一种基于机器视觉的焊点缺陷检测系统的制作方法
本发明涉及缺陷检测技术领域，特别是一种基于机器视觉的焊点缺陷检测系统。
背景技术
点焊机主要用于电子行业的设备上，有较高的质量需求，因此，需要对焊点的质量进行检测。由于实际工艺的不成熟，以及人工操作的失误，往往会产生一些缺陷，比如焊料过多、焊料过少、松香焊、过热焊、冷焊、虚焊、不对称、松动、拉尖、桥接、针孔等。常见的缺陷主要有虚焊和焊穿。造成虚焊的原因一般有：两侧电极的压力过小导致焊件没有很好的贴紧，电流过小等。造成焊穿的主要原因是电流过大，直接导致焊件穿孔。
现有技术中的提出的一些焊点缺陷检测以及分类算法大多存在检测效率低、误判率高；或算法参数需人为自主设定稳定性差，且计算复杂度较大。
技术实现要素：
针对上述问题，本发明旨在提供一种基于机器视觉的焊点缺陷检测系统，使得对焊点的缺陷检测效率高且检测准确度也相对提高。
本发明的目的采用以下技术方案来实现：
提供了一种基于机器视觉的焊点缺陷检测系统，包括图像采集设备、控制系统、处理系统；所述焊点缺陷检测系统主要用于检测电子产品上的焊点缺陷检测，焊接对象为不锈钢上的排列不规则的焊点；所述不锈钢长为90，宽为40mm，经过点焊机焊接后产生焊点；所述图像采集设备用于采集被检测电子产品表面的图像，将采集到的图像经过数据传输给所述处理系统；所述处理系统与所述图像采集设备连接，接收采集到的图像并对其进行处理，识别判断出图像中焊点的缺陷；所述控制系统与所述图像采集设备以及处理系统连接，用于控制图像采集设备对图像进行采集，以及处理系统对图像的处理。
优选地，所述图像采集设备包括工业摄像机、光学镜头以及光源；所述工业摄像机为参数可调的面阵排布的ccd传感器相机；所述光源用于进行光照补偿突出焊点的特征，采用led颗粒的同轴白色光源，通过正面打光使得不锈钢背景亮度均匀；所述工业摄像机、镜头以及光源固定在产品的上方且镜头与产品水平面平行一致，其镜头与产品的距离可以调节。
优选地，所述控制系统中包括有储存模块以及上位机，所述储存模块用于存储所述图像采集设备采集到的图片以及处理系统处理判断后的图像中焊点缺陷；所述上位机为核心控制部分，负责控制图像采集设备的动作以及接收所述处理系统的输出信号，进而控制操作台对检测出焊点缺陷的产品进行检出。
优选地，所述处理系统包括图像平滑单元、图像变换单元、分割拟合单元、特征提取单元以及缺陷识别单元；所述图像平滑单元用于对图像进行去噪平滑最后得到二值图像；所述图像变换单元用于对二值图像进行像素点的距离变换得到灰度图像；所述分割拟合单元基于所述灰度图像建立灰梯度概率联合矩阵，依据所述灰梯度概率联合矩阵获取分割阈值将所述灰度图像进行分割得到焊点区域；所述特征提取单元用于对焊点区域进行特征提取得到表示所述焊点缺陷的特征向量；所述缺陷识别单元用于依据所述特征向量对焊点的缺陷进行分类识别。
优选地，所述图像平滑单元对图像进行平滑去噪的具体过程为：首先通过卷积核与采集到的图像进行卷积来实现平滑图像，然后依据焊点的经验灰度值，基于最大类间方差法选择合适的阈值使得图像前景和背景之间的方差值最大，进而用该阈值进行去噪处理得到二值图像。
优选地，所述依据所述灰梯度概率联合矩阵获取分割阈值将所述灰度图像进行分割得到焊点区域的具体过程为：
(1)对所述灰度图像进行处理，分别得到对应的经归一化的灰度图像f(u,v)和归一化的
梯度图像g(u,v)；基于此，建立灰梯度概率联合矩阵pc；
(2)所述灰梯度联合矩阵pc为一个nf×ng的矩阵；计算寻找分割阀值(r,t)将矩阵分割，得到灰度值f(u,v)>r且梯度值g(u,v)>t的子矩阵，其中，r为图像灰度级的分割值，t为图像梯度级的分割级。
对分割阀值进行求取的计算公式为：
式中，所述(r,t)为分割阀值，所述pij为灰梯度概率联合矩阵pc中第i行第j列的元素值，通过
(3)根据所述分割阀值分割得到的子矩阵对应像素点来对所述灰度图像进行分割得到离
散焊点区域；
(4)将所述离散焊点区域内的离散像素点依据最小二乘法进行拟合得到焊点区域。
本发明的有益效果为：本发明提出了一种基于机器视觉的焊点缺陷检测系统，通过对焊接产品表面的图像采集，并对图像进行一系列的处理，最后基于支持向量机的分类算法对所述图像中焊点区域的焊点缺陷进行识别，具有较高的检测效率以及检测精度。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一个优选实施例中所述焊点缺陷检测系统的功能模块连接图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，本实施例中，提供了一种基于机器视觉的焊点缺陷检测系统，包括图像采集设备、控制系统、处理系统；所述焊点缺陷检测系统主要用于检测电子产品上的焊点缺陷检测，焊接对象为不锈钢上的排列不规则的焊点；所述不锈钢长为90，宽为40mm，经过点焊机焊接后产生焊点；所述图像采集设备用于采集被检测电子产品表面的图像，将采集到的图像经过数据传输给所述处理系统；所述处理系统与所述图像采集设备连接，接收采集到的图像并对其进行处理，识别判断出图像中焊点的缺陷；所述控制系统与所述图像采集设备以及处理系统连接，用于控制图像采集设备对图像进行采集，以及处理系统对图像的处理。
本实施例中，所述图像采集设备包括工业摄像机、光学镜头以及光源；所述工业摄像机为参数可调的面阵排布的ccd传感器相机；所述光源用于进行光照补偿突出焊点的特征，采用led颗粒的同轴白色光源，通过正面打光使得不锈钢背景亮度均匀；所述工业摄像机、镜头以及光源固定在产品的上方且镜头与产品水平面平行一致，其镜头与产品的距离可以调节。
本实施例中，所述镜头与产品的距离受控制系统控制调节，控制系统对所述镜头与产品表面的距离进行计算，其计算公式为：
式中，lc为相机镜头与产品表面的垂直距离；d为相机镜头的焦距；q为相机镜头的最大光圈；θ为所述ccd相机内传感器的容许弥散圆直径；l为相机镜头的前景深。
本实施例中，依据检测对象选择合适的拍摄相机镜头，根据镜头参数自适应的调节所述镜头与产品表面的距离，实现在硬件层保证图像采集时的高采集精度，使得采集到的图像的质量高。
本实施例中，所述控制系统中包括有储存模块以及上位机，所述储存模块用于存储所述图像采集设备采集到的图片以及处理系统处理判断后的图像中焊点缺陷；所述上位机为核心控制部分，负责控制图像采集设备的动作以及接收所述处理系统的输出信号，进而控制操作台对检测出焊点缺陷的产品进行检出。
本实施例中，所述处理系统包括图像平滑单元、图像变换单元、分割拟合单元、特征提取单元以及缺陷识别单元；所述图像平滑单元用于对图像进行去噪平滑最后得到二值图像；所述图像变换单元用于对二值图像进行像素点的距离变换得到灰度图像；所述分割拟合单元基于所述灰度图像建立灰梯度概率联合矩阵，依据所述灰梯度概率联合矩阵获取分割阈值将所述灰度图像进行分割得到焊点区域；所述特征提取单元用于对焊点区域进行特征提取得到表示所述焊点缺陷的特征向量；所述缺陷识别单元用于依据所述特征向量对焊点的缺陷进行分类识别。
本实施例中，所述图像平滑单元对图像进行平滑去噪的具体过程为：首先通过卷积核与采集到的图像进行卷积来实现平滑图像，然后依据焊点的经验灰度值，基于最大类间方差法选择合适的阈值使得图像前景和背景之间的方差值最大，进而用该阈值进行去噪处理得到二值图像。
本实施例中，所述对二值图像进行像素点的距离变换单元的具体算法为：计算每一个像素点与背景像素点间的最小距离作为新的距离图像中对应点的像素值，这样每个像素值反映出图像的骨架和边缘，得到中心灰度值小、边缘灰度值较大的图像。
本实施例中，所述建立灰梯度概率联合矩阵，依据所述灰梯度概率联合矩阵获取分割阈值将所述灰度图像进行分割得到焊点区域的具体过程为：
(1)对所述灰度图像进行处理，分别得到对应的经归一化的灰度图像f(u,v)和归一化的
梯度图像g(u,v)；基于此，建立灰梯度概率联合矩阵pc；
(2)所述灰梯度联合矩阵pc为一个nf×ng的矩阵；计算寻找分割阀值(r,t)将矩阵分割，得到灰度值f(u,v)>r且梯度值g(u,v)>t的子矩阵，其中，r为图像灰度级的分割值，t为图像梯度级的分割级。
对分割阀值进行求取的计算公式为：
式中，所述(r,t)为分割阀值，所述pij为灰梯度概率联合矩阵pc中第i行第j列的元素值，通过
(3)根据所述分割阀值分割得到的子矩阵对应像素点来对所述灰度图像进行分割得到离
散焊点区域；
(4)将所述离散焊点区域内的离散像素点依据最小二乘法进行拟合得到焊点区域。
本优选实施例中，依据灰梯度概率联合矩阵获取分割阈值将所述灰度图像进行分割，综合考虑了所述图像的灰度与梯度信息，设计了分割阀值的计算方法，依据计算得到的分割阀值进行分割，使得分割精度高且分割得到的焊点区域内噪声小。
本实施例中，所述对焊点区域进行特征提取得到表示所述焊点缺陷的特征向量，所述特征向量包括所述焊点区域的几何特征、灰度特征以及纹理特征，下述分别对所述三种特征进行提取：
(1)焊点区域的几何特征提取：提取出用来表达焊点区域几何形状的几何特征，具体为：
式中，jh为所述代表着焊点区域几何形状的几何特征函数值；s为焊点区域内的像素点的总个数；ls为所述焊点区域最小外接矩形的长边长度；ld为所述焊点区域最小外接矩形的短边长度；r为焊点区域内像素点构成的集合；(x,y)为所述焊点区域内一个任意像素点；x分别代表着所述焊点区域内像素点(x,y)的横坐标值；y为所述焊点区域内像素点(x,y)的纵坐标值；(xo,y0)为所述焊点区域的重心坐标；f(x,y)为焊点区域内像素点(x,y)的像素值。
(2)灰度特征的提取：先获得与所述焊点区域的灰度图像，然后得到对应灰度图像的灰度级以及对应直方图，计算得到每一灰度值出现的概率，进而得到所述灰度图像的整体灰度均值以及灰度熵，并将灰度均值与灰度熵按照一定融合方式融合得到灰度特征；
(3)纹理特征的提取：首先，生成与所述焊点区域对应的灰度共生矩阵；基于灰度共生矩阵，计算其纹理特征：
式中，wn为所述焊点区域对应纹理特征的函数值；l为焊点区域对应灰度图的灰度级；i为焊点区域内任一像素点(x,y)的灰度值；j为焊点区域内与像素点(x,y)距离为d的邻域内另一像素点的灰度值；依据像素点(i.j)出现的次数，构建关于距离d的灰度共生矩阵y；距离d根据纹理的周期性分布来选择；y(i.j)为灰度共生矩阵y中第i+1行第j+1列的元素值。
本优选实施例中，依据焊点区域经常出现的缺陷特征设计了明显可靠的几何特征计算公式，能够有效、准确地描述出焊点区域的几何特征；定义了纹理特征值函数，函数中考虑了图像的平均灰度值对纹理特征的影响，且同时提高了纹理特征的提取速度并保证了图像纹理特征的准确度。
本实施例中，考虑到现有的焊接缺陷中较为常见的缺陷类别为虚焊与焊穿；以下就来依据获取得到的特征向量对这两种缺陷类别进行识别，判断出所述焊点区域的缺陷类别。
本实施例中，所述依据所述特征向量对焊点的缺陷进行分类识别的具体步骤为：所述储存模块还储存了用于训练分类器的已知焊点缺陷的训练焊点图像，将所述训练焊点图像经过上述各模块进行处理获取与其对应的特征向量，将其特征向量与对应的已知焊点缺陷类别送入支持向量机学习最后得到训练好的分类器；将前述获取到的采集图像对应的特征向量送入训练完成的分类器中进行分类识别，得到分类识别结果，判断出该特征向量是属于虚焊与焊穿缺陷中的哪一种。
本发明上述实施例，提出了一种基于机器视觉的焊点缺陷检测系统，通过对焊接产品表面的图像采集，并对图像进行一系列的处理，最后基于支持向量机的分类算法对所述图像中焊点区域的焊点缺陷进行识别，具有较高的检测效率以及检测精度。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
- 还没有人留言评论。精彩留言会获得点赞！