一种基于计算机视觉的质量检测系统的制作方法

本发明涉及计算机视觉，具体为一种基于计算机视觉的质量检测系统。

背景技术：

1、近几年，随着我国科技的发展，制造业逐渐趋于智能化，现有技术采用模具以及压力机对金属材料进行冲压锻造，使其产生塑性变形或分离得到加工的工件，现有的金属冲压件的质量检测方法大多采用将冲压件的模型与样本模型进行对比的样本比对方法，金属冲压件的加工环境复杂，加工出的工件也存在差异，现有的金属工件在加工过程中会出现毛刺、辊子印、开裂以及划痕等缺陷，然而，现有技术在检测金属工件缺陷时，在金属工件的加工过程中，金属材质不同，造成的反光强度也不同，导致工件表面的纹理发生变化，导致反光处的瑕疵检测存在一定的误差，并且，在相机拍摄时，由于工件的大小不一，造成工业相机拍摄的工件视觉图像的成像也不同，导致边缘检测特征无法匹配，出现误判漏判现象，导致瑕疵检测结果的准确性不高，而且，现有技术在对检测出的不合格产品的弥补方式，是通过老师傅根据经验判断工件是否还能补救，并制定补救方案，由于金属工件种类繁多，导致工件补救的进程缓慢，进而影响金属工件的质量检测效率，因此，设计检测准确率高和效率高的基于计算机视觉的质量检测系统是很有必要的。

技术实现思路

1、本发明的目的在于提供一种基于计算机视觉的质量检测系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于计算机视觉的质量检测系统，包括图像采集模块、质量检测模块和瑕疵处理模块，所述图像采集模块用于收集加工完成的金属工件的表面视觉图像、收集金属工件探测数据和将金属工件的各项参数标准录入系统，所述质量检测模块用于检测金属工件的边缘毛刺、表面划痕和内部裂缝，所述瑕疵处理模块用于对检测出的边缘毛刺进行处理，并对处理后的边缘进行打磨，所述图像采集模块、质量检测模块和瑕疵处理模块相互电连接；

3、所述图像处理模块包括反光处理子模块和图像归一化处理子模块，所述反光处理子模块用于对拍摄的金属工件中的反光部分进行处理，所述图像归一化处理子模块用于对采集的金属工件视觉图像进行图像归一化处理；

4、所述瑕疵检测模块包括毛刺检测子模块、划痕检测子模块和裂缝检测子模块，所述毛刺检测子模块用于检测金属工件的边缘是否有毛刺，所述划痕检测子模块用于检测金属工件是否存在划痕，所述裂缝检测子模块用于检测金属工件内部是否存在裂痕。

5、根据上述技术方案，所述图像采集模块包括视觉模块、传感器模块和产品信息录入模块，所述视觉模块用于拍摄金属工件在加工过程中的视觉图像，所述传感器模块用于测量加工的金属工件的边缘尺寸，所述产品信息录入模块用于将当前冲压机生产的产品的综合参数数据录入系统。

6、根据上述技术方案，所述质量检测模块包括图像处理模块，所述图像处理模块用于识别图像中的阴影和反光，并对图像中的阴影区域和反光区域进行处理降低阴影和反光对质量检测的影响。

7、根据上述技术方案，所述瑕疵处理模块包括毛刺处理模块、边缘分析模块和打磨模块，所述毛刺处理模块用于分析识别的毛刺的大小、厚度和连接面积，根据分析结果对金属工件的边缘毛刺进行处理，所述边缘分析模块用于对切割后的截面进行分析，分析切割毛刺后切口的残留，所述打磨模块用于根据金属工件的综合参数对工件截面进行打磨。

8、根据上述技术方案，所述质量检测模块还包括瑕疵检测模块，所述瑕疵检测模块用于对加工完成的金属工件进行质量检测。

9、根据上述技术方案，所述质量检测系统的运行方法主要包括以下步骤：

10、步骤s1：通过视觉模块，实时拍摄传送带上冲压完成的金属工件的视觉图像，并上传到系统，通过传感器模块，将传感器中收集的综合探测数据上传到系统，通过产品信息录入模块，将金属工件的详细参数数据录入系统；

11、步骤s2：在数据收集完成后，系统启动图像处理模块，开始检测图像中是否存在反光，并对图像中的反光部分进行处理；

12、步骤s3：在检测金属工件是否存在瑕疵时，系统发出电信号启动瑕疵检测模块，开始分析金属工件存在的瑕疵，根据分析结果对金属工件进行标记；

13、步骤s4：当处理金属工件上的瑕疵时，启动毛刺处理模块，开始分析毛刺的各项参数，分析毛刺的处理方法，根据毛刺的分析结果对毛刺进行处理。

14、根据上述技术方案，所述步骤s2进一步包括以下步骤：

15、步骤s21：调取金属工件的视觉图像，扫描并识别冲压台的轮廓节点，根据与识别的冲压台的轮廓节点对视觉图像进行裁剪，将裁剪后的视觉图像利用加权中值滤波方法对图像进行归一化处理；

16、步骤s22：将处理后的图像进行等比例分割，识别每个图像块中图像特征，包括颜色特征、亮度特征，通过公式计算当前图像块中像素点颜色值的标准差式中，i＝1,2,3......n，f表示当前图像块中像素点颜色值的标准差，xi表示每个像素点的颜色值，x表示系统设定的金属工件表面颜色值的平均值，若当前图像块中像素点颜色值的标准差f大于系统设定的阈值，则标记当前图像块为反光区域图像块，反之则标记当前图像块为非反光区域图像块，读取图像块中的标记，将相同标记的图像块进行融合，识别并标记反光区域。

17、根据上述技术方案，所述步骤s3进一步包括以下步骤：

18、步骤s31：调取金属工件的视觉图像，将金属工件图像进行灰度化处理，识别当前金属工件图像中的所有像素点中的灰度值，记录并保存到集合通过公式计算x轴方向上的灰度值变化对应的增强后的像素点亮度的数值s＝2gmn-gm(n+1)，通过公式计算y轴方向上灰度值变化对应的增强后的像素点亮度的数值w＝2gmn-g(m-1)n，若灰度值变化对应的增强后的像素点亮度的数值s或w大于系统设定最大阈值，则标记当前像素点为划痕像素点，反之则剔除当前像素点；

19、步骤s32：识别金属工件图像的边缘特征节点，根据金属工件的边缘特征节点标记当前金属工件的第一边缘，识别金属工件第一边缘像素点的颜色值，当金属工件边缘像素点颜色值与邻近像素点颜色值之差大于系统设定阈值，则标记当前像素点为边缘像素点，调取边缘像素点的颜色值，将边缘像素点的颜色值与系统设定的阈值进行对比，若当前边缘像素点的颜色值在系统设定的阈值范围之内，则将当前边缘像素点的标记保留，反之则删除当前像素点的边缘像素点标记，调取标记的边缘像素点，将相邻的边缘像素点进行连接，构建金属工件的边缘模型；

20、步骤s33：调取金属工件的视觉图像，扫描并锚定金属工件上的特征点，在图像中建立坐标系，通过公式计算当前金属工件图像中的边缘像素点到金属工件特征点之间的距离式中，l表示当前边缘像素点到金属工件特征点之间的距离，(x1，y1)表示当前边缘像素点的坐标，(x2，y2)表示金属工件的特征节点的坐标，若当前金属工件图像中的边缘像素点到金属工件特征点之间的距离l与系统设定阈值不相符，则标记当前边缘像素点为毛刺，反之则系统继续检测，识别毛刺标记的边缘像素点，并计算相邻的毛刺标记的边缘像素点之间的距离l2，若l2小于系统设定阈值，则将两相邻的边缘像素点进行连接，构建毛刺模型，反之则系统继续检测。

21、根据上述技术方案，所述步骤s31中调取标记的划痕像素点，识别划痕像素点中是否为反光像素点，若当前划痕像素点中存在反光标记，则删除当前划痕像素点中的划痕标记，反之则将划痕像素点进行连接构建划痕模型，测量划痕模型中像素点颜色值最大的像素点的颜色值，若此像素点颜色值小于系统设定阈值，则标记当前像素点颜色值，反之则系统继续检测调取超声波探测数据，将超声波探测数据对比数据库，若相似度小于阈值，则标记当前金属材料存在裂缝，反之则不存在裂缝。

22、根据上述技术方案，所述步骤s4中调取金属工件的毛刺检测数据，锚定位于金属工件边缘上的毛刺边缘节点，识别当前两个毛刺边缘节点之间金属工件的边缘拐角度数，根据公式计算当前毛刺需要切割的长度l3，若当前切割长度l3大于系统设定的阈值，则标记当前金属工件为报废品，反之则标记当前金属工件为可补救工件，调取可补救的工件，通过打磨模块对其进行处理补救。

23、与现有技术相比，本发明所达到的有益效果是：本发明，通过计算每个像素块中像素点的颜色值的标准差，并对比系统设定阈值，能够快速分辨出图像中的反光区域，进而避免反光区域对瑕疵检测的影响，进一步提高了质量检测的准确性，通过计算并根据相邻像素点之间的灰度值差值调整像素点的颜色值，能够使划痕周围像素点的颜色值变大，能够凸显出来，同时也避免灰度值变化范围过大的边缘像素点干扰划痕的定位，使划痕检测更加准确，通过识别金属工件的大致边缘，将大致边缘附近的像素点的颜色值进行对比，筛选出备选的边缘像素点，对比金属工件的详细参数，能够将不符合条件的像素点剔除，避免不符合要求的像素点干扰边缘检测的准确性，进而提高毛刺检测的准确性，通过判断金属工件图像中的边缘像素点与金属工件特征点间的距离，能够快算判断出当前边缘像素点是否属于金属工件，避免出现金属工件毛刺多且不规则，造成模型无法重合，导致毛刺检测误差较大，极大地提高了系统检测的准确性，通过验证划痕像素点中是否存在反光标记，能够避免系统将金属材料反光误判为划痕，进一步提高系统检测的准确性，通过检测工件毛刺与工件连接处的宽度，能够减少人工判断不准确出现工件能够补救确没有被送回补救的现象出现，能够快速判断当前工件是否能够进行补救，进而提高系统的检测效率。