一种电子元器件表面印刷图案的纹理检测与匹配方法

本发明属于汽车保险盒电子元器件组装质量检测。

背景技术：

1、汽车的保险盒是汽车电路的保护装置，保险盒中通常包括保险丝和继电器两种类型的器件，它们都是根据电路保护的要求，选择不同规格或品种的器件。保险盒质量检测包括了器件的种类检测。继电器这类器件的检测主要是检查盒中安插的器件是否存在漏插和错插的情况，装配生产过程中若出现上述的情况应该判定保险盒的质量不合格。一旦不合格的保险盒因检测错误未能及时发现而装配上车，将对汽车的行车安全造成隐患。目前针对继电器这类表面印刷图案的电子元器件，还没有成熟的、通用的基于图像纹理的检测方法。因此采用图像纹理的检测方法进行质量检测还需要解决光照条件变化对测量准确性造成的干扰，以及表面纹理高度近似的器件的准确区分问题。

技术实现思路

1、为了解决现有图像检测方法针对表面带有纹理印刷图案的器件需要解决光照条件变化对检测结果造成的干扰和提高对表面纹理高度相似的异类器件检测的准确度的问题，本发明基于orb算法，提出了一种电子元器件表面印刷图案的纹理检测与匹配方法，简称为orbam(orb and area match)，本发明所采用的技术方案主要包含以下步骤：

2、步骤一、工控机系统采用工业相机，在一个封闭的箱体内采集保险盒图像，尽量保证电子元器件表面上的印刷图案在图像中能够清晰、完整地成像。

3、步骤二、在保险盒批量装配生产前，先拍摄、保存电子元器件表面印刷图案的标准图像f，建立纹理特征描述。

4、步骤三、装配生产过程中，拍摄待测器件的图像f′，利用步骤二的方法提取特征点，并建立纹理特征描述。

5、步骤四、将待测产品的纹理特征与标准图像的纹理特征进行区域匹配，并计算相似度。若相似度高于阈值，则装配正确，否则装配错误，产品检测不合格。

6、步骤二中建立纹理特征描述的方法包括以下步骤：

7、1)将器件图像f转换为灰度图像g；

8、2)然后利用自适应对比度增强方法获得对比度增强图g_e；

9、3)以对比度增强图g_e为初始化图像g_e0，构建图像金字塔{g_ei|i＝0,1,…,nc}，nc为设置的图像金字塔总层数；

10、4)采用fast算法提取出图像金字塔每一层图像的特征点；

11、图像中某一点p的灰度值为gp，将其邻域像素点p1～pj分为d暗、s相似、b亮三类，对应的类别记为sj，分类公式如下：

12、

13、其中，gδ为设置的灰度阈值；若点p的邻域像素中存在连续大于等于np个非s的相同分类像素点，则将点p作为特征点；

14、5)基于最大密度约束的特征点筛选；

15、6)建立四值特征描述子；

16、其中，自适应对比度增强方法的实现过程如下：

17、(1)利用sobel边缘检测算子对灰度图像g进行遍历以增强边缘特征，所得图像记为sobel_g。

18、(3)对灰度图像g和边缘图像sobel_g分别进行均值滤波、归一化，得到图像g_m和sobel_m。

19、(4)针对灰度图像g中像素(x，y)，利用图像g_m和sobel_m计算其增强系数m(x，y)，公式如下：

20、m(x，y)＝g_m(x，y)-k1(sobel_m(x，y)-k2)

21、调整系数k1和k2，使得像素梯度较大时，系数m适当减小；当像素梯度较小时，系数m适当增大。

22、(5)利用下式的增强函数遍历灰度图像g，计算得到标准图像f的对比度增强图g_e，调节e可控制增强函数的曲线斜率。

23、

24、步骤二中基于最大密度约束的特征点筛选的实现过程如下：

25、基于最大密度约束的特征点筛选优化

26、首先从图像金字塔的第nc层开始向下遍历并筛选特征点，设当前层为i层，初始化为i＝nc。然后根据第i层图像g_ei构造相同尺寸的特征覆盖图ci，代表像素点(x，y)的位置上检测到的特征点数量，初始值设置为0。直接反映了特征点的聚集密度。

27、遍历图像g_ei中的每个特征点，更新特征覆盖图ci。设坐标为(x，y)的特征点为k(x，y)，ta为设定阈值，若则舍弃该特征点；否则，保留该特征点，同时以坐标(x，y)为中心，建立wc×wc的覆盖区域，记为rectk，并对此区域内的点遍历更新的赋值：

28、

29、根据特征覆盖图ci采用最近邻插值方法，获得与图像金字塔第i-1层图像g_ei-1相同尺寸的ci-1。接下来对第i-1层图像获得的特征点进行筛选，重复上述操作，直至第0层图像g_e0。

30、所述步骤二中建立四值特征描述子的实现过程如下：

31、(1)首先以特征点k(x，y)为中心，在wb×wb大小的邻域内随机选取nb个固定的像素点对，pn表示特征点k(x，y)的第n组像素点对，pn＝((x1n，y1n)，(x2n，y2n))。

32、(2)分类结果δ(pn)设计为四类数值，用两位二进制表示，判别公式如下：

33、

34、其中tb1，tb2为像素值差异的判断阈值。

35、(3)利用下式计算得到该特征点的描述子bk(nb)：

36、

37、所述步骤四中纹理特征区域匹配，计算相似度的方法的实现过程如下：

38、(1)利用汉明距离将图像f和f′中特征点进行暴力匹配，并利用随机采样一致性(ransac)方法消除误匹配项。

39、(2)计算匹配区域和未匹配区域

40、将特征点k(x，y)的覆盖区域定义为以(x，y)为中心，wr×wr的正方形，记为rectk。

41、设标准图像f的已匹配特征点数量为nfr，已匹配特征点的覆盖区域的并集构成了纹理特征描述的区域，记为areafr：

42、

43、同理，可以计算出所有未匹配特征点的覆盖区域，记为areafe。

44、对未匹配的覆盖区域与已匹配覆盖区域作差集进一步修改areafe：

45、areafe＝areafe-areafr

46、为获得器件中所有特征的覆盖区域，对未匹配的覆盖区域与已匹配覆盖区域作并集，记areaf：

47、areaf＝areafruareafe

48、同理，针对待测产品图像f′求其areaf′r、areaf′e和areaf′。

49、设待测器件图像f′和标准图像f的相似比为d，采用函数s(area)计算区域area的面积，则相似比d的计算公式如下：

50、

51、d越接近1，说明未匹配面积在整体面积中占比越小，待测图像与标准图像越相似；反之，d越接近0，说明未匹配面积在整体面积中占比越大，待测图像与标准图像差异越大。

52、当d>td时，说明待测器件图像f′和标准图像f属于同类器件，产品装配正确；反之，产品装配错误。可以根据元器件的相似程度适当调整阈值td。

53、本发明的有益效果：

54、本发明通过搭建视觉检测系统，针对继电器这类表面带有纹理印刷图案的器件，设计了基于图像纹理的检测方法和检测流程，既能消除不同光照条件对检测结果的影响，又能解决高度相似器件难以区分的检测问题。