiáng)。采用多個(gè)樣本進(jìn)行匹配，并結(jié)合Hu不變矩的旋轉(zhuǎn)、平移、縮放不變性，解決了面積差分匹配不準(zhǔn)確的問(wèn)題，顯著提高了系統(tǒng)的實(shí)時(shí)性和適應(yīng)性。在實(shí)時(shí)檢測(cè)階段，能夠?qū)崟r(shí)有效的將工件信號(hào)傳送給控制系統(tǒng)，智能控制圖像采集，進(jìn)而完成異形沖壓件的缺陷檢測(cè)，不需要人工干預(yù)，提高了工作效率。本實(shí)用新型的使用領(lǐng)域以及重要意義是：本方法適用于異形沖壓件的輪廓缺陷檢測(cè)，異形沖壓件在工業(yè)產(chǎn)業(yè)鏈中占有舉足輕重的地位，廣泛應(yīng)用于電子器件、汽車、大型設(shè)備、裝飾材料等，亟需方法準(zhǔn)確智能檢測(cè)沖壓件的輪廓缺陷，并且提高檢測(cè)的準(zhǔn)確性。其中的關(guān)鍵是輪廓的準(zhǔn)確獲取，以及匹配算法的精確性。本實(shí)用新型視覺檢測(cè)系統(tǒng)能夠避免對(duì)梯度的依賴，獲取具有高抗噪、抗干擾、魯棒性強(qiáng)的輪廓曲線，解決了輪廓獲取存在的準(zhǔn)確性、快速性問(wèn)題。本實(shí)用新型方法將輪廓面積差分匹配檢測(cè)和Hu不變矩匹配檢測(cè)算法相結(jié)合，大大提高了檢測(cè)的準(zhǔn)確性以及適應(yīng)性，能夠滿足判斷準(zhǔn)確性的要求，更適用于工業(yè)應(yīng)用。附圖說(shuō)明圖1為本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)一種實(shí)施例的結(jié)構(gòu)示意圖；圖2為本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)一種實(shí)施例在相機(jī)視野下，采集處于不同位置時(shí)的標(biāo)準(zhǔn)沖壓件模板示意圖；圖3為本實(shí)用新型所述檢測(cè)的一種異形沖壓件的結(jié)構(gòu)示意圖；圖4為本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)一種實(shí)施例工件到傳感器位置觸發(fā)相機(jī)后，沖壓件在視野下的固定范圍示意圖；圖5為本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)一種實(shí)施例加入噪聲后提取的輪廓圖像示意圖；圖中，1第一支架，2第二支架，3智能相機(jī)，4背部光源，5傳感器發(fā)射器，6傳感器接收器，7電機(jī)，8透明旋轉(zhuǎn)圓盤，9旋轉(zhuǎn)方向，10異形沖壓件，11通信線，12計(jì)算機(jī)。具體實(shí)施方式下面結(jié)合實(shí)施例及附圖對(duì)本實(shí)用新型作進(jìn)一步說(shuō)明。本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)(簡(jiǎn)稱檢測(cè)系統(tǒng)或系統(tǒng)，參見圖1)包括智能相機(jī)3、第一支架1、第二支架2、計(jì)算機(jī)12、控制部分、透明旋轉(zhuǎn)圓盤8、電機(jī)7、傳感器和背部光源4，控制部分控制電機(jī)7的轉(zhuǎn)動(dòng)及智能相機(jī)3的觸發(fā)；由智能相機(jī)3、第一支架1和計(jì)算機(jī)12共同構(gòu)成視覺系統(tǒng)，所述智能相機(jī)3通過(guò)第一支架1固定在透明旋轉(zhuǎn)圓盤8的上方，智能相機(jī)3通過(guò)通信線11同時(shí)與計(jì)算機(jī)12和控制部分連接，計(jì)算機(jī)12與控制部分連接，用于顯示智能相機(jī)3采集和處理后的圖像；所述透明旋轉(zhuǎn)圓盤8與電機(jī)7連接，所述背部光源4位于智能相機(jī)3的正下方，且處于透明旋轉(zhuǎn)圓盤8的下方；所述傳感器包括傳感器發(fā)射器5和傳感器接收器6，傳感器接收器6與傳感器發(fā)射器5相對(duì)設(shè)置，并且在同一水平線上，傳感器發(fā)射器5與第二支架2相連，來(lái)固定位置完成信號(hào)的準(zhǔn)確發(fā)送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發(fā)射器5同時(shí)與控制部分連接，二者配合完成沖壓件位置信號(hào)的采集。本實(shí)用新型系統(tǒng)的進(jìn)一步特征在于所述異形沖壓件10的厚度為3～5mm，沖壓件長(zhǎng)度為40～60mm，寬度為15～55mm，可檢測(cè)到的缺陷部位占整體的最小百分比為0.5％以上。本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)方法(簡(jiǎn)稱方法)使用上述的檢測(cè)系統(tǒng)，主要應(yīng)用于工業(yè)現(xiàn)場(chǎng)，異形沖壓件的輪廓的檢測(cè)、識(shí)別與判斷輪廓缺陷進(jìn)而判斷沖壓件有無(wú)缺陷情況同時(shí)進(jìn)行，檢測(cè)算法充分適應(yīng)現(xiàn)場(chǎng)情況，該方法利用提取的標(biāo)準(zhǔn)和待檢測(cè)異形沖壓件的輪廓信息，根據(jù)利用標(biāo)準(zhǔn)工件和有缺陷工件存在的面積差異和具有旋轉(zhuǎn)、平移、縮放不變性的輪廓不變矩的差異，對(duì)比待檢測(cè)異形沖壓件、標(biāo)準(zhǔn)異形工件的面積以及輪廓不變矩，分別計(jì)算得到面積差以及輪廓的匹配率，再分別設(shè)定閾值，判斷異形沖壓件是否存在缺陷，該方法的具體步驟是：第一步，圖像處理1-1圖像獲?。和ㄟ^(guò)智能相機(jī)3獲取對(duì)比度明顯的異形沖壓件圖像；1-2圖像閾值自適應(yīng)分割：在步驟1-1的基礎(chǔ)上，對(duì)于采集到的圖像計(jì)算每個(gè)像素點(diǎn)周圍5×5區(qū)域的加權(quán)平均值，減去一個(gè)常數(shù)得到自適應(yīng)閾值，每個(gè)像素點(diǎn)像素值大于閾值的，確定為圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)；1-3輪廓的尋?。涸诓襟E1-2的基礎(chǔ)上，對(duì)圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)進(jìn)行曲線的不斷演化，設(shè)置迭代次數(shù)，可以得到異形沖壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計(jì)算：根據(jù)步驟1-3得到的輪廓曲線C(x,y)將圖像區(qū)域分為兩個(gè)部分，一部分是輪廓曲線內(nèi)部區(qū)域inC(x,y),另一部分是輪廓曲線外部區(qū)域outC(x,y)，對(duì)得到的輪廓曲線內(nèi)部區(qū)域inC(x,y)進(jìn)行積分，即可得到表征輪廓內(nèi)部區(qū)域大小的面積信息，此步驟可計(jì)算得到標(biāo)準(zhǔn)異形沖壓件的面積S0和待檢測(cè)的異形沖壓件的面積Sn，其中，Sn指的是第n個(gè)待檢測(cè)工件的面積，n≥1；2-2輪廓Hu不變矩的計(jì)算：對(duì)于步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點(diǎn)進(jìn)行積分運(yùn)算，得到輪廓Hu不變矩，假設(shè)輪廓上的點(diǎn)個(gè)數(shù)為N，通過(guò)式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x‾)p(y-y‾)qf(x,y);---(3)]]>式中，p對(duì)應(yīng)x維度上的矩，q對(duì)應(yīng)y維度上的矩，和代表輪廓的重心：歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ);---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過(guò)式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過(guò)二階和三階歸一化中心矩構(gòu)造七個(gè)Hu不變矩I1～I(xiàn)7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續(xù)圖像條件下可保持平移、縮放和旋轉(zhuǎn)不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計(jì)算：將步驟2-1得到的標(biāo)準(zhǔn)異形沖壓件的面積S0和待檢測(cè)異形沖壓件的面積Sn作差，得到待檢測(cè)異形沖壓件與標(biāo)準(zhǔn)異形沖壓件的面積差分結(jié)果ΔSn，即：ΔSn＝|S0-Sn|；(8)2-4輪廓匹配率的計(jì)算：根據(jù)步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評(píng)判標(biāo)準(zhǔn)：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標(biāo)準(zhǔn)工件與待檢測(cè)工件的匹配率(以百分比為單位)：I＝100-I(A,B)×100；(12)式中，A，B分別指標(biāo)準(zhǔn)工件與待檢工件；第三步，實(shí)時(shí)檢測(cè)3-1圖像實(shí)時(shí)采集：檢測(cè)系統(tǒng)啟動(dòng)后，控制部分控制承載工件的透明旋轉(zhuǎn)圓盤8以恒定速度逆時(shí)針旋轉(zhuǎn)，當(dāng)工件運(yùn)動(dòng)到有傳感器發(fā)射器和傳感器接收器的對(duì)射位置之間時(shí)，傳感器將采集信號(hào)傳輸給控制部分，進(jìn)而控制承載工件的透明旋轉(zhuǎn)圓盤停止1s，從而能對(duì)工件進(jìn)行靜止拍照；同時(shí)控制部分發(fā)出信號(hào)給智能相機(jī)3，利用智能相機(jī)外觸發(fā)模式觸發(fā)智能相機(jī)實(shí)時(shí)采集工件圖像，調(diào)用模板圖像以進(jìn)行下一步的圖像處理；3-2圖像處理：圖像采集結(jié)束后，通過(guò)計(jì)算機(jī)12進(jìn)行圖像處理，通過(guò)步驟2-4的輪廓匹配率評(píng)判標(biāo)準(zhǔn)，再結(jié)合步驟2-3的面積差分結(jié)果設(shè)定閾值，進(jìn)行匹配檢測(cè)，判斷工件是否合格，并反饋給控制部分；3-3工件分類：經(jīng)過(guò)圖像處理判斷好工件是否合格后，接下來(lái)由外部抓取機(jī)構(gòu)對(duì)工件進(jìn)行抓取，合格工件放入合格庫(kù)，否則放入回收庫(kù)，從而完成了整個(gè)工件缺陷檢測(cè)。圖1所示實(shí)施例表明，本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)所使用的組裝測(cè)試平臺(tái)的硬件組成包括智能相機(jī)3、第一支架1、第二支架2、計(jì)算機(jī)12、控制部分、透明旋轉(zhuǎn)圓盤8、電機(jī)7、傳感器和背部光源4，控制部分控制電機(jī)7的轉(zhuǎn)動(dòng)及智能相機(jī)3的觸發(fā)；由智能相機(jī)3、第一支架1和計(jì)算機(jī)12共同構(gòu)成視覺系統(tǒng)，所述智能相機(jī)3通過(guò)第一支架1固定在透明旋轉(zhuǎn)圓盤8的上方，智能相機(jī)3通過(guò)通信線同時(shí)與計(jì)算機(jī)12和控制部分連接，計(jì)算機(jī)12與控制部分連接，用于顯示智能相機(jī)3采集和處理后的圖像；所述透明旋轉(zhuǎn)圓盤8與電機(jī)7連接，所述背部光源4位于智能相機(jī)3的正下方，且處于透明旋轉(zhuǎn)圓盤8的下方；所述傳感器包括傳感器發(fā)射器5和傳感器接收器6，傳感器接收器6與傳感器發(fā)射器5相對(duì)設(shè)置，并且在同一水平線上，傳感器發(fā)射器5與第二支架2相連，來(lái)固定位置完成信號(hào)的準(zhǔn)確發(fā)送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發(fā)射器5同時(shí)與控制部分連接，二者配合完成沖壓件位置信號(hào)的采集。本實(shí)用新型的控制部分通過(guò)控制電機(jī)7帶動(dòng)透明旋轉(zhuǎn)圓盤8轉(zhuǎn)動(dòng)，透明旋轉(zhuǎn)圓盤8上承載異形沖壓件10，進(jìn)而實(shí)現(xiàn)對(duì)沖壓件10的傳送方向以及速度的控制，同時(shí)傳感器發(fā)射器5與傳感器接收器6輔助采集到的沖壓件10的位置信號(hào)，傳輸給控制部分，控制部分控制智能相機(jī)的觸發(fā)采集，智能相機(jī)3采集到的圖像傳輸給計(jì)算機(jī)12，由計(jì)算機(jī)12進(jìn)行圖像處理，圖像處理完成后控制部分則控制外部抓取機(jī)構(gòu)對(duì)檢測(cè)完成后的異形沖壓件進(jìn)行分類。背部光源4能夠提供照明，使得目標(biāo)與背景之間的對(duì)比度比較明顯，采集的圖像更清晰準(zhǔn)確。圖2所示實(shí)施例表明，本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)在智能相機(jī)3視野下，采集處于不同位置時(shí)的異形沖壓件10的示意圖，由圖示可以看出，由于異形沖壓件存在一定的厚度，當(dāng)沖壓件處于智能相機(jī)3視野下的不同位置處，視場(chǎng)角會(huì)發(fā)生一定的變化，會(huì)因此對(duì)采集的圖像產(chǎn)生一些影響，進(jìn)而影響最終的檢測(cè)效果。圖3為本實(shí)用新型一種實(shí)施例的異形沖壓件的結(jié)構(gòu)示意圖，是實(shí)驗(yàn)所針對(duì)的目標(biāo)對(duì)象，圖4所示實(shí)施例表明，本實(shí)用新型由于傳感器發(fā)射器5和傳感器接收器6的存在，當(dāng)異形沖壓件10到達(dá)智能相機(jī)3的視野下，并且處于傳感器位置時(shí)，采集信號(hào)并傳輸給控制部分，控制觸發(fā)智能相機(jī)3采集圖像，這樣的方式使得沖壓件在智能相機(jī)3的視野大體范圍一致，不會(huì)發(fā)生很大的偏移，進(jìn)而減少了沖壓件所處的位置對(duì)檢測(cè)輪廓缺陷的影響，提高了檢測(cè)的可靠性。圖5所示實(shí)施例表明，本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)，在提取輪廓前加入強(qiáng)噪聲，得到的輪廓效果示意圖，圖中黑色斑點(diǎn)示意為噪聲，從圖中可以看出在加入強(qiáng)噪聲后仍然能準(zhǔn)確地提取異形沖壓件的輪廓圖像，本實(shí)用新型輪廓提取的算法不依賴于圖像的梯度，有很強(qiáng)的抗噪聲、抗干擾能力，魯棒性強(qiáng)，輪廓提取更加準(zhǔn)確。本實(shí)用新型可以根據(jù)工件的大小，以及占智能相機(jī)視野的大小，調(diào)整鏡頭的大小以及相機(jī)的物距。實(shí)施例本實(shí)施例基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)包括智能相機(jī)3、第一支架1、第二支架2、計(jì)算機(jī)12、控制部分、透明旋轉(zhuǎn)圓盤8、電機(jī)7、傳感器和背部光源4，控制部分控制電機(jī)7的轉(zhuǎn)動(dòng)及智能相機(jī)3的觸發(fā)；由智能相機(jī)3、第一支架1和計(jì)算機(jī)12共同構(gòu)成視覺系統(tǒng)，所述智能相機(jī)3通過(guò)第一支架1固定在透明旋轉(zhuǎn)圓盤8的上方，智能相機(jī)3通過(guò)通信線同時(shí)與計(jì)算機(jī)12和控制部分連接，計(jì)算機(jī)12與控制部分連接，用于顯示智能相機(jī)3采集和處理后的圖像；所述透明旋轉(zhuǎn)圓盤8與電機(jī)7連接，所述背部光源4位于智能相機(jī)3的正下方，且處于透明旋轉(zhuǎn)圓盤8的下方；所述傳感器包括傳感器發(fā)射器5和傳感器接收器6，傳感器接收器6與傳感器發(fā)射器5相對(duì)設(shè)置，并且在同一水平線上，傳感器發(fā)射器5與第二支架2相連，來(lái)固定位置完成信號(hào)的準(zhǔn)確發(fā)送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發(fā)射器5同時(shí)與控制部分連接，二者配合完成沖壓件位置信號(hào)的采集。本實(shí)施例基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)方法，使用上述的檢測(cè)系統(tǒng)，該方法的具體步驟是：第一步，圖像處理1-1圖像獲?。和ㄟ^(guò)智能相機(jī)3獲取對(duì)比度明顯的異形沖壓件圖像；1-2圖像閾值自適應(yīng)分割：在步驟1-1的基礎(chǔ)上，對(duì)于采集到的圖像計(jì)算每個(gè)像素點(diǎn)周圍5×5區(qū)域的加權(quán)平均值，減去一個(gè)常數(shù)得到自適應(yīng)閾值，每個(gè)像素點(diǎn)像素值大于閾值的，確定為圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)；1-3輪廓的尋?。涸诓襟E1-2的基礎(chǔ)上，對(duì)圖像中感興趣目標(biāo)對(duì)象異形沖壓件的有效點(diǎn)進(jìn)行曲線的不斷演化，設(shè)置迭代次數(shù)，可以得到異形沖壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計(jì)算：根據(jù)步驟1-3得到的輪廓曲線C(x,y)將圖像區(qū)域分為兩個(gè)部分，一部分是輪廓曲線內(nèi)部區(qū)域inC(x,y),另一部分是輪廓曲線外部區(qū)域outC(x,y)，對(duì)得到的輪廓曲線內(nèi)部區(qū)域inC(x,y)進(jìn)行積分，即可得到表征輪廓內(nèi)部區(qū)域大小的面積信息，此步驟可計(jì)算得到標(biāo)準(zhǔn)異形沖壓件的面積S0和待檢測(cè)的異形沖壓件的面積Sn，其中，Sn指的是第n個(gè)待檢測(cè)工件的面積，n≥1；所述輪廓內(nèi)部區(qū)域面積的計(jì)算公式為式(1)：S＝∫inC(x,y)u(x,y)dxdy；(1)其中，u(x,y)為圖像經(jīng)過(guò)閾值自適應(yīng)分割處理后提取出的輪廓曲線密度函數(shù)；2-2輪廓Hu不變矩的計(jì)算：對(duì)于步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點(diǎn)進(jìn)行積分運(yùn)算，得到輪廓Hu不變矩，假設(shè)輪廓上的點(diǎn)個(gè)數(shù)為N，則可以得到輪廓的p+q階矩，如式：mpq=Σi=1Nxpyqu(x,y);---(2)]]>通過(guò)式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x‾)p(y-y‾)qu(x,y);---(3)]]>式中，p對(duì)應(yīng)x維度上的矩，q對(duì)應(yīng)y維度上的矩，和代表輪廓的重心：x‾=m10/m00;---(4)]]>y‾=m01/m00;---(5)]]>歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ);---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過(guò)式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過(guò)二階和三階歸一化中心矩構(gòu)造七個(gè)Hu不變矩I1～I(xiàn)7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續(xù)圖像條件下可保持平移、縮放和旋轉(zhuǎn)不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計(jì)算：將步驟2-1得到的標(biāo)準(zhǔn)異形沖壓件的面積Sb0和待檢測(cè)異形沖壓件的面積Sn作差，得到待檢測(cè)異形沖壓件與標(biāo)準(zhǔn)異形沖壓件的面積差分結(jié)果ΔSbn，即：ΔSbn＝|Sb0-Sn|；(8)當(dāng)?shù)趎個(gè)待檢測(cè)異形沖壓件與b個(gè)標(biāo)準(zhǔn)異形沖壓件的面積差分結(jié)果ΔSbn中，只要存在一個(gè)參數(shù)值在閾值范圍內(nèi)，即ΔSbn＜yuzhi，就判定該待檢測(cè)異形沖壓件為合格產(chǎn)品；其中，Sb0指的是第b標(biāo)準(zhǔn)異形沖壓件的面積，Sn指的是第n個(gè)待檢測(cè)工件的面積，本實(shí)施例中b為4，n為5；2-4輪廓匹配率的計(jì)算：根據(jù)步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評(píng)判標(biāo)準(zhǔn)：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標(biāo)準(zhǔn)工件與待檢測(cè)工件的匹配率(以百分比為單位)：Ikl＝100-I(Ak,Bl)×100；(12)式中，Ak，Bl分別指第k標(biāo)準(zhǔn)工件與第l個(gè)待檢工件；第三步，實(shí)時(shí)檢測(cè)3-1圖像實(shí)時(shí)采集：檢測(cè)系統(tǒng)啟動(dòng)后，控制部分控制承載工件的透明旋轉(zhuǎn)圓盤8以恒定速度逆時(shí)針旋轉(zhuǎn)，當(dāng)工件運(yùn)動(dòng)到有傳感器發(fā)射器和傳感器接收器的對(duì)射位置之間時(shí)，傳感器將采集信號(hào)傳輸給控制部分，進(jìn)而控制承載工件的透明旋轉(zhuǎn)圓盤停止1s，從而能對(duì)工件進(jìn)行靜止拍照；同時(shí)控制部分發(fā)出信號(hào)給智能相機(jī)3，利用智能相機(jī)外觸發(fā)模式觸發(fā)智能相機(jī)實(shí)時(shí)采集工件圖像，調(diào)用模板圖像以進(jìn)行下一步的圖像處理；3-2圖像處理：圖像采集結(jié)束后，通過(guò)計(jì)算機(jī)12進(jìn)行圖像處理，通過(guò)步驟2-4的輪廓匹配率評(píng)判標(biāo)準(zhǔn)，再結(jié)合步驟2-3的面積差分結(jié)果設(shè)定閾值，進(jìn)行匹配檢測(cè)，判斷工件是否合格，并反饋給控制部分；3-3工件分類：經(jīng)過(guò)圖像處理判斷好工件是否合格后，接下來(lái)由外部抓取機(jī)構(gòu)對(duì)工件進(jìn)行抓取，合格工件放入合格庫(kù)，否則放入回收庫(kù)，從而完成了整個(gè)工件缺陷檢測(cè)。本實(shí)施例按要求連接好裝置，選擇異形沖壓件厚度為4mm，尺寸大小為43mm×45mm(參見圖3)。智能相機(jī)距離透明旋轉(zhuǎn)圓盤300mm，背部光源4位于智能相機(jī)3的正下方，且處于透明旋轉(zhuǎn)圓盤8的下方，距離明旋轉(zhuǎn)圓盤20mm左右，在使用時(shí)，首先打開智能相機(jī)電源，在與檢測(cè)過(guò)程中相同環(huán)境下，采集智能相機(jī)視野下不同位姿的標(biāo)準(zhǔn)異形沖壓件圖像作為模板，為接下來(lái)的匹配檢測(cè)做前提準(zhǔn)備。按照上述的方法步驟進(jìn)行檢測(cè)。表1為在異形沖壓件10出現(xiàn)在智能相機(jī)3的范圍大體一致的情況下，對(duì)同一個(gè)標(biāo)準(zhǔn)異形沖壓件進(jìn)行旋轉(zhuǎn)，得到標(biāo)準(zhǔn)異形沖壓件處于不同位姿的情況，對(duì)于不同位姿情況下的標(biāo)準(zhǔn)異形沖壓件進(jìn)行圖像采集，采集到的不同位姿的面積。本實(shí)例通過(guò)四個(gè)位姿進(jìn)行實(shí)驗(yàn)，得到面積結(jié)果，從表1中可以看出不同姿態(tài)圖像對(duì)應(yīng)的面積存在一定差值，若標(biāo)準(zhǔn)異形沖壓件與沒有缺陷的異形沖壓件位姿不同，面積差值也可能會(huì)大于某些情況下標(biāo)準(zhǔn)異形沖壓件與有缺陷的異形沖壓件的面積差值，會(huì)導(dǎo)致誤判，由于工業(yè)檢測(cè)精度的要求，不能單獨(dú)通過(guò)設(shè)定面積差分匹配的閾值作為很準(zhǔn)確的判斷缺陷問(wèn)題的標(biāo)準(zhǔn)。表2為在異形沖壓件10出現(xiàn)在智能相機(jī)3的范圍大體一致的情況下，對(duì)于標(biāo)準(zhǔn)異形沖壓件不同位姿進(jìn)行圖像采集，得到的Hu不變矩參數(shù)結(jié)果。結(jié)果表明不同姿態(tài)圖像對(duì)應(yīng)的Hu不變矩參數(shù)I1～I(xiàn)7變化不大，再次證明Hu不變矩的魯棒性，減少了位姿不同對(duì)于檢測(cè)結(jié)果的影響，為了準(zhǔn)確地識(shí)別異形沖壓件10的缺陷，匹配結(jié)果可通過(guò)得到每一個(gè)待檢測(cè)異形沖壓件的Hu矩參數(shù)與每一個(gè)標(biāo)準(zhǔn)異形沖壓件10做比較來(lái)判斷，并且結(jié)合每一個(gè)待檢測(cè)異形沖壓件的如表1所示的面積特征與每一個(gè)標(biāo)異形沖壓件進(jìn)行面積差分匹配。表3為應(yīng)用本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)及方法，得到的兩個(gè)合格工件和三個(gè)有缺陷的工件分別與標(biāo)準(zhǔn)異形沖壓件的面積差分結(jié)果。此表中選擇四個(gè)標(biāo)準(zhǔn)異形沖壓件作為面積差分模板，分別記為：模板1、模板2、模板3和模板4，通過(guò)結(jié)果可以看出合格工件與有缺陷的工件對(duì)于多個(gè)標(biāo)準(zhǔn)工件面積差分結(jié)果ΔSbn，其中b為標(biāo)準(zhǔn)工件的個(gè)數(shù)，n為待檢測(cè)工件的個(gè)數(shù)，可以看出合格品與標(biāo)準(zhǔn)異形沖壓件模板的面積差分結(jié)果，跟有缺陷的異形沖壓件與標(biāo)準(zhǔn)異形沖壓件模板的面積差分結(jié)果差距還是很大的，根據(jù)差分結(jié)果設(shè)定面積差分匹配閾值。每一個(gè)待檢測(cè)異形沖壓件，相對(duì)于不同模板，面積差分結(jié)果不同，選擇面積差分結(jié)果最小值ΔSmin，若小于閾值則證明待檢測(cè)異形沖壓件至少與其中一個(gè)模板匹配，就可以初步判斷待檢測(cè)異形沖壓件為沒有缺陷的，這樣可以初步判斷待檢測(cè)工件的缺陷情況。表4為應(yīng)用本實(shí)用新型基于匹配的異形沖壓件輪廓缺陷視覺檢測(cè)系統(tǒng)，兩個(gè)合格工件與三個(gè)有缺陷的工件Hu匹配結(jié)果。結(jié)果表明合格工件匹配率Ibj很高，在99％以上，這與有缺陷的工件配率(最高僅為90％左右)有明顯的區(qū)分，設(shè)定工件匹配率閾值，只要待檢測(cè)異形沖壓件與每個(gè)標(biāo)準(zhǔn)異形沖壓件模板的配率中，有大于設(shè)定的閾值的就可以判斷待檢測(cè)異形沖壓件為沒有缺陷的，人機(jī)交互界面顯示匹配率中最大的匹配率Imax(即最終匹配率)，結(jié)合表3的結(jié)果以及判斷，顯示最大的匹配率Imax，能夠準(zhǔn)確檢測(cè)出占整個(gè)工件面積的0.5％以上的缺陷，提高了檢測(cè)精度，能夠滿足實(shí)際現(xiàn)場(chǎng)中缺陷檢測(cè)的準(zhǔn)確性要求。表1表2表3表4當(dāng)前第1頁(yè)1 2 3