[发明专利]一种用于工件破损率的检测方法

说明书

本发明涉及一种检测方法，尤其是涉及一种用于工件破损率的检测方法。本发明通过区域距离变换计算破损区域每个像素点到区域边缘的距离，有效的避开了铜渣、毛刺等缺陷的影响。提高了计算精度；本发明根据采集到的图片，在考虑线路毛刺、铜渣等基础上，自动进行区域分割，自动逐像素计算距离，自动计算破损率；在线检测时，根据骨架上点到边缘的距离与标准线宽比较计算破损率。该检测过程具备计算简单、计算时间短，精度高等特点。

技术领域

本发明涉及一种检测方法，尤其是涉及一种用于工件破损率的检测方法。

背景技术

在工件板制作过程中，因腐蚀不均匀等原因导致工件破损，破损程度决定了该工件板是否属于合格品。计算破损率主要有区域面积法，区域个数法等算法，当工件板上存在毛刺、铜渣等因素时，采用上述算法计算工件破损率比实际破损率相差较大，无法满足检测要求。

工件板在加工过程中，由于多种原因导致工件不同程度的破损。

目前多数厂家使用AOI光学检测方式，该方法一般只能检测工件的一些比较明显的缺陷，无法对工件边缘毛刺等细微的缺陷进行检测，检测速度相对较慢。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种用于工件破损率的检测方法，其特征在于，包括：

步骤1、采集模板工件图像Image1和待测工件图像Image2，Image1和Image2是通过灰度相机采集得到，所以两幅图像为单通道灰度图像，设定灰度阈值范围(0，128)对图像进行阈值分割预处理得到阈值后的二值图，其中工件区域像素点灰度值为255，背景区域像素点灰度值为0。模板工件图像Image1与待测工件图像Image2已对齐校正完成。

步骤2、根据下面公式计算图像预处理后的Image1图像工件区域骨架m，设骨架上每个像素点为(x_sk,y_sk)。

其中S(A)表示为集合A上的骨架，S_k(A)为骨架子集

步骤3、根据公式1计算Image1工件区域内像素点到该点距离最近的背景像素点的距离最小值S，

其中(x₁,y₁)为工件区域像素点，(x₂,y₂)为背景区域像素点

步骤4、令Image1中像素点(x₁,y₁)的灰度值为S，

步骤5、重复步骤3到步骤4，直到工件区域内所有像素点计算完成，得到新的灰度图像Image3；

步骤6,对于待测工件上A区域处一缺陷，将区域A边缘所有像素点坐标代入Image3中，得到缺陷边界上每个像素点到工件边缘的距离序列(每个像素点对应各自到工件边缘距离)，找到最大值b，最小值c，设定最大值Max＝(b-c)小于等于50％的线宽。

步骤7、根据步骤6中得到的边缘距离序列找出距离为最大值b的坐标P，计算P点到骨架到骨架的最小距离直线l，设l与骨架的交点R，则骨架上点R的灰度值为该点到区域边界的距离a，工件破损率Δ。

因此，本发明具有如下优点：1.本发明通过区域距离变换计算破损区域每个像素点到区域边缘的距离，有效的避开了铜渣、毛刺等缺陷的影响。提高了计算精度；2.本发明根据采集到的图片，在考虑工件毛刺、铜渣等基础上，自动进行区域分割，自动逐像素计算距离，自动计算破损率；3。在线检测时，根据骨架上点到边缘的距离与标准线宽比较计算破损率。该检测过程具备计算简单、计算时间短，精度高等特点。

附图说明