一种基于分块模板匹配的冲压模具表面异物检测方法
本发明涉及机器视觉检测，具体而言，涉及一种基于分块模板匹配的冲压模具表面异物检测方法。
背景技术：
1、洗衣机箱体在冲压成型生产的过程中，会产生许多形状不一的小型废料，这些残余在模具表面的废料若未能及时清理干净，在下一次冲压时，就会在箱体表面形成诸如压痕、划痕和擦痕之类的缺陷。
2、当前暂无有效手段监测模具上的废料是否被清理干净，现有的处理方法是靠人工目视的方式在产线末端抽检冲压出的成品，发现缺陷时再叫停生产线，然后工人排查废料所在并进行清理，但仍会造成批量报废的问题，单次停线处理时间在10分钟左右，效率低下，可靠性差，成本较高，无法满足高速的自动化生产需求。一些常规的机器视觉检测系统虽然在工业上得到应用，但存在检出率低、误检率高的问题。为此，我们设计出一种基于分块模板匹配的模具表面异物检测技术来解决以上问题。
技术实现思路
1、本发明要解决的技术问题为：设计一种基于分块模板匹配的冲压模具表面异物检测方法，解决传统方法无法实时性低、可靠性差以及常规机器视觉检测方法检出率低的问题。
2、为达到上述目的，本发明提供的技术方案是：一种基于分块模板匹配的冲压模具表面异物检测方法，包括以下步骤：
3、步骤一：图像采集模块采集原始的模具表面待测图像，并传入工控机进行处理；步骤二：提取原始图像中的不规则roi区域，获得精确的待测区域图像；
4、步骤三：通过改进的图像分块算法将roi图像划分为小尺寸的子区域；
5、步骤四：设置合适的检测阈值，通过粗匹配结合精匹配的方式计算对应子区域之间的相似度并与阈值比较，实现异物检测；
6、步骤五：根据步骤四得到的相似度结果进一步判断，提高算法检出率并降低误检率；
7、步骤六：输出最终的检测结果，有异物时发出警报并停机。
8、进一步地，步骤一通过布置四组相机和光源在模具的四个拐角，采集模具表面待测区域的图像，并传入工控机进行后续的图像处理。光源采用近红外光，放置在相机一侧提供照明，相机内置红外滤光片与之响应，消除了环境光照变化对检测的影响。
9、进一步地，步骤二中待提取的roi区域由人为指定，在图像中由绿色线条框出，在提取roi时通过颜色特征实现精确的roi提取，其具体过程为：
10、(1)将图像转换到hsv空间，提取图像中的绿色像素点；
11、(2)根据提取到的绿色像素点，拟合不规则四边形，获取其四个顶点；
12、(3)根据所得的四个顶点，通过绘制轮廓的方式指定roi，再经过裁剪得到最终的roi图像。
13、进一步地，步骤三中图像分块算法的具体过程为：
14、(1)将roi的宽度尺寸规整为合数，并确定子列的划分数量k，由此确定一级子区域的数量为k个，记为ri,i＝1,2,…,k；
15、(2)遍历roi的首尾两行，找到其中的非零像素点，记录横坐标值与所属子列m、n；
16、(3)遍历每个子区域ri的两条列边界线coli-1和coli,分别找出各自灰度值不为0的纵坐标值最小与最大的像素点，记录其纵坐标值和对于子列m对应的子区域rm，只需记录和同理对于子区域rn，只需记录和
17、(4)比较各个对应像素点纵坐标值的大小。取：
18、
19、得到子区域ri的坐标原点为(coli-1，mini)，高hi＝maxi-mini。对于子区域rm，易得其坐标原点为(colm-1，0)，高为maxm，同理可得子区域rn的坐标原点和高。
20、(5)获得每个子区域的坐标原点和宽高参数之后，定位该子区域在roi图像中的位置，参与后续的匹配过程。
21、进一步地，在模板匹配的过程中，将不含异物的模具表面图像为模板，以实际采集的图像为待测图像，计算它们的相似度，根据相似度数值的大小来判断图像是否含有异物。
22、进一步地，步骤四中基于模板匹配的异物检测算法的具体过程为：
23、(1)首先对roi图像划分出的若干个一级子区域ri进行粗匹配，得到相似度si；
24、(2)将si与一级子区域的下限检测阈值td1和上限检测阈值t′d1分别比较，若si＜td1则相似度较低，判定图像中存在异物，若si＞t′d1则相似度很高，判定图像中不存在异物，若td1≤si≤t′d1则可能有异物，需要进一步划分二级子区域进行精匹配；
25、(3)在每个一级子区域ri的基础上以“田”字状将其等分为四块，作为二级子区域，记为计算每个对应的之间的相似度并将与二级子区域的检测阈值td2比较，若说明相似度较低，判定图像中存在异物，若说明相似度较高，判定图像中不存在异物；
26、(4)对存在异物的子区域，将其边框标红显示。
27、进一步地，步骤四中的检测阈值通过大量的匹配实验得到，具体设置为td1＝0.91,t′d1＝0.99,td2＝0.9。
28、进一步地，步骤五中依据相似度进一步判断的具体操作为：
29、(1)如果检测通过但存在相邻的两个子区域数值明显低于正常值的情况，考虑有异物位于相邻两子区域的分界线上，通过自适应子区域法重新生成子区域并进行检测自适应子区域法的具体步骤为：
30、(1.1)将待测图像与模板图像差分，剔除背景像素的干扰；
31、(1.2)通过otsu法进行自适应阈值分割，通过二值化处理突显异物所在；
32、(1.3)通过形态学操作中的开运算去除干扰像素，再利用canny算子提取边缘；
33、(1.4)根据边缘图像，以相邻子区域分界线为起始列向两侧延伸，遍历经过的每一列中的所有像素点，当某一侧检测到一列中不含非零像素点时停止遍历，记录该列在图像中的位置，该坐标即为子区域新的边界。当两侧的遍历全部停止时，根据记录的两个坐标重新分割生成一个新的临时子区域rtemp进行重检测；
34、(2)如果检测通过但存在某个子区域相似度数值低于正常值，或者检测不通过但可以判定为误检时，考虑待测图像某一区域的背景灰度发生变化，与现有模板对应区域的灰度存在较大差异，需要对现有模板进行更新，模板更新的方法如下：
35、
36、其中tk+1为第k次检测后的模板图像，作为第k+1次检测时的检测模板，tk为第k次检测时的模板图像，ik为第k次检测时的待测图像；dk为第k次检测的结果，1表示检测通过，0表示不通过；dμ为模板与图像对应子区域的灰度均值之差，μt为模板子区域的灰度均值；为对应子区域计算出的相似度数值，tu为更新阈值，α为更新权重。
37、进一步地，步骤六中引入了异常计数机制，在发出停机信号前确定是否为误检情况。具体操作为：每当有一次检测不通过时，异常计数加一，系统发出警报但并不停机，若没有操作人员前来处理则继续冲压作业，之后再连续检测两次，如果后两次检测都不通过，说明模具表面真实存在异物，此时系统停机，如果后两次有一次检测通过，则认为是干扰因素导致的误检，系统停止报警，异常计数清零，产线正常作业。
38、与现有方法相比，本发明的有益效果为：提出一种基于分块模板匹配的冲压模具表面异物检测方法，相较于常规的基于模板匹配的检测方法，利用改进的图像分块方法划分子区域，使子区域更贴合roi，减少了无效区域的数量，提高了检测方法的效率，并通过先粗匹配后精匹配的方式显著提升了方法的检出率。此外，通过改进的模板更新方法和异常计数机制，降低了方法的误检率，减少了因误检导致停机的时间成本。本发明的成果对于提升冲压产品质量检测的自动化水平具有积极意义，相关检测结果可以表征异物高频出现的位置，有助于指导模具工艺的改进。
技术特征：
1.一种基于分块模板匹配的冲压模具表面异物检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于分块模板匹配的冲压模具表面异物检测方法，其特征在于，步骤三中图像分块算法的具体过程为：
3.根据权利要求1所述的一种基于分块模板匹配的冲压模具表面异物检测方法，其特征在于，步骤四中基于模板匹配的异物检测算法的具体过程为：
4.根据权利要求1所述的一种基于分块模板匹配的冲压模具表面异物检测方法，其特征在于，步骤五中依据相似度进一步判断的具体操作为：
5.根据权利要求1所述的一种基于分块模板匹配的冲压模具表面异物检测方法，其特征在于，步骤六中设计了异常计数机制，在发出停机信号前判断是否为误检情况，具体操作为：每当有一次检测不通过时，异常计数加一，系统发出警报但并不停机，若没有操作人员前来处理则继续冲压作业，之后再连续检测两次，如果后两次检测都不通过，说明模具表面真实存在异物，此时系统停机，如果后两次有一次检测通过，则认为是干扰因素导致的误检，系统停止报警，异常计数清零，产线正常作业。
技术总结
本发明公开了一种基于分块模板匹配的冲压模具表面异物检测方法，包括图像采集、图像预处理、图像分块、异物检测、数据处理与判断、结果输出与显示等步骤。图像采集通过布置在模具拐角的四组相机和光源覆盖全部待测区域；图像预处理根据颜色特征分割提取出精确的待测区域；图像分块根据ROI特征，通过阶梯式的子区域分布方式进行分块，减小无效区域的数量，提高检测算法的效率；异物检测通过先粗匹配后精匹配的方式提高异物的检出率；数据处理与判断通过自适应子区域法和模板更新方法提高检出率的同时，降低方法的误检率。本发明能够解决常规机器视觉检测方法检出率较低、误检率高的问题，对于提高冲压产品质量检测的自动化水平具有积极意义。
技术研发人员：王慧青,朱周宇,余厚云
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/9/23