基於匹配的異形衝壓件輪廓缺陷視覺檢測系統的製作方法
2023-05-26 18:33:46
本實用新型涉及確定工件輪廓面積及輪廓不變矩的匹配檢測系統
技術領域：
，具體是一種基於匹配的異形衝壓件輪廓缺陷視覺檢測系統。
背景技術：
：隨著產品的大規模生產，好多衝壓件具有批量大、部件小、規格多等特點，對產品的質量檢測精度要求越來越高，為了保證汽車工件的質量，對工件的缺陷檢測是必不可少的環節。以往常採用人工識別的方法對衝壓件進行目視或卡尺測量，但這種檢測方法速度慢、效率低、工人勞動強度大，質量也難以保證。因此，將計算機圖像檢測技術應用於衝壓件質量的檢測具有重要的需求和價值。機器視覺具有非接觸、高效率、高精度、易集成等顯著優點，應用機器視覺進行工件的缺陷檢測，可以解決困擾企業的很多問題，可以保證檢測的連續性以及實時性。當前，很多檢測項目從簡單走向複雜，檢測方式也從人工走向自動化甚至智能化。視覺檢測就是檢測的一種趨勢，機器視覺解決方案可以利用機器代替人眼來做各種測量和判斷，具有非接觸、適應能力強、快速高效、準確、柔性好、可靠性高等特點，在現代工業檢測中受到了廣泛重視。中國專利CN103914827公開了一種汽車密封條輪廓缺陷的視覺檢測方法，該方法通過對載入圖像進行閾值分割，得到二值圖像，進行邊緣檢測，提取每個邊緣像素點的坐標，計算目標區域的凸包，計算密封條截面的最小包圍面積矩形，通過面積，以及邊緣像素點判斷是否存在缺陷，其不足之處在於：基於輪廓面積的檢測方法需要事先確定樣品的幾何形狀是規則的，同一種工件在相機視野下不同位置採集到的圖像所佔的像素點會有所改變，並且由於缺陷所在位置不同、樣品擺放的角度不同都會對理想面積的估計產生影響，造成檢測結果不準確，不能達到判斷的準確性要求。技術實現要素：針對現有技術的不足，本實用新型擬解決的技術問題是，提供一種基於匹配的異形衝壓件輪廓缺陷視覺檢測系統及方法。該檢測系統根據厚度為4mm異形衝壓件(異形衝壓件簡稱異形工件或工件)設計，根據智能相機採集到的單幀圖像，提取感興趣目標異形衝壓件的輪廓，通過有效輪廓曲線計算輪廓的Hu矩(Hu矩具有旋轉、平移不變性又稱為Hu不變矩，即為不變矩)以及內部區域的面積。在採集過程中，由於工件存在一定厚度，在相機視野不同位置處，採集到的相同工件的輪廓存在差異，並不是完全吻合。針對此問題，採取了多個樣本匹配的方法，調用多個樣本模板並保留面積特徵、Hu矩參數。結合面積差分匹配檢測和Hu不變矩匹配檢測算法，進而完成實時、連續輪廓缺陷檢測以及分類。此方法，能夠準確檢測出佔整個工件面積的0.5％以上的缺陷，提高了檢測精度，能夠滿足異形衝壓工件缺陷檢測要求。本實用新型的技術方案是，一種基於匹配的異形衝壓件輪廓缺陷視覺檢測系統，其特徵在於該檢測系統包括智能相機、第一支架、第二支架、計算機、控制部分、透明旋轉圓盤、電機、傳感器和背部光源，控制部分控制電機的轉動及智能相機的觸發；由智能相機、第一支架和計算機共同構成視覺系統，所述智能相機通過第一支架固定在透明旋轉圓盤的上方，智能相機通過通信線同時與計算機和控制部分連接，計算機與控制部分連接，所述透明旋轉圓盤與電機連接，所述背部光源位於智能相機的正下方，且處於透明旋轉圓盤的下方；所述傳感器包括傳感器發射器和傳感器接收器，傳感器接收器與傳感器發射器相對設置，並且在同一水平線上，傳感器發射器與第二支架相連，傳感器接收器固定在第一支架下部，傳感器接收器與傳感器發射器同時與控制部分連接。一種基於匹配的異形衝壓件輪廓缺陷視覺檢測方法，使用上述的檢測系統，該方法利用提取的標準和待檢測異形衝壓件的輪廓信息，根據利用標準工件和有缺陷工件存在的面積差異和具有旋轉、平移、縮放不變性的輪廓Hu不變矩的差異，對比待檢測異形衝壓件、標準異形工件的面積以及輪廓不變矩，分別計算得到面積差以及輪廓的匹配率(面積差即為面積差分算法的結果)，再分別設定閾值，判斷異形衝壓件是否存在缺陷，該方法的具體步驟是：第一步，圖像處理1-1圖像獲取：通過智能相機獲取對比度明顯的異形衝壓件圖像；1-2圖像閾值自適應分割：在步驟1-1的基礎上，對於採集到的圖像計算每個像素點周圍5×5區域的加權平均值，減去一個常數得到自適應閾值，每個像素點像素值大於閾值的，確定為圖像中感興趣目標對象異形衝壓件的有效點；1-3輪廓的尋取：在步驟1-2的基礎上，對圖像中感興趣目標對象異形衝壓件的有效點進行曲線的不斷演化，設置迭代次數，可以得到異形衝壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計算：根據步驟1-3得到的輪廓曲線C(x,y)將圖像區域分為兩個部分，一部分是輪廓曲線內部區域inC(x,y),另一部分是輪廓曲線外部區域outC(x,y)，對得到的輪廓曲線內部區域inC(x,y)進行積分，即可得到表徵輪廓內部區域大小的面積信息，此步驟可計算得到標準異形衝壓件的面積S0和待檢測的異形衝壓件的面積Sn，其中，Sn指的是第n個待檢測工件的面積，n≥1；2-2輪廓Hu不變矩的計算：對於步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點進行積分運算，得到輪廓Hu不變矩，假設輪廓上的點個數為N，通過式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x)p(y-y)qf(x,y);---(3)]]>式中，p對應x維度上的矩，q對應y維度上的矩，和代表輪廓的重心：歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ)---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過二階和三階歸一化中心矩構造七個Hu不變矩I1～I7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續圖像條件下可保持平移、縮放和旋轉不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計算：將步驟2-1得到的標準異形衝壓件的面積S0和待檢測異形衝壓件的面積Sn作差，得到待檢測異形衝壓件與標準異形衝壓件的面積差分結果ΔSn，即ΔSn＝|S0-Sn|；2-4輪廓匹配率的計算：根據步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評判標準：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標準工件與待檢測工件的匹配率(以百分比為單位)：I＝100-I(A,B)×100；(12)式中，A，B分別指標準工件與待檢工件；第三步，實時檢測3-1圖像實時採集：檢測系統啟動後，控制部分控制承載工件的透明旋轉圓盤以恆定速度逆時針旋轉，當工件運動到有傳感器發射器和傳感器接收器的對射位置之間時，傳感器將採集信號傳輸給控制部分，進而控制承載工件的透明旋轉圓盤停止1s，從而能對工件進行靜止拍照；同時控制部分發出信號給智能相機，利用智能相機外觸發模式觸發智能相機實時採集工件圖像，調用模板圖像以進行下一步的圖像處理；3-2圖像處理：圖像採集結束後，通過計算機進行圖像處理，通過步驟2-4的輪廓匹配率評判標準，再結合步驟2-3的面積差分結果設定閾值，進行匹配檢測，判斷工件是否合格，並反饋給控制部分；3-3工件分類：經過圖像處理判斷好工件是否合格後，接下來由外部抓取機構對工件進行抓取，合格工件放入合格庫，否則放入回收庫，從而完成了整個工件缺陷檢測。與現有技術相比，本實用新型的有益效果是：本實用新型方法通過控制部分智能控制承載工件的透明旋轉圓盤停止與啟動，能夠保證智能相機能夠在工件靜止狀態下對其進行實時採集，避免了運動連續抓拍所產生的工件圖像變形對後續圖像處理產生不良的影響這一問題。採集對比度比較明顯的圖像，並通過自適應閾值分割能夠準確得到圖像感興趣目標異形工件的有效點，為輪廓的精確尋取提供前提條件。本實用新型採用的主動輪廓選擇性分割獲取輪廓的方法不依賴於梯度判定，能很好的改善邊緣檢測提取每個像素點時存在的邊緣洩露問題，對於邊界不光滑或者不連續的也能夠檢測出，有很強的抗噪、抗幹擾能力，魯棒性強。採用多個樣本進行匹配，並結合Hu不變矩的旋轉、平移、縮放不變性，解決了面積差分匹配不準確的問題，顯著提高了系統的實時性和適應性。在實時檢測階段，能夠實時有效的將工件信號傳送給控制系統，智能控制圖像採集，進而完成異形衝壓件的缺陷檢測，不需要人工幹預，提高了工作效率。本實用新型的使用領域以及重要意義是：本方法適用於異形衝壓件的輪廓缺陷檢測，異形衝壓件在工業產業鏈中佔有舉足輕重的地位，廣泛應用於電子器件、汽車、大型設備、裝飾材料等，亟需方法準確智能檢測衝壓件的輪廓缺陷，並且提高檢測的準確性。其中的關鍵是輪廓的準確獲取，以及匹配算法的精確性。本實用新型視覺檢測系統能夠避免對梯度的依賴，獲取具有高抗噪、抗幹擾、魯棒性強的輪廓曲線，解決了輪廓獲取存在的準確性、快速性問題。本實用新型方法將輪廓面積差分匹配檢測和Hu不變矩匹配檢測算法相結合，大大提高了檢測的準確性以及適應性，能夠滿足判斷準確性的要求，更適用於工業應用。附圖說明圖1為本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統一種實施例的結構示意圖；圖2為本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統一種實施例在相機視野下，採集處於不同位置時的標準衝壓件模板示意圖；圖3為本實用新型所述檢測的一種異形衝壓件的結構示意圖；圖4為本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統一種實施例工件到傳感器位置觸發相機後，衝壓件在視野下的固定範圍示意圖；圖5為本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統一種實施例加入噪聲後提取的輪廓圖像示意圖；圖中，1第一支架，2第二支架，3智能相機，4背部光源，5傳感器發射器，6傳感器接收器，7電機，8透明旋轉圓盤，9旋轉方向，10異形衝壓件，11通信線，12計算機。具體實施方式下面結合實施例及附圖對本實用新型作進一步說明。本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統(簡稱檢測系統或系統，參見圖1)包括智能相機3、第一支架1、第二支架2、計算機12、控制部分、透明旋轉圓盤8、電機7、傳感器和背部光源4，控制部分控制電機7的轉動及智能相機3的觸發；由智能相機3、第一支架1和計算機12共同構成視覺系統，所述智能相機3通過第一支架1固定在透明旋轉圓盤8的上方，智能相機3通過通信線11同時與計算機12和控制部分連接，計算機12與控制部分連接，用於顯示智能相機3採集和處理後的圖像；所述透明旋轉圓盤8與電機7連接，所述背部光源4位於智能相機3的正下方，且處於透明旋轉圓盤8的下方；所述傳感器包括傳感器發射器5和傳感器接收器6，傳感器接收器6與傳感器發射器5相對設置，並且在同一水平線上，傳感器發射器5與第二支架2相連，來固定位置完成信號的準確發送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發射器5同時與控制部分連接，二者配合完成衝壓件位置信號的採集。本實用新型系統的進一步特徵在於所述異形衝壓件10的厚度為3～5mm，衝壓件長度為40～60mm，寬度為15～55mm，可檢測到的缺陷部位佔整體的最小百分比為0.5％以上。本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測方法(簡稱方法)使用上述的檢測系統，主要應用於工業現場，異形衝壓件的輪廓的檢測、識別與判斷輪廓缺陷進而判斷衝壓件有無缺陷情況同時進行，檢測算法充分適應現場情況，該方法利用提取的標準和待檢測異形衝壓件的輪廓信息，根據利用標準工件和有缺陷工件存在的面積差異和具有旋轉、平移、縮放不變性的輪廓不變矩的差異，對比待檢測異形衝壓件、標準異形工件的面積以及輪廓不變矩，分別計算得到面積差以及輪廓的匹配率，再分別設定閾值，判斷異形衝壓件是否存在缺陷，該方法的具體步驟是：第一步，圖像處理1-1圖像獲取：通過智能相機3獲取對比度明顯的異形衝壓件圖像；1-2圖像閾值自適應分割：在步驟1-1的基礎上，對於採集到的圖像計算每個像素點周圍5×5區域的加權平均值，減去一個常數得到自適應閾值，每個像素點像素值大於閾值的，確定為圖像中感興趣目標對象異形衝壓件的有效點；1-3輪廓的尋取：在步驟1-2的基礎上，對圖像中感興趣目標對象異形衝壓件的有效點進行曲線的不斷演化，設置迭代次數，可以得到異形衝壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計算：根據步驟1-3得到的輪廓曲線C(x,y)將圖像區域分為兩個部分，一部分是輪廓曲線內部區域inC(x,y),另一部分是輪廓曲線外部區域outC(x,y)，對得到的輪廓曲線內部區域inC(x,y)進行積分，即可得到表徵輪廓內部區域大小的面積信息，此步驟可計算得到標準異形衝壓件的面積S0和待檢測的異形衝壓件的面積Sn，其中，Sn指的是第n個待檢測工件的面積，n≥1；2-2輪廓Hu不變矩的計算：對於步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點進行積分運算，得到輪廓Hu不變矩，假設輪廓上的點個數為N，通過式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x)p(y-y)qf(x,y);---(3)]]>式中，p對應x維度上的矩，q對應y維度上的矩，和代表輪廓的重心：歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ);---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過二階和三階歸一化中心矩構造七個Hu不變矩I1～I7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續圖像條件下可保持平移、縮放和旋轉不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計算：將步驟2-1得到的標準異形衝壓件的面積S0和待檢測異形衝壓件的面積Sn作差，得到待檢測異形衝壓件與標準異形衝壓件的面積差分結果ΔSn，即：ΔSn＝|S0-Sn|；(8)2-4輪廓匹配率的計算：根據步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評判標準：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標準工件與待檢測工件的匹配率(以百分比為單位)：I＝100-I(A,B)×100；(12)式中，A，B分別指標準工件與待檢工件；第三步，實時檢測3-1圖像實時採集：檢測系統啟動後，控制部分控制承載工件的透明旋轉圓盤8以恆定速度逆時針旋轉，當工件運動到有傳感器發射器和傳感器接收器的對射位置之間時，傳感器將採集信號傳輸給控制部分，進而控制承載工件的透明旋轉圓盤停止1s，從而能對工件進行靜止拍照；同時控制部分發出信號給智能相機3，利用智能相機外觸發模式觸發智能相機實時採集工件圖像，調用模板圖像以進行下一步的圖像處理；3-2圖像處理：圖像採集結束後，通過計算機12進行圖像處理，通過步驟2-4的輪廓匹配率評判標準，再結合步驟2-3的面積差分結果設定閾值，進行匹配檢測，判斷工件是否合格，並反饋給控制部分；3-3工件分類：經過圖像處理判斷好工件是否合格後，接下來由外部抓取機構對工件進行抓取，合格工件放入合格庫，否則放入回收庫，從而完成了整個工件缺陷檢測。圖1所示實施例表明，本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統所使用的組裝測試平臺的硬體組成包括智能相機3、第一支架1、第二支架2、計算機12、控制部分、透明旋轉圓盤8、電機7、傳感器和背部光源4，控制部分控制電機7的轉動及智能相機3的觸發；由智能相機3、第一支架1和計算機12共同構成視覺系統，所述智能相機3通過第一支架1固定在透明旋轉圓盤8的上方，智能相機3通過通信線同時與計算機12和控制部分連接，計算機12與控制部分連接，用於顯示智能相機3採集和處理後的圖像；所述透明旋轉圓盤8與電機7連接，所述背部光源4位於智能相機3的正下方，且處於透明旋轉圓盤8的下方；所述傳感器包括傳感器發射器5和傳感器接收器6，傳感器接收器6與傳感器發射器5相對設置，並且在同一水平線上，傳感器發射器5與第二支架2相連，來固定位置完成信號的準確發送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發射器5同時與控制部分連接，二者配合完成衝壓件位置信號的採集。本實用新型的控制部分通過控制電機7帶動透明旋轉圓盤8轉動，透明旋轉圓盤8上承載異形衝壓件10，進而實現對衝壓件10的傳送方向以及速度的控制，同時傳感器發射器5與傳感器接收器6輔助採集到的衝壓件10的位置信號，傳輸給控制部分，控制部分控制智能相機的觸發採集，智能相機3採集到的圖像傳輸給計算機12，由計算機12進行圖像處理，圖像處理完成後控制部分則控制外部抓取機構對檢測完成後的異形衝壓件進行分類。背部光源4能夠提供照明，使得目標與背景之間的對比度比較明顯，採集的圖像更清晰準確。圖2所示實施例表明，本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統在智能相機3視野下，採集處於不同位置時的異形衝壓件10的示意圖，由圖示可以看出，由於異形衝壓件存在一定的厚度，當衝壓件處於智能相機3視野下的不同位置處，視場角會發生一定的變化，會因此對採集的圖像產生一些影響，進而影響最終的檢測效果。圖3為本實用新型一種實施例的異形衝壓件的結構示意圖，是實驗所針對的目標對象，圖4所示實施例表明，本實用新型由於傳感器發射器5和傳感器接收器6的存在，當異形衝壓件10到達智能相機3的視野下，並且處於傳感器位置時，採集信號並傳輸給控制部分，控制觸發智能相機3採集圖像，這樣的方式使得衝壓件在智能相機3的視野大體範圍一致，不會發生很大的偏移，進而減少了衝壓件所處的位置對檢測輪廓缺陷的影響，提高了檢測的可靠性。圖5所示實施例表明，本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統，在提取輪廓前加入強噪聲，得到的輪廓效果示意圖，圖中黑色斑點示意為噪聲，從圖中可以看出在加入強噪聲後仍然能準確地提取異形衝壓件的輪廓圖像，本實用新型輪廓提取的算法不依賴於圖像的梯度，有很強的抗噪聲、抗幹擾能力，魯棒性強，輪廓提取更加準確。本實用新型可以根據工件的大小，以及佔智能相機視野的大小，調整鏡頭的大小以及相機的物距。實施例本實施例基於匹配的異形衝壓件輪廓缺陷視覺檢測系統包括智能相機3、第一支架1、第二支架2、計算機12、控制部分、透明旋轉圓盤8、電機7、傳感器和背部光源4，控制部分控制電機7的轉動及智能相機3的觸發；由智能相機3、第一支架1和計算機12共同構成視覺系統，所述智能相機3通過第一支架1固定在透明旋轉圓盤8的上方，智能相機3通過通信線同時與計算機12和控制部分連接，計算機12與控制部分連接，用於顯示智能相機3採集和處理後的圖像；所述透明旋轉圓盤8與電機7連接，所述背部光源4位於智能相機3的正下方，且處於透明旋轉圓盤8的下方；所述傳感器包括傳感器發射器5和傳感器接收器6，傳感器接收器6與傳感器發射器5相對設置，並且在同一水平線上，傳感器發射器5與第二支架2相連，來固定位置完成信號的準確發送，傳感器接收器6固定在第一支架1下部，傳感器接收器6與傳感器發射器5同時與控制部分連接，二者配合完成衝壓件位置信號的採集。本實施例基於匹配的異形衝壓件輪廓缺陷視覺檢測方法，使用上述的檢測系統，該方法的具體步驟是：第一步，圖像處理1-1圖像獲取：通過智能相機3獲取對比度明顯的異形衝壓件圖像；1-2圖像閾值自適應分割：在步驟1-1的基礎上，對於採集到的圖像計算每個像素點周圍5×5區域的加權平均值，減去一個常數得到自適應閾值，每個像素點像素值大於閾值的，確定為圖像中感興趣目標對象異形衝壓件的有效點；1-3輪廓的尋取：在步驟1-2的基礎上，對圖像中感興趣目標對象異形衝壓件的有效點進行曲線的不斷演化，設置迭代次數，可以得到異形衝壓件的有效輪廓曲線C(x,y)圖像；第二步，圖像信息分析2-1面積的計算：根據步驟1-3得到的輪廓曲線C(x,y)將圖像區域分為兩個部分，一部分是輪廓曲線內部區域inC(x,y),另一部分是輪廓曲線外部區域outC(x,y)，對得到的輪廓曲線內部區域inC(x,y)進行積分，即可得到表徵輪廓內部區域大小的面積信息，此步驟可計算得到標準異形衝壓件的面積S0和待檢測的異形衝壓件的面積Sn，其中，Sn指的是第n個待檢測工件的面積，n≥1；所述輪廓內部區域面積的計算公式為式(1)：S＝∫inC(x,y)u(x,y)dxdy；(1)其中，u(x,y)為圖像經過閾值自適應分割處理後提取出的輪廓曲線密度函數；2-2輪廓Hu不變矩的計算：對於步驟1-3得到的輪廓曲線C(x,y)，將輪廓上的所有點進行積分運算，得到輪廓Hu不變矩，假設輪廓上的點個數為N，則可以得到輪廓的p+q階矩，如式：mpq=Σi=1Nxpyqu(x,y);---(2)]]>通過式(3)得到輪廓p+q階中心矩，μpq=Σi=1N(x-x)p(y-y)qu(x,y);---(3)]]>式中，p對應x維度上的矩，q對應y維度上的矩，和代表輪廓的重心：x=m10/m00;---(4)]]>y=m01/m00;---(5)]]>歸一化的p+q中心矩ηpq定義為：ηpq=μpq/(μ00ρ);---(6)]]>其中，ρ＝(p+q)/2+1；Hu不變矩是由式(6)得到的歸一化中心矩的線性組合，通過式(3)可以得到輪廓的二階和三階中心矩，帶入到式(6)得到二階三階歸一化中心矩，通過二階和三階歸一化中心矩構造七個Hu不變矩I1～I7，具體Hu不變矩的公式為式(7)，Hu不變矩在連續圖像條件下可保持平移、縮放和旋轉不變；I1=η20+η02;I2=(η20-η02)2+4η112;I3=(η30-η12)2+(3η21-η03)2;I4=(η30+η12)2+(η21+η03)2;I5=(η30-3η12)(η30+η12)((η30+η12)2-3(η21+η03)2)+(3η21-η03)(η21+η03)(3(η30+η12)2-(η03+η12)2);I6=(η20-η02)(η30+η12)2-(η03+η21)2+4η11(η30+η12)(η03+η12);I7=(3η21+η03)(η30+η12)(η12+η30)2-3(η21+η03)2+(3η12-η30)(η21+η03)(3(η30+η12)2-(η21+η03)2);---(7)]]>2-3面積差分計算：將步驟2-1得到的標準異形衝壓件的面積Sb0和待檢測異形衝壓件的面積Sn作差，得到待檢測異形衝壓件與標準異形衝壓件的面積差分結果ΔSbn，即：ΔSbn＝|Sb0-Sn|；(8)當第n個待檢測異形衝壓件與b個標準異形衝壓件的面積差分結果ΔSbn中，只要存在一個參數值在閾值範圍內，即ΔSbn＜yuzhi，就判定該待檢測異形衝壓件為合格產品；其中，Sb0指的是第b標準異形衝壓件的面積，Sn指的是第n個待檢測工件的面積，本實施例中b為4，n為5；2-4輪廓匹配率的計算：根據步驟2-2得到的Hu不變矩Ii(1≤i≤7)，定義評判標準：I(A,B)=Σi=17|1miA-1miB|;---(9)]]>其中，miA、miB被定義為：miA＝sign(IiA)·log|IiA|；(10)miB＝sign(IiB)·log|IiB|；(11)求取標準工件與待檢測工件的匹配率(以百分比為單位)：Ikl＝100-I(Ak,Bl)×100；(12)式中，Ak，Bl分別指第k標準工件與第l個待檢工件；第三步，實時檢測3-1圖像實時採集：檢測系統啟動後，控制部分控制承載工件的透明旋轉圓盤8以恆定速度逆時針旋轉，當工件運動到有傳感器發射器和傳感器接收器的對射位置之間時，傳感器將採集信號傳輸給控制部分，進而控制承載工件的透明旋轉圓盤停止1s，從而能對工件進行靜止拍照；同時控制部分發出信號給智能相機3，利用智能相機外觸發模式觸發智能相機實時採集工件圖像，調用模板圖像以進行下一步的圖像處理；3-2圖像處理：圖像採集結束後，通過計算機12進行圖像處理，通過步驟2-4的輪廓匹配率評判標準，再結合步驟2-3的面積差分結果設定閾值，進行匹配檢測，判斷工件是否合格，並反饋給控制部分；3-3工件分類：經過圖像處理判斷好工件是否合格後，接下來由外部抓取機構對工件進行抓取，合格工件放入合格庫，否則放入回收庫，從而完成了整個工件缺陷檢測。本實施例按要求連接好裝置，選擇異形衝壓件厚度為4mm，尺寸大小為43mm×45mm(參見圖3)。智能相機距離透明旋轉圓盤300mm，背部光源4位於智能相機3的正下方，且處於透明旋轉圓盤8的下方，距離明旋轉圓盤20mm左右，在使用時，首先打開智能相機電源，在與檢測過程中相同環境下，採集智能相機視野下不同位姿的標準異形衝壓件圖像作為模板，為接下來的匹配檢測做前提準備。按照上述的方法步驟進行檢測。表1為在異形衝壓件10出現在智能相機3的範圍大體一致的情況下，對同一個標準異形衝壓件進行旋轉，得到標準異形衝壓件處於不同位姿的情況，對於不同位姿情況下的標準異形衝壓件進行圖像採集，採集到的不同位姿的面積。本實例通過四個位姿進行實驗，得到面積結果，從表1中可以看出不同姿態圖像對應的面積存在一定差值，若標準異形衝壓件與沒有缺陷的異形衝壓件位姿不同，面積差值也可能會大於某些情況下標準異形衝壓件與有缺陷的異形衝壓件的面積差值，會導致誤判，由於工業檢測精度的要求，不能單獨通過設定面積差分匹配的閾值作為很準確的判斷缺陷問題的標準。表2為在異形衝壓件10出現在智能相機3的範圍大體一致的情況下，對於標準異形衝壓件不同位姿進行圖像採集，得到的Hu不變矩參數結果。結果表明不同姿態圖像對應的Hu不變矩參數I1～I7變化不大，再次證明Hu不變矩的魯棒性，減少了位姿不同對於檢測結果的影響，為了準確地識別異形衝壓件10的缺陷，匹配結果可通過得到每一個待檢測異形衝壓件的Hu矩參數與每一個標準異形衝壓件10做比較來判斷，並且結合每一個待檢測異形衝壓件的如表1所示的面積特徵與每一個標異形衝壓件進行面積差分匹配。表3為應用本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統及方法，得到的兩個合格工件和三個有缺陷的工件分別與標準異形衝壓件的面積差分結果。此表中選擇四個標準異形衝壓件作為面積差分模板，分別記為：模板1、模板2、模板3和模板4，通過結果可以看出合格工件與有缺陷的工件對於多個標準工件面積差分結果ΔSbn，其中b為標準工件的個數，n為待檢測工件的個數，可以看出合格品與標準異形衝壓件模板的面積差分結果，跟有缺陷的異形衝壓件與標準異形衝壓件模板的面積差分結果差距還是很大的，根據差分結果設定面積差分匹配閾值。每一個待檢測異形衝壓件，相對於不同模板，面積差分結果不同，選擇面積差分結果最小值ΔSmin，若小於閾值則證明待檢測異形衝壓件至少與其中一個模板匹配，就可以初步判斷待檢測異形衝壓件為沒有缺陷的，這樣可以初步判斷待檢測工件的缺陷情況。表4為應用本實用新型基於匹配的異形衝壓件輪廓缺陷視覺檢測系統，兩個合格工件與三個有缺陷的工件Hu匹配結果。結果表明合格工件匹配率Ibj很高，在99％以上，這與有缺陷的工件配率(最高僅為90％左右)有明顯的區分，設定工件匹配率閾值，只要待檢測異形衝壓件與每個標準異形衝壓件模板的配率中，有大於設定的閾值的就可以判斷待檢測異形衝壓件為沒有缺陷的，人機互動界面顯示匹配率中最大的匹配率Imax(即最終匹配率)，結合表3的結果以及判斷，顯示最大的匹配率Imax，能夠準確檢測出佔整個工件面積的0.5％以上的缺陷，提高了檢測精度，能夠滿足實際現場中缺陷檢測的準確性要求。表1表2表3表4當前第1頁1 2 3