(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211242624.5 (22)申请日 2022.10.11 (71)申请人 无锡安欣 达科技有限公司 地址 214000 江苏省无锡市锡山区东港镇 创业路60号 (72)发明人 缪建国　李立军　陆海斌　徐磊　 (74)专利代理 机构 重庆宏知亿知识产权代理事 务所(特殊普通 合伙) 50260 专利代理师 孙超 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/10(2006.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 7/13(2017.01)G06T 7/136(2017.01) G06T 7/60(2017.01) G06T 7/64(2017.01) G06V 10/40(2022.01) G06V 10/762(2022.01) G06F 17/18(2006.01) (54)发明名称 一种基于机器视觉的铆钉尺寸检测方法 (57)摘要 本发明公开了一种基于机器视觉的铆钉尺 寸检测方法。 本发明中， 尺寸检测模块和缺陷检 测模块配合使用， 根据轮廓图像中所具有的的直 线型特征， 使用Hough变换的方法实现铆钉尺寸 参数的测量； 使用图像的几何特征对铆钉缺陷图 像进行特征描述， 并根据不同缺陷图像特征描述 的不同对铆钉缺陷进行准确判断。 对铆钉尺寸测 量和缺陷检测的数据通过统计分析， 实现铆钉生 产线的自诊断功能， 从而提高了该系统的准确性 和高效性， 同时配合统计分析模块可以对缺陷进 行统计， 进而使得后续的使用过程中， 可 以提供 了参考价值， 增加了使用时的便利性， 同时也提 高了该检测方法的检测效率， 提高了产品的良品 率。 权利要求书2页 说明书5页 附图1页 CN 115546155 A 2022.12.30 CN 115546155 A 1.一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述基于机器视觉的铆钉尺 寸检测方法包括以下步骤： S1:启动模块(1)控制整个系统启动后， 整个系统开始工作， 铆钉图像采集模块(2)选择 型号MV‑EM200M的面阵C CD相机进行铆钉图像的采集， S2:图像预处理模块(3)先对铆钉图像采集模块(2)拍摄到的图像进行离散傅里叶变 换， 将操作转换到频率域上进行， 然后对图像低通滤波， 去除瑕疵高频信息， 转换回原空间 中与原图进行差分， 从而得到增强后的图像 S3:图像预处理模块(3)对图像进行增强处理之后， 采用双边滤波的方法进行图像图像 滤波， 在检测时， 如果窗口中存在噪声点， 那么它必 然为3×3滤波窗口中某 一行或者某 一列 的最大值或最小值； S4:图像预处理模块(3)进行滤波处理之后， 通过选择适当的阈值将原本具有多个灰度 级的图像转换成仍然能够反映图像整体与局部特征的黑白二值图像， 即只要像素的灰度值 大于给定阈值的就置为255， 小于给定阈值的就置为0， 经过这样处理后的图像就会呈现出 黑白对比明显的效果； S5:尺寸检测模块(5)进行边缘检测， 利用相邻点像素的灰度差， 在边缘处取得极值， 从 而检测到图像边 缘信息， 删除非边 缘部分， 从而对噪声起到平 滑作用； S6:尺寸标定模块(4)进行尺寸标定， 选取几个尺寸标准的铆钉样件作为标定工件， 通 过影像测量仪测量获得它的钉杆直径 尺寸， 并计算标定系数k； S7:尺寸检测模块(5)通过阈值分割后 变换为二值图像进行轮廓提取， 阈值分割法的步 骤为： 1.确定图像分割的阈值； 2.将所确定的分割阈值和图像 像素值进行比较以划分像素； S8:尺寸检测模块(5)根据其轮廓图像的特征信息测量出铆钉的埋头面夹角、 内径、 长 度、 埋头面厚度物理量； 由于埋头面的夹角能够通过拟合所测角度的两条直线方程进而计 算直线夹角得到， 铆钉的长度、 内径以及埋头面 厚度能够通过其对应平行线间的距离获得， 因此铆钉尺寸 参数的测量 转变为对目标直线的检测 S9:缺陷检测模块(6)用CCD相机拍 摄多幅合格的铆钉图像， 采用具有尺度特性原子库 的稀疏分解技术， 并利用均值聚类技术对多幅铆钉图像的稀疏结果进行聚类处理， 获得铆 钉背景图像B； 对于不同类型 的表面缺陷， 具有不同的特征， 因此对不同的缺陷信息进行特 征描述， 能够有效的实现对铆钉表面 缺陷的准确判断； S10:缺陷检测模块(6)对缺陷进行判断， 缺陷检测模块(6)对拍摄到铆钉的圆头面图像 进行轮廓提取， 由于合格的铆钉圆头面轮廓图像为圆形， 因此通过计算铆钉圆头面轮廓图 像的圆形度， 并设置合适的圆形度阈值， 当圆头面轮廓图像的圆形度大于此阈值时， 判断为 铆钉圆头面无掉角缺陷， 否则判断为铆钉圆头面存在掉角缺陷； S11:统计分析模块(7)对尺寸参数的统计分析准确地判断出铆钉生产机械设备的工作 状态， 实现生产线的自诊断功能， 统计分析模块(7)通过测量数据均值与设定值的比较判断 生产工艺过程的偏差大小； 铆钉图像采集模块(2)根据测量数据方差的大小判断铆钉生产 过程的精密程度； 图像预 处理模块(3)通过判断测量值的偏 差的分布规律， 判断出生产过程 中工艺参数的一致性； 统计分析方法中， 一般使用均值、 方差、 偏度和峰度对统计数据进行 分析。 2.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤权　利　要　求　书 1/2 页 2 CN 115546155 A 2S1中， 所检测的铆钉的最大尺寸不超过10mm ×10mm， 根据铆钉的几何参数和相机的镜头接 口， 所述铆钉图像采集模块(2)选择 型号为AFT‑ZML1024的光学镜 头。 3.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S3中， 算法是求出每一行和 每一列的最大值和最小值， 求出每一行和每一列的最大值和最 小值考虑到窗口中的像素点， 然后将最大值的均值作为最大阈值， 最小值的均值作为最小 阈值。 4.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S4中， 把灰度值为0的像素点组成的区域判定为属于特定目标物体； 灰度值为255表示的像 素点组成区域判定为特定目标物体背景或者 其他的物体区域。 5.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S5中， 尺寸检测模块(5)先对图像进行高斯滤波， 然后再进行Laplacian边缘检测， 边缘检测 结果为零的即为 边缘点的位置 。 6.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S7中， 为了对铆钉的待测参数进 行计算， 需要对铆钉图像进 行轮廓提取， 以获取铆钉图像的 边缘轮廓信息 。 7.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S8中， 还需要对不同特征 的阈值分割部分， 在每种 特征的圆点内部和圆点外部都需要进行 不同的开闭操作、 填充操作。 8.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S9中， 在待测铆钉图像经 过图像背景补偿后， 能够获得铆钉的缺陷图像。 9.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步骤 S9中， 通过计算铆钉缺陷图像的位置、 区域面积、 轮廓周长几何特征和矩形度、 长宽比、 圆形 度形状特 征。 10.如权利要求1所述的一种基于机器视觉的铆钉尺寸检测方法， 其特征在于： 所述步 骤S10中， 对于麻坑缺陷通过计算缺陷图像的长宽比和矩形度， 并设置合适的长宽比阈值和 矩形度阈值， 当缺陷图像的矩形度和长 宽比满足相应的条件时， 判断缺陷图像为麻坑 缺陷。权　利　要　求　书 2/2 页 3 CN 115546155 A 3