銀觸點廣泛應(yīng)用于各種電子元器件中,其表面要求覆蓋銀層完整光亮,但在生產(chǎn)中表面會出現(xiàn)多種缺陷難以檢測而影響使用。為保證其出廠的零缺陷,提出了基于ROI的銀觸點模板匹配缺陷檢測方法。通過對圖像進行形態(tài)學(xué)處理,保證了整張圖像的低噪聲,根據(jù)銀觸點的表面外形特征,優(yōu)化了模板匹配的搜索路徑,實現(xiàn)了自動選取目標。凸包運算后準確做出圓形區(qū)域的最小外接矩形ROI,通過位址映射求出最小外接矩形的位置,得到信息完整的原圖ROI。將模板ROI與實時ROI進行去均值歸一化相關(guān)匹配,計算兩幅圖像的相似度。通過大量實驗得出合格約束相似度,對比人工分揀與機器視覺ROI模板匹配的分揀誤差,得出基于ROI的銀觸點模板匹配缺陷檢測方法,符合銀觸點的出廠要求。 

【文章來源】：機械設(shè)計與制造. 2020,(02)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

最小外接矩形

由于灰度匹配是對每個像素點進行比較，所以可滿足銀觸點表面檢測精度條件，但計算時間長，對噪聲比較敏感。設(shè)計的基于ROI的模板匹配算法，對銀觸點進行圖像采集，選取表面無缺陷的銀觸點作為模板圖像（基準圖像），取各零件對其進行形態(tài)學(xué)開運算處理，繼而進行目標區(qū)域提取，作最小外接矩形，將此最小外接矩形的位置坐標映射至原圖；選取合適的閾值將ROI區(qū)域進行灰度處理，保存灰度圖作為模板1，重復(fù)此操作五次取得5個合格零件模板1-5。將待測的零件置于CCD下方，采集圖像，對其進行形態(tài)學(xué)開運算處理，繼而進行目標區(qū)域提取，作最小外接矩形，將此最小外接矩形的位置坐標映射至原圖；然后選取合適的閾值，將ROI區(qū)域進行灰度處理，將得到的灰度圖與模板1進行灰度匹配，根據(jù)實驗與生產(chǎn)要求當相似性達到cs判斷為合格，當相似性小于cs則與模板2進行匹配，重復(fù)操作直至相似度達到cs，若5次結(jié)果均達不到cs，則判定其為不合格零件。算法流程，如圖1所示：3 基于ROI的模板匹配算法

在圖像匹配的過程中，匹配結(jié)果的不穩(wěn)定性是由于搜索圖和模板圖的光照、噪聲、形變變化等環(huán)境因素的不確定性而導(dǎo)致的。對圖像進行預(yù)處理操作是為了達到消除圖像的無用信息，同時增強圖像有用的信息來提高匹配精度的目的[6]。常見的圖像預(yù)處理方法有圖像的幾何變換，圖像增強以及形態(tài)學(xué)處理幾方面[7]。完成圖像采集之后，目標圖像比較清晰，但其周圍的噪聲點多而小，為了得到低噪聲的圖像保證其不影響ROI選取，輸入圖像之后對圖像進行形態(tài)學(xué)處理。按照處理對象不同，分為對二值圖像處理和對灰度圖像處理[8]。經(jīng)試驗，擬選取開運算進行圖像預(yù)處理。開運算可用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界同時并不改變其面積。在500萬像素下的合格品圖像，如圖2(a）所示。待檢測的圖像，如圖2(b）所示。合格品圖像經(jīng)過形態(tài)學(xué)開運算之后的圖像，如圖2(c）所示。合格品圖像經(jīng)過形態(tài)學(xué)開運算之后的圖像，如圖2(d）所示。經(jīng)過先腐蝕后膨脹的開運算之后。大部分目標外的孤立點被去掉。除此之外，形態(tài)學(xué)處理也為ROI的選取提供了便利。3.2 ROI提取方法

【參考文獻】：
期刊論文
[1]圓周二進制描述符的圖像點特征提取方法[J]. 張展,楊東升.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2017(08)
[2]用于金屬板圖像分割的自適應(yīng)閾值算法[J]. 薛志文,楊傲雷,費敏銳,沈春鋒.  電子測量技術(shù). 2017(07)
[3]基于多尺度多方向結(jié)構(gòu)元素的形態(tài)學(xué)圖像邊緣檢測算法[J]. 吳朔媚,韓明,王敬濤.  量子電子學(xué)報. 2017(03)
[4]一種基于紫外熒光圖像的人民幣面額識別算法[J]. 李雪梨,索雙富,武佩君.  機械設(shè)計與制造. 2017(03)
[5]基于動態(tài)模板匹配的移動機器人目標識別[J]. 彭玉青,李木,高晴晴,張媛媛.  傳感技術(shù)學(xué)報. 2016(01)
[6]結(jié)合聚類參數(shù)的圓投影模板匹配改進算法[J]. 田明銳,胡永彪,金守峰.  計算機工程與應(yīng)用. 2015(21)
[7]我國電觸頭行業(yè)面臨新的挑戰(zhàn)[J]. 陳妙農(nóng).  電工材料. 2005(01)



本文編號：3310131