[发明专利]基于视觉的太阳花模组表面螺钉孔位置检测方法

说明书

本发明公开了基于视觉的太阳花模组表面螺钉孔位置检测方法，包括步骤101）相机选型及安置步骤、102）预处理图像步骤、103）Canny边缘检测步骤、104）圆形区域检测步骤、105）筛选目标区域步骤、106)自适应阈值化步骤和107）螺钉孔位置显示步骤；本发明提供了一种检测太阳花模组表面LED芯片的螺钉位置，实现芯片的自动化安装，完成整条生产线的自动化生产的方法。

技术领域

本发明涉及螺钉孔位置检测领域，更具体的说，它涉及基于视觉的太阳花模组表面螺钉孔位置检测方法。

背景技术

太阳花LED模组：LED模组就是把发光二极管按一定规则排列在一起再封装起来，加上一些防水处理组成的产品。传统的模组装配全由人工操作完成，现进行智能工厂的建设，对模组产线进行项目新建，以实现工厂从仓储、物料配送、装配检测、包装的智能化和自动化生产。在这之中对芯片的安装尤为重要，如何在太阳花LED模组中排除干扰圆孔，并精确找到芯片的螺钉位置，为自动化安装提供数据支持，是目前企业迫切想要解决的问题。

发明内容

本发明克服了现有技术的不足，提供了一种检测太阳花模组表面LED芯片的螺钉位置，实现芯片的自动化安装，完成整条生产线的自动化生产的方法。

本发明的技术方案如下：

基于视觉的太阳花模组表面螺钉孔位置检测方法，具体包括如下步骤：

101)图像获取步骤：获取整个拥有太阳花模组轮廓的原始灰度图像；

102)预处理图像步骤：对原始灰度图像进行降噪，获得降噪图像，并从降噪图像中提取边缘轮廓，获得轮廓图像；

103)圆形区域检测步骤：根据太阳花模组的形状和芯片的大小，设置与芯片对角线长度相等的圆形直径比较值，并对轮廓图像进行霍夫圆形检测，由检测到的圆形直径与设置的圆形直径比较值比较，若检测到的圆形直径大于设置的圆形直径比较值，且两者的差值最小，则确定轮廓图像中检测到的该圆形为芯片所处区域；

104)筛选目标区域步骤：将确定轮廓图像中芯片所处区域对应到降噪图像中，获得降噪图像中芯片所在区域；

105)自适应阈值化步骤：通过遍历降噪图像中芯片所在区域的像素，并对像素的灰度值与预设灰度值比较，当像素的灰度值比预设灰度值大时，该类灰度值的像素属于芯片部或非芯片部，从中得到图像中芯片区域；

106)螺钉孔位置显示步骤：对芯片区域进行边缘检测提取芯片轮廓，再对芯片轮廓进行霍夫圆检测，获得的圆就是螺钉孔的位置。

进一步的，所述步骤101)通过相机的自动调整机构来调整相机高度，从而来获取整个拥有太阳花模组轮廓的原始灰度图像，所述自动调整机构根据太阳花模组实际尺寸设置了调整检测的最大阈值和最小阈值，当调整后相机获取的图像通过霍夫圆形检测，并提取到其中最大圆的半径值时，将该半径值与处于最大阈值和最小阈值范围时，自动调整机构停止调整。

进一步的，所述步骤103)中芯片所处区域通过最小外接正矩形的四个角点坐标来验证。

进一步的，所述步骤103)圆形区域检测具体处理如下：

301)检出内轮廓圆步骤：通过圆检测轮廓图像，取得太阳花模组的芯片外有两层圆形轮廓，并进行剔除外圈圆形轮廓，得到内轮廓圆；

302)邻域梯度值获取步骤：通过对轮廓图像二值化，并进行Sobel方法检测而得到所有像素的邻域梯度值，具体Sobel方法在X、Y方向上的检测公式如下G_x、G_y：

由上述得到的θ来得出其梯度方向；