[发明专利]基于机器视觉的磁瓦表面缺陷自动检测方法与装置

说明书

技术领域

本发明涉及一种基于机器视觉的磁瓦表面缺陷自动检测方法与装置，具体涉及磁瓦表面缺陷自动检测方法。 

技术背景

磁瓦是电动机中的重要组成部件，其质量的好坏直接决定电动机的性能，对于存在表面缺陷的磁瓦磁瓦必须在检测时予以剔除。由于瓷瓦磁瓦本身缺陷(包括裂纹、崩烂、倒角不合格、欠磨、起级、污渍等)的多样性、复杂性等特点导致对其检测方法的研究一直以来没有得到实质性的进展，目前很多生产磁瓦磁瓦的厂家主要还是以人工目视检测为主，这种检测方法由于存在精度差、效率低、接触式等缺点，而无法满足现代化生产作业的需要。 

发明内容

针对以上技术的不足，本发明的目的在于提供一种高精度、高效率、非接触基于机器视觉技术的磁瓦表面缺陷自动检测的方法及其装置。 

为实现上述技术目的，本发明采用以下技术方案： 

基于机器视觉的磁瓦表面缺陷自动检测方法，包括以下步骤： 

(1)将被检测磁瓦置于传送带上； 

(2)启动CCD图像采集装置，采集磁瓦表面图像并传送至图像处理单元； 

(3)图像处理单元将(2)中采集的图像经图像滤波、图像分割、后形态学处 理、边缘检测等处理后，将处理结果传输至缺陷检测单元。 

(4)将(3)中图像处理结果经特征提取，转化为一维数字信号； 

(5)将(4)所得结果经概率模式识别单元训练和测试后，将磁瓦表面质量分为良好磁瓦和缺陷磁瓦两类，以达到缺陷检测的目的。 

附图说明

磁瓦表面缺陷自动检测系统以PC为中心，结合数据采集和智能控制系统。主要由光源部件、图像采集卡、PLC控制器部件和图像处理与识别软件系统构成，详细系统总体结构如图1所示。 

对由CCD采集的缺陷图像由于存在大量的噪声，所以必须进行预处理，首先是滤波处理，接下来进行阈值分割得到二值化后的图像；在二值化的基础上进行数学形态学的腐蚀运算，后经边缘检测得到清晰的缺陷边缘轮廓和缺陷区域；通过对缺陷图像进行面积特征标定，然后采用概率Harr-like模式识别方法对缺陷图像进行分类，最后输出缺陷报告，详细检测流程如图2所示。 

具体实施方式

将CCD图像采集卡采集的数字以二维矩阵形式存储为图像文件，然后图像处理单元采用中值和均值相结合的自适应中值滤波算法对采集的图像进行滤波处理，主要滤除冲激噪声和高斯噪声，经滤波后的图像再经基于灰度直方图双峰特性阈值分割并二值化处理，在二值化的基础上选用2×3矩形结构元素进行数学形态学的腐蚀运算，再经Roberts算子 边缘检测得到清晰的缺陷边缘轮廓和缺陷区域，经基于像素的面积特征标定，得到其面积特征，特征数据输入经过Harr-like模式识别算法训练后的模式识别单元，得到良好磁瓦和缺陷磁瓦两种分类，最后输出缺陷检测报告。 

对上述检测方法与人工目视检测方法对比试验如下： 

随机选取50个工件，由5位检测人员分别检测，合格标识为1，不合格为0。检测的平均值可以体现检测人员对该功能面质量的认可程度。自动检测的结果按等级给出。表1给出了前10个工件的检测结果，详细对比结果如表1所示。 

表1 本发明的检测方法与人工目视检测方法结果对比表