CN102353680A - 小型工件表面缺陷的评估方法以及检测不合格工件的流程 - Google Patents

Abstract

本发明公开了一种小型工件表面缺陷的评估方法，该方法利用工业相机在特定光源下采集小型工件表面图像，基于图像处理及轮廓分析的方法检测小型工件的缺角、掉边、异形、麻坑、裂纹等多种缺陷，然后采用凸缺陷评估参数，以及凸缺陷评估参数与直线度评估参数相结合的方法评估小型工件的缺角、掉边等缺陷的严重程度与多少程度，采用基于直方图统计和麻坑像素所占比例的阈值分割方法评估麻坑与裂纹缺陷的程度。基于该评估，本发明还提供了一种检测表面不合格工件的流程，其误检率低且速度快，能够满足小型工件的在线检测要求，并且应用范围广泛，适用于各种小型工件的表面缺陷检测问题。

Description

小型工件表面缺陷的评估方法以及检测不合格工件的流程

技术领域

本发明涉及小型工件表面缺陷技术领域，尤其涉及一种小型工件表面缺陷的评估方法以及利用该评估方法检测表面不合格工件的流程。

背景技术

表面缺陷是影响小型工件表面质量的一个重要因素，直接影响着最终产品的外观和使用性能。例如，小型的永磁体工件的表面缺陷一方面影响到磁性材料用户关注的永磁材料的表磁分布和磁性能均匀性等特性，另一方面主要影响着永磁材料的耐腐蚀性这一决定磁体寿命的重要特性。小型的机械零部件的表面缺陷则严重影响着其力学性能和产品的外观。

目前，对于表面缺陷的检测，国内外已具备了很多种方法，如：人工目测法、激光超声检测法，涡流检测技术及光电检测技术等。但是，上述检测方法中大部分存在不足之处而不能在工业中推广应用，例如：人工目测法存在检测效率低、检测质量受人的因素的影响较大，以及会增加成本等不足；激光超声检测法由于原理限制主要应用于超微裂纹的缺陷检测，难以评估具有多种缺陷的工件；涡流检测技术适用于大型板材的检测。

因此，设计一种对存在缺角、掉边、裂纹、麻坑、异形等多种表面缺陷的小型工件进行缺陷检测和评估的方法具有重要的应用价值。

发明内容

本发明的技术目的针对现有技术中关于小型工件表面缺陷检测方法的不足，提供一种小型工件表面缺陷评估的新方法，以及利用该评估方法检测表面不合格工件的流程，尤其适用于存在缺角、掉边、裂纹、麻坑、异形等多种缺陷的小型工件。

本发明实现上述技术目的所采用的技术方案为：一种小型工件表面缺陷的评估方法，包括如下步骤：

步骤1：采用工业相机在特定光源下采集小型工件表面图像，并进行中值滤波处理，然后采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行阈值分割，得到二值图像；

步骤2：对二值图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似，然后根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到工件的轮廓信息以及定位后的掩膜图像；

步骤3：缺角、掉边和异形三种缺陷反映在工件的轮廓上面，麻坑和裂纹两种缺陷位于工件表面内部，根据以下方法进行工件表面缺陷的评估：

(1)对于轮廓上缺角或掉边的严重程度，采用凸缺陷评估：

给出凸缺陷评估参数，根据工件的轮廓信息，检测轮廓的凸缺陷，得到深度最大的凸缺陷的位置和深度信息，深度的大小反映缺角或掉边缺陷大小的严重程度；

(2)对于轮廓上缺角或掉边较多，而每一个凸缺陷的深度都不是很大的情况，采用凸缺陷与直线度相结合评估：

给出直线度评估参数，根据工件的轮廓上最大深度的凸缺陷位置信息，去掉该凸缺陷的邻域，对余下的每一条边进行最小二乘法直线拟合，然后计算直线度误差，直线度误差的大小反映缺角或/和掉边缺陷多少的严重程度；

(3)对于异形缺陷的严重程度，采用对边平行度评估：

给出对边平行度评估参数，根据工件的轮廓信息，计算对边的夹角，即对边平行度夹角，该对边平行度夹角的大小反映异形缺陷的大小程度；

(4)对于麻坑和裂纹两种缺陷，采用基于直方图统计和麻坑像素所占比例的阈值分割方法评估：

首先，根据掩膜图像，计算感兴趣区域的直方图，得到小型工件表面区域的直方图统计和总像素数s；

然后，根据用户对麻坑大小的要求，换算出麻坑所占的像素数m；

其次，根据直方图统计，计算出像素数所占比例为m/s的最佳分割阈值T，该最佳分割阈值T满足：

$\underset{T}{\arg \min }|\underset{t=0}{\overset{T}{\mathrm{\Σ}}}h\left(t\right)-m/s|,$ 其中，h(t)为感兴趣区域的直方图统计密度函数；

最后，对感兴趣区域进行阈值分割，并对每个分割区域进行轮廓检测、计算轮廓面积计算，即为分割区域轮廓面积，该分割区域轮廓面积的大小反映麻坑的大小程度；计算分割区域轮廓的包围矩形，得到包围矩形的长度L、宽度W，该包围矩形的长度L和长度与宽度的比值L/W参数反映裂纹的情况。

本发明设计和实现了一种小型工件表面缺陷的评估方法，该方法利用工业相机在特定光源下采集小型工件表面图像，基于图像处理及轮廓分析的方法检测小型工件的缺角、掉边、异形、麻坑、裂纹等多种缺陷，然后采用凸缺陷评估参数，以及凸缺陷评估参数与直线度评估参数相结合的方法评估小型工件的缺角、掉边等缺陷的严重程度与多少程度，采用基于直方图统计和麻坑像素所占比例的阈值分割方法评估麻坑与裂纹缺陷的程度。因此，本发明巧妙地提出了对缺陷评估和检测的参数，对于工件产品不同的缺陷要求，用户可以通过调节这些参数来实现。

基于上述小型工件表面缺陷的评估方法，本发明还提供了一种检测表面不合格工件的流程，具体步骤为：

步骤1：采用工业相机在特定光源下采集小型工件表面图像，并进行中值滤波处理，然后采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行阈值分割，得到二值图像；

步骤2：对二值图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似，然后根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到工件的轮廓信息以及定位后的掩膜图像；

步骤3：设置工件表面最大凸缺陷深度阈值、直线度误差阈值、对边平行度夹角阈值，以及分割区域轮廓面积、轮廓的长度和长宽比阈值；

步骤4：对工件轮廓进行凸缺陷评估、直线度评估和对边平行度评估，对工件表面内部进行分割区域轮廓面积评估；将得到的表面最大凸缺陷深度、直线度误差、对边平行度夹角以及分割区域轮廓面积与所设置的相应的阈值进行比较，若其中任一值大于所设置的相应的阈值，则该工件为表面不合格产品，当所有值均小于所设置的相应的阈值时，该工件为表面合格产品。

本发明提供的上述检测表面不合格工件的检测方法误检率低且速度快，能够满足小型工件的在线检测要求，解决了现有技术中关于小型工件表面缺陷检测方法的不足，并且该检测方法应用范围广泛，适用于各种小型工件的表面缺陷检测问题。

附图说明

图1a至图1e分别为小型工件表面的缺角、掉边、异形、麻坑和裂纹缺陷示意图；

图2是本发明小型工件轮廓上缺角或掉边的凸缺陷的检测结果图；

图3是本发明实施例1中小型工件表面不合格产品的一种检测流程图。

具体实施方式，

以下结合附图实施例对本发明作进一步详细说明，需要指出的是，以下所述实施例例旨在便于对本发明的理解，而对其不起任何限定作用。

图2中的附图标记为：外轮廓1、起始点2、终止点3、凸缺陷4。

实施例1：

小型工件的表面缺陷类型如图1所示，图1a至图1e分别为缺角、掉边、异形、麻坑和裂纹5种缺陷类型示意图。

图2是上述小型工件表面缺陷的评估方法，具体包括如下步骤：

步骤1：在同轴光源下，采用工业相机摄取小型工件表面灰度图像，该工件表面尺寸为4mm×3.5mm，灰度图像的分辨率为640×512，选取5×5模板对灰度图像进行中值平滑滤波，得到滤波后图像；为了定位工件表面区域，采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行阈值分割，这是一种自适应的阈值确定方法，根据图像的灰度特性，将图像分成背景和目标两部分，得到二值图像；

步骤2：首先，对二值图像进行模板为3×3的膨胀操作，去除轮廓部分的噪声；其次，对膨胀后的图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似；最后，根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足该面积、内角阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到小型工件的轮廓信息以及定位后的掩膜图像；

步骤3：小型工件的缺角、掉边和异形三种缺陷会反映在工件的轮廓上面，麻坑和裂纹两种缺陷位于工件表面内部，根据以下方法进行工件表面缺陷的评估：

(1)对于轮廓上缺角或掉边的严重程度，采用凸缺陷评估：

在小型工件加工过程中容易形成缺角或掉边，图2是本发明小型工件轮廓上缺角或掉边的严重程度的检测结果图。

如图2示，首先，由步骤2得到的小型工件的轮廓信息，计算轮廓的凸包以及凸包的凸缺陷，得到凸包上每个凸缺陷距离凸包的边最远的点，以及该点与该缺陷有关的凸包边的距离D。图2中，左侧图为工件表面灰度图像，右侧图为相应的凸缺陷检测结果图，右侧图中的线条为小型工件的外轮廓1，外轮廓1上形成具有最大深度D的凸缺陷4，点2和点3分别为凸缺陷4的起始点和终止点。显然，深度D的大小反映了缺角或掉边的严重程度。

在进行小型工件表面检测时，首先设置工件表面最大凸缺陷深度的阈值，如果由上述轮廓上缺角或掉边严重程度的评估方法得出的凸缺陷深度大于相应设置的阈值时，便判定为该工件表面存在缺角或者掉边缺陷，为不合格产品。

(2)对于轮廓上缺角或掉边较多，而每一个凸缺陷的深度都不是很大的情况，采用凸缺陷与直线度相结合评估：

在小型工件加工过程中，尤其是在切割加工工艺中，容易形成碎边，即轮廓上缺角或掉边数量较多，而每一个凸缺陷的深度都在上述(1)中所述的最大凸缺陷深度的阈值范围内时，给出直线度评估参数，采用直线度误差来评估此类缺角或掉边缺陷多少的严重程度。

如图2示，首先，外轮廓1形成近似四边形，去掉四边形顶点邻域n1个点，以去除顶点的倒角引入的直线度误差；然后，去除四边形边上最大凸缺陷邻域n2个点，以去除单一缺角或掉边引入的计算误差；接着，对余下的点进行最小二乘法直线拟合；最后，根据拟合直线的结果，计算直线度误差值，该误差值的大小反映缺角或/和掉边缺陷多少的严重程度；

在进行小型工件表面检测时，首先设置直线度误差阈值，如果由上述轮廓上缺角或/和掉边缺陷多少的评估方法得出的直线度误差值大于相应设置的直线度误差阈值时，便判定为该工件表面缺角或/和掉边较多，为不合格产品。

(3)对于异形缺陷的程度，采用对边平行度评估：

在小型工件加工过程中容易形成异性缺陷，对于异形缺陷的严重程度，给出对边平行度评估参数，根据步骤2中对所有外轮廓进行四边形近似时得到的近似四边形的4个顶点，计算对边的夹角，即对边平行度夹角。理论上对边平行，该对边平行度夹角为0，夹角越大则平行度越差，对边平行度夹角的大小反映异形缺陷的大小程度。

在进行小型工件表面检测时，首先设置对边平行度夹角的阈值，如果由上述异形缺陷的严重程度的评估方法得出的对边平行度夹角的大小大于相应设置的对边平行度夹角的阈值时，便判定为该工件表面存在异形缺陷，为不合格产品。

(4)对于麻坑和裂纹两种缺陷，采用基于直方图统计和麻坑像素所占比例的阈值分割方法评估：

小型工件的麻坑和裂纹两种缺陷位于工件表面内部。麻坑大小的缺陷判定由用户决定，即麻坑面积大于一定阈值，才被认定为麻坑缺陷，基于此，设计了以下方法来检测麻坑。

首先，根据掩膜图像，计算感兴趣区域的直方图，得到小型工件表面区域的直方图统计和总像素个数s；

其次，根据用户对麻坑大小的要求，换算出麻坑所占的像素数m，这可以通过统计标准样品的图像得到；

再次，设图像分割阈值为T，满足

$\underset{T}{\arg \min }|\underset{t=0}{\overset{T}{\mathrm{\Σ}}}h\left(t\right)-m/s|$

其中，h(t)为感兴趣区域的直方图统计密度函数，计算满足上式的T值，即为图像的最佳分割阈值；

最后，利用最佳分割阈值对感兴趣区域部分进行阈值分割，并实施轮廓检测，对于每一个轮廓进行面积计算，即为分割区域轮廓面积。

在进行小型工件表面检测时，首先设置该分割区域轮廓面积的阈值。采用上述最佳分割阈值T经过分割后，对于合格品，不会形成较大的连通域，只有存在麻坑缺陷的产品表面，分割后会形成较大面积的连通域。如果存在分割区域轮廓面积大于相应设置的分割区域轮廓面积的阈值，则判定为存在麻坑缺陷，反之，不存在。

对于裂纹缺陷，计算分割区域轮廓的包围矩形，得到包围矩形的长度L、宽度W，该包围矩形的长度L和长度与宽度的比值L/W参数反映裂纹的情况。根据包围矩形的长度L和长度与宽度的比值L/W参数进行检测和评估。

基于上述小型工件表面缺陷的评估方法，本实施例提出一种检测表面不合格工件的流程图，如图3所示。

步骤1：首先，采用工业相机在特定光源下采集小型工件表面图像，并进行中值滤波平滑处理；其次，采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行图像分割，得到二值图像；

步骤2：对二值图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似，然后根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到工件的轮廓信息以及定位后的掩膜图像；

步骤3：设置工件表面最大凸缺陷深度阈值、直线度误差阈值、对边平行度夹角阈值，以及分割区域轮廓面积、轮廓的长度和长宽比阈值；

步骤4：对工件轮廓进行凸缺陷评估、直线度评估和对边平行度评估来检测缺角、掉边和异形等缺陷，将得到的表面最大凸缺陷深度、直线度误差、对边平行度夹角与所设置的相应的阈值进行比较，若其中任一值大于所设置的相应的阈值，则该工件为表面不合格产品，流程结束，反之，计算感兴趣区域直方图，并根据麻坑所占像素数进行图像分割，来评估麻坑和裂纹缺陷，将得到的分割区域轮廓面积、轮廓的长度和长宽比与所设置的相应的阈值进行比较，若其中任一值大于所设置的相应的阈值，则该工件为表面不合格产品，流程结束，反之，产品为合格的。

以上实施例对本发明的技术方案进行了详细说明，应理解的是该实施例仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种小型工件表面缺陷的评估方法，其特征是：包括如下步骤：

步骤1：采用工业相机在特定光源下采集小型工件表面图像，并进行中值滤波处理，然后采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行阈值分割，得到二值图像；

步骤2：对二值图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似，然后根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到工件的轮廓信息以及定位后的掩膜图像；

步骤3：缺角、掉边和异形三种缺陷反映在工件的轮廓上面，麻坑和裂纹两种缺陷位于工件表面内部，根据以下方法进行工件表面缺陷的评估：

(1)对于轮廓上缺角或掉边的严重程度，采用凸缺陷评估：

给出凸缺陷评估参数，根据工件的轮廓信息，检测轮廓的凸缺陷，得到深度最大和次大的凸缺陷的位置和深度信息，深度的大小反映缺角或掉边缺陷大小的严重程度；

(2)对于轮廓上缺角或掉边较多，而每一个凸缺陷的深度都不是很大的情况，采用凸缺陷与直线度相结合评估：

给出直线度评估参数，根据工件的轮廓上最大深度的凸缺陷位置信息，去掉该凸缺陷的邻域，对余下的每一条边进行最小二乘法直线拟合，然后计算直线度误差，直线度误差的大小反映缺角或掉边缺陷多少的严重程度；

(3)对于异形缺陷的严重程度，采用对边平行度评估：

给出对边平行度评估参数，根据工件的轮廓信息，计算对边的夹角，即为对边平行度夹角，该对边平行度夹角的大小反映异形缺陷的大小程度；

(4)对于麻坑和裂纹两种缺陷，采用基于直方图统计和麻坑像素所占比例的阈值分割方法评估：

首先，根据掩膜图像，计算感兴趣区域的直方图，得到小型工件表面区域的直方图统计和总像素数s；

然后，根据用户对麻坑大小的要求，换算出麻坑所占的像素数m；

其次，根据直方图统计，计算出像素数所占比例为m/s的最佳分割阈值T，该最佳分割阈值T满足公式：

$\underset{T}{\arg \min }|\underset{t=0}{\overset{T}{\mathrm{\Σ}}}h\left(t\right)-m/s|,$ 其中，h(t)为感兴趣区域的直方图统计密度函数；

最后，对感兴趣区域进行阈值分割，并对每个分割区域进行轮廓检测、计算轮廓面积计算，即为分割区域轮廓面积，该分割区域轮廓面积的大小反映麻坑的大小程度，计算分割区域轮廓的包围矩形，该包围矩形的长度和长度与宽度的比值参数反映裂纹的情况。

2.利用权利要求1所述的小型工件表面缺陷的评估方法检测工件表面不合格产品的流程，其特征是：包括如下步骤：

步骤1：采用工业相机在特定光源下采集小型工件表面图像，并进行中值滤波处理，然后采用最大类间方差法计算图像分割的最佳阈值，对滤波后的图像进行阈值分割，得到二值图像；

步骤2：对二值图像进行轮廓检测，得到所有外轮廓，对所有外轮廓进行多边形近似，然后根据小型工件的形状特征，设置一定的面积、内角阈值，标记并提取满足阈值且具有凸性特征的轮廓，达到定位小型工件的目的，得到工件的轮廓信息以及定位后的掩膜图像；

步骤3：设置工件表面最大凸缺陷深度阈值、直线度误差阈值、对边平行度夹角阈值，以及分割区域轮廓面积的阈值；

步骤4：对工件轮廓进行凸缺陷评估、直线度评估和对边平行度评估，对工件表面内部进行分割区域轮廓面积评估；将得到的表面最大凸缺陷深度、直线度误差、对边平行度夹角以及分割区域轮廓面积与所设置的相应的阈值进行比较，若其中任一值大于所设置的相应的阈值，则该工件为表面不合格产品，当所有值均小于所设置的相应的阈值时，该工件为表面合格产品。

Images