一种基于机器视觉的汽车油管高精度无损检测方法与流程

本发明涉及汽车油管检测，尤其涉及一种基于机器视觉的汽车油管高精度无损检测方法。

背景技术：

1、汽车油管是汽车燃油供给、液压制动、动力转向系统的核心零部件，其质量精度与完整性直接决定汽车行驶安全性与稳定性，汽车油管在生产、成型、装配过程中，易产生表面微裂纹、细小划痕、局部气泡、壁厚不均匀、管径超差、端面凹陷等缺陷，从而需要在生产过程中对其进行检测。

2、目前汽车油管主流检测方式分为人工目视检测、接触式量具检测及常规光电检测三类，人工目视检测依赖人工经验，主观性强，对0.1mm以下微小缺陷辨识度极低，漏检、误检率高，且长时间检测易产生视觉疲劳，检测效率低下，无法适配量产化检测需求；接触式卡尺、千分尺等量具检测易对油管柔性管壁造成挤压损伤，属于有损检测，且仅能抽检单点尺寸，无法实现全域缺陷排查；常规机器视觉检测方法存在光照适配性差、反光干扰严重、亚像素精度不足的问题，难以精准识别油管曲面微小缺陷，同时无法同步完成缺陷定性、定量分析与尺寸参数校准，检测精度和功能性存在明显短板。

技术实现思路

1、本发明的目的是为了解决现有技术中微小缺陷漏检而导致检测精度低，同时易损伤工件并且检测功能单一的技术问题，实现汽车油管全域缺陷无损精准检测、尺寸参数高精度校准及缺陷分级溯源输出，而提出的一种基于机器视觉的汽车油管高精度无损检测方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于机器视觉的汽车油管高精度无损检测方法，包括以下步骤；

4、s1：搭建无损检测硬件平台，所述硬件平台包括工业控制终端、环形多角度视觉采集模块、自适应补光模块、油管定位工装及物料输送模块，完成设备标定、畸变校正及检测参数初始化；

5、s2：将待检测汽车油管固定于油管定位工装，通过物料输送模块完成精准定位，利用环形多角度视觉采集模块配合自适应补光模块，采集汽车油管外壁、端面、接头衔接处的全域多视角原始图像；

6、s3：对采集的全域多视角原始图像进行多维度预处理，依次完成图像灰度化、光照均衡校正、自适应降噪、反光区域抑制处理，去除图像环境噪声与光照干扰，优化图像特征清晰度；

7、s4:采用亚像素边缘检测算法结合改进型深度学习特征提取模型，对预处理后的图像进行多维度特征提取，获取油管轮廓边缘特征、尺寸特征及表面缺陷特征；

8、s5:调取预设的汽车油管标准参数数据库，将提取的油管尺寸特征与标准参数进行比对校准，计算管径、壁厚、长度、端面平整度的实际偏差值，完成油管尺寸精度无损检测；

9、s6：对提取的表面缺陷特征进行定性、定量分析，识别缺陷类型，量化缺陷尺寸与位置参数，结合预设缺陷分级标准完成缺陷等级判定；

10、s7：整合尺寸检测结果与缺陷检测结果，生成标准化无损检测报告，同步完成产品合格性分类标记与检测数据溯源存储。

11、进一步的，步骤s1中所述设备标定包括相机内外参数标定、像素-物理尺寸映射标定、光照参数标定，标定精度误差≤0.005mm，所述畸变校正采用棋盘格标定板完成图像径向畸变、切向畸变矫正。

12、进一步的，步骤s2中所述环形多角度视觉采集模块为360°环形阵列布置的12组工业相机，可同步采集油管周向、轴向、端面多视角图像，实现油管全域无死角图像采集；所述自适应补光模块为漫反射环形光源，可根据油管材质、管径自动调节光照亮度、照射角度，适配金属、橡胶、尼龙各类汽车油管的成像需求。

13、进一步的，步骤s3中所述光照均衡校正采用伽马自适应校正算法，根据图像灰度分布动态调节伽马系数，消除油管曲面成像明暗不均问题；所述自适应降噪采用改进型高斯滤波算法，在去除图像椒盐噪声、高斯噪声的同时，完整保留缺陷边缘细微特征。

14、进一步的，步骤s3中所述反光区域抑制处理具体为：通过像素灰度阈值筛选识别油管曲面高光反光区域，采用邻域像素均值替换算法完成反光区域像素修正，消除反光导致的缺陷遮挡、图像失真问题。

15、进一步的，步骤s4中所述亚像素边缘检测算法为zernike矩亚像素边缘检测算法；所述改进型深度学习特征提取模型为轻量化改进yolov8模型，通过增设特征增强模块与小目标检测分支，实现微小裂纹、划痕、气泡缺陷的精准识别。

16、进一步的，步骤s5中所述汽车油管标准参数数据库预存储不同型号、不同规格汽车燃油管、液压油管、制动油管的标准尺寸参数、允许偏差阈值及缺陷判定阈值，可根据待检测油管型号自动匹配对应检测标准。

17、进一步的，步骤s6中所述缺陷类型包括油管表面微裂纹、细微划痕、局部气泡、端面凹陷、管壁麻点、壁厚不均、管径超差，所述缺陷分级标准将缺陷划分为轻微缺陷、一般缺陷、严重缺陷三个等级，分别对应返工复核、批量抽检、直接报废三种处理机制。

18、进一步的，步骤s7中所述检测数据溯源存储具体为：将产品编号、检测时间、设备参数、缺陷位置、缺陷尺寸、尺寸偏差数据、检测判定结果同步上传云端溯源数据库，支持数据实时查询、批量统计与质量问题回溯分析，同时自动完成合格产品放行、不合格产品预警标记。

19、与现有技术相比，本发明提供了一种基于机器视觉的汽车油管高精度无损检测方法，具备以下有益效果：

20、1、该基于机器视觉的汽车油管高精度无损检测方法，通过采用360°环形多相机搭配自适应漫反射光源完成油管全域成像，结合多维度图像预处理流程，通过伽马校正、自适应降噪、反光抑制消除曲面明暗、高光、粉尘等成像干扰，搭配高精度设备标定体系，解决传统视觉成像盲区、反光失真、检测基准偏差问题，为高精度检测提供清晰稳定图像数据源。

21、2、该基于机器视觉的汽车油管高精度无损检测方法，通过融合zernike矩亚像素边缘检测与轻量化yolov8增强模型，突破传统像素级检测局限，可精准识别0.1mm以下微裂纹、细小划痕、气泡等微小缺陷，同步提取管径、壁厚、长度、端面平整度轮廓数据，实现尺寸精度校验与缺陷识别一体化，相比人工检测大幅降低漏检、误检率。

1.一种基于机器视觉的汽车油管高精度无损检测方法，包括，其特征在于，包括以下步骤；

2.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s1中所述设备标定包括相机内外参数标定、像素-物理尺寸映射标定、光照参数标定，标定精度误差≤0.005mm，所述畸变校正采用棋盘格标定板完成图像径向畸变、切向畸变矫正。

3.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s2中所述环形多角度视觉采集模块为360°环形阵列布置的12组工业相机，可同步采集油管周向、轴向、端面多视角图像，实现油管全域无死角图像采集；所述自适应补光模块为漫反射环形光源，可根据油管材质、管径自动调节光照亮度、照射角度，适配金属、橡胶、尼龙各类汽车油管的成像需求。

4.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s3中所述光照均衡校正采用伽马自适应校正算法，根据图像灰度分布动态调节伽马系数，消除油管曲面成像明暗不均问题；所述自适应降噪采用改进型高斯滤波算法，在去除图像椒盐噪声、高斯噪声的同时，完整保留缺陷边缘细微特征。

5.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s3中所述反光区域抑制处理具体为：通过像素灰度阈值筛选识别油管曲面高光反光区域，采用邻域像素均值替换算法完成反光区域像素修正，消除反光导致的缺陷遮挡、图像失真问题。

6.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s4中所述亚像素边缘检测算法为zernike矩亚像素边缘检测算法；所述改进型深度学习特征提取模型为轻量化改进yolov8模型，通过增设特征增强模块与小目标检测分支，实现微小裂纹、划痕、气泡缺陷的精准识别。

7.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s5中所述汽车油管标准参数数据库预存储不同型号、不同规格汽车燃油管、液压油管、制动油管的标准尺寸参数、允许偏差阈值及缺陷判定阈值，可根据待检测油管型号自动匹配对应检测标准。

8.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s6中所述缺陷类型包括油管表面微裂纹、细微划痕、局部气泡、端面凹陷、管壁麻点、壁厚不均、管径超差，所述缺陷分级标准将缺陷划分为轻微缺陷、一般缺陷、严重缺陷三个等级，分别对应返工复核、批量抽检、直接报废三种处理机制。

9.根据权利要求1所述的一种基于机器视觉的汽车油管高精度无损检测方法，其特征在于：步骤s7中所述检测数据溯源存储具体为：将产品编号、检测时间、设备参数、缺陷位置、缺陷尺寸、尺寸偏差数据、检测判定结果同步上传云端溯源数据库，支持数据实时查询、批量统计与质量问题回溯分析，同时自动完成合格产品放行、不合格产品预警标记。