[发明专利]基于机器视觉的对焊点毛刺的检测方法及系统

说明书

本发明提供了一种基于机器视觉的对焊点毛刺的检测方法，其特征在于，包括：步骤1：获取原始焊点的图像；步骤2：对原始焊点的图像进行灰度化处理；步骤3：提取灰度化处理后的图像边缘；步骤4：在图像边缘中找出符合预设长度的直线；步骤5：判断找出的直线是否为毛刺。本发明实现了车身焊点的毛刺检测，有助于节约人工成本，毛刺识别率高，减少了人为影响，有助于提升工业生产效率和可靠性。

技术领域

本发明涉及焊点毛刺检测领域，具体地，涉及一种基于机器视觉的对焊点毛刺的检测方法及系统。

背景技术

随着汽车行业的持续发展，自动化和智能化的需求日益提升，其中白车身焊点的检测目前还主要依靠人工肉眼。

焊点缺陷的种类繁多，有虚焊、漏焊、焊偏、毛刺、压痕过深或过浅、焊核过大或过小。

机器视觉被应用到工业生产的各个领域来取代人眼，它克服了人的主观性、疲劳和经验差异，而且在减少人工成本和管理成本上有较大潜力，因而得到各方面关注和施展与提升的机会。

把相机采集的视觉信息与深度学习结合，近年来由于CNN卷积神经网络的成功应用而被普遍采用。

对白车身焊点缺陷的机器识别的常规方法是找到大量对应缺陷焊点的图片，对它们做好标记，喂给深度学习网络来做有监督的学习。

比如对于毛刺焊点，就要找到大量标记了毛刺位置的焊点图片，对深度神经网络的参数进行训练。

这样做有两个困难：一是难以找到大量的毛刺焊点，正常的工业生产，良品是占绝大多数的，否则这样的厂家也难以生存；二是对焊点上的毛刺做标记需要大量的人工，而且需要对毛刺熟悉的专业人员才能做，否则标记的也会是错的。

毛刺缺陷也被视为微小目标，当做纹理来把原图像栅格化，这样增加了处理时间，效果也不一定可靠。

毛刺缺陷与其他缺陷的不同之处在于毛刺是一条光亮的直线，具体如图2。在实际生产时，可以调整光照，让毛刺这一段照亮，便于本专利方法实施。

毛刺直线的特点是一头搭在焊点的圆弧上的细长的直线。

焊点内部是下陷的，而焊点外部是平坦的，焊点圆弧内侧是斜坡。因此，正常情况下，焊点外部因为光照可能会出现大片的亮块，而不会出现细长的直线；焊点内部出现的黑暗和光亮的分界线会距离焊点的圆弧较远；如果该分界线比较直，则不会在圆弧内侧斜坡的位置。

图像灰度化处理后才能进行canny边缘检测。

canny边缘检测算法包含5个步骤：

1)使用高斯滤波器，以平滑图像，滤除噪声；

2)计算图像中每个像素点的梯度强度和方向；

3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应；

4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘；

5)通过抑制孤立的弱边缘最终完成边缘检测。

Hough变换的基本原理是将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。

Hough变换的显著优点在于在检验已知形状的目标方面具有受曲线间断影响小和不受图形旋转的影响的优点，即使目标有稍许缺损或污染也能被正确识别。

焊点的毛刺由于不像平直的金属条那样是一条光亮的直线，而更可能是表面粗糙而图像上看是断断续续的，所以采用Hough变换还是能很好地捕捉到直线。