一种基于机器视觉的数据线接口自动检测方法与流程

1.本发明涉及视觉检测技术领域，具体是一种基于机器视觉的数据线接口自动检测方法。


背景技术：

2.机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
3.现有的生产线中，对于数据线接口的检测，机器只能检测数据线接口的性能，而对于数据线接口的磨损、缺失、变色等外观问题，还是只能依靠人工进行检测，如何利用视觉检测技术，提高数据线接口的检测效率，是我们需要解决的问题，现提供一种基于机器视觉的数据线接口自动检测方法。


技术实现要素：

4.本发明的目的在于提供一种基于机器视觉的数据线接口自动检测方法。
5.本发明的目的可以通过以下技术方案实现：一种基于机器视觉的数据线接口自动检测方法，包括以下步骤：步骤一：设置视觉检测区域，并对视觉检测区域内数据线接口进行定位；步骤二：通过视觉采集设备获取完成定位后的数据线接口的视觉图像；步骤三：对所获取到的视觉图像进行处理，并根据处理后的视觉图像对数据线接口进行检测分析；步骤四：根据分析结果对异常点进行标记，同时将出现异常的数据线接口剔除。
6.进一步的，视觉检测区域的设置过程具体包括：构建多边形区域作为数据线接口的检测区域，并在多边形区域内设置若干个定位点；将视觉检测设备的扫描区域按照数据线接口的检测区域范围调整至重合；在视觉检测设备的扫描区域设置与数据线接口的检测区域上的定位点相对应的参考点。
7.进一步的，数据线接口的检测区域为圆形区域或多边形区域，多边形区域包括三角形区域、矩形区域；定位点的位置设置于多边形区域内的每个顶角处；当数据线接口的检测区域为圆形区域时，则定位点设置于圆形区域的圆心以及相互垂直且经过圆心的两条直径与圆相交的四个交点。
8.进一步的，对数据线接口进行定位的过程包括：获取数据线接口在扫描区域内的位置，通过安装在视觉设备上的扫描终端对扫描区域内的数据线接口进行扫描；获取数据线接口的扫描图，将所获得的扫描图输入至神经网络训练模块内；通过神经网络训练模型对扫描图内的数据线接口的特征进行识别，获得数据线接口的轮廓，定位数据线接口在检测区域内的位置，并将定位结果输出。
9.进一步的，对视觉设备采集到的数据线接口的视觉图像进行处理的过程包括：根据扫描区域建立二维平面坐标系；设置数据线接口在二维平面坐标系内的标准位置；将视觉设备所获取到的视觉图像内的数据线接口进行标记，根据数据线接口在二维平面坐标系内的标准位置对视觉设备所获取到的视觉图像进行调整，使得视觉设备所获取到的视觉图像内的数据线接口与标准位置重合。
10.进一步的，对视觉设备所获取到的视觉图像进行调整的过程包括：在标准位置内放置数据线接口，并对所放置的数据线接口进行扫描，获得数据线接口的扫描图像；根据所获得的数据线接口的扫描图像对数据线接口的特征进行标记，记为标准特征；获取视觉设备所获取到的数据线接口的视觉图像内的数据线接口的扫描图像，并识别数据线接口的实际特征，将所获得的实际特征与标准特征进行一匹配，获得不同的特征对；获得每个特征对的坐标差，根据所获得的坐标差将视觉设备所获取到的视觉图像进行调整。
11.进一步的，对数据线接口进行检测分析的过程包括：对所获取到的数据线接口的扫描图像进行栅格化处理，并将栅格化处理后的扫描图像中数据线接口进行框选标记；对被框选标记的数据线接口以外的部分进行反选，并将被反选的部分和被框选标记的部分进行对比度差异处理，然后将被反选的部分进行剔除；根据被框选标记的部分中的实际特征生成实际特征图片；对实际特征图片作灰度处理，将经过灰度处理后的实际特征图像与标准特征对应的图像进行对比。
12.进一步的，经过灰度处理后的实际特征图像与标准特征对应的图像的对比过程包括：在标准特征对应的图像上获取n个取样点，对每个取样点进行标号；根据标准特征对应的图像中的取样点的所在位置，在实际特征图像对应的位置进行取样；根据标准特征对应的图像上的每个取样点对应的灰度值和实际特征图像上的每个取样点对应的灰度值，获取标准特征与实际特征的灰度差异系数，根据所获得的灰度差异系数与灰度差异系数阈值区间进行匹配，根据匹配结果判断实际特征是否存在异常。
13.与现有技术相比，本发明的有益效果是：1、通过将数据线接口放置在指定的检测区域内，然后通过视觉设备对数据线接口进行定位和识别，然后对数据线接口的每个特征进行分析，从而快速判断数据线接口各个特征的情况，当任一特征存在异常时，则将数据线接口进行标记，并剔除，从而保证每个数据线接口均为合格品，提高了产线的生产检测效率；2、通过对视觉设备所获取到的视觉图像进行处理，使得视觉设备所获取到的视觉图像内的数据线接口的位置能够更加适合标准化，从而避免数据线接口在进入检测区时，因为姿态的差异，影响数据线接口的识别效果，增强了视觉识别的兼容性和纠错性，从而使得视觉识别效果大大提升。
附图说明
14.图1为本发明的原理图。
具体实施方式
15.如图1所示，一种基于机器视觉的数据线接口自动检测方法，包括以下步骤：步骤一：设置视觉检测区域，并对视觉检测区域内数据线接口进行定位；步骤二：通过视觉采集设备获取完成定位后的数据线接口的视觉图像；步骤三：对所获取到的视觉图像进行处理，并根据处理后的视觉图像对数据线接口进行检测分析；步骤四：根据分析结果对异常点进行标记，同时将出现异常的数据线接口剔除。
16.需要进一步说明的是，在具体实施过程中，视觉检测区域的设置过程具体包括：构建多边形区域作为数据线接口的检测区域，并在多边形区域内设置若干个定位点；需要进一步说明的是，在具体实施过程中，多边形区域为三角形区域、矩形区域等；定位点的位置设置于多边形区域内的每个顶角处；需要进一步说明的是，在具体实施过程中，数据线接口的检测区域还可以是圆形区域，当数据线接口的检测区域为圆形区域时，则定位点设置于圆形区域的圆心以及相互垂直且经过圆心的两条直径与圆相交的四个交点；将视觉检测设备的扫描区域按照数据线接口的检测区域范围进行调整，使得视觉检测设备的扫描区域与数据线接口的检测区域范围重合；在视觉检测设备的扫描区域设置与数据线接口的检测区域上的定位点相对应的参考点；所述参考点与对应的定位点相重合；将数据线接口当值在数据线接口的检测区域内，根据数据线接口在数据线接口的检测区域内的所在位置，对数据线接口进行定位；需要进一步说明的是，在具体实施过程中，对数据线接口进行定位的过程包括：获取数据线接口在扫描区域内的位置，通过安装在视觉设备上的扫描终端对扫描区域内的数据线接口进行扫描；获取数据线接口的扫描图；建立神经网络训练模型，并将所获得的扫描图输入至神经网络训练模块内；通过神经网络训练模型对扫描图内的数据线接口的特征进行识别，获得数据线接口的轮廓，从而定位数据线接口在检测区域内的位置，并将定位结果输出；需要进一步说明的是，在具体实施过程中，当定位结果为失败时，则表示数据线接口在检测区域内的位置会影响视觉设备获得数据线接口的视觉图像的效果，当定位结果为失败时，则生成报警信息，并将定位失败的数据线接口剔出检测区域。
17.当定位结果为成功时，通过视觉设备对检测区域内的数据线接口进行视觉图像采集，并对视觉设备采集到的数据线接口的视觉图像进行处理，具体过程包括：根据扫描区域建立二维平面坐标系，并将视觉设备获取到的视觉图像投射在二维平面坐标系内；
设置数据线接口在二维平面坐标系内的标准位置，并将二维平面坐标系内数据线接口的标准位置进行标记；将视觉设备所获取到的视觉图像内的数据线接口进行标记，根据数据线接口在二维平面坐标系内的标准位置对视觉设备所获取到的视觉图像进行调整，使得视觉设备所获取到的视觉图像内的数据线接口与标准位置重合。
18.需要进一步说明的是，在具体实施过程中，对视觉设备所获取到的视觉图像进行调整的过程包括：在标准位置内放置数据线接口，并对所放置的数据线接口进行扫描，获得数据线接口的扫描图像；根据所获得的数据线接口的扫描图像对数据线接口的特征进行标记，记为标准特征；对标记的数据线接口的标准特征在二维平面坐标系内的坐标位置进行标记，并记为特征标准位置；获取视觉设备所获取到的数据线接口的视觉图像内的数据线接口的扫描图像，并识别数据线接口的实际特征；将所获得的实际特征与标准特征进行一一匹配，获得不同的特征对；需要进一步说明的是，在具体实施过程中，若数据线接口的标准特征为a，b，c，d，数据线接口的实际特征为a，b，c，d，则经过匹配后，获得特征对（a，a）、（b，b）、（c，c）以及（d，d）；获得每个特征对的坐标差，根据所获得的坐标差将视觉设备所获取到的视觉图像进行调整，使得视觉设备所获取到的视觉图像内的数据线接口的实际特征与标准特征重合；需要进一步说明的是，在具体实施过程，调整方式包括平移和旋转；需要进一步说明的是，在具体实施过程中，通过对视觉设备所获取到的视觉图像进行处理，使得视觉设备所获取到的视觉图像内的数据线接口的位置能够更加适合标准化，从而避免数据线接口在进入检测区时，因为姿态的差异，影响数据线接口的识别效果，增强了视觉识别的兼容性和纠错性，从而使得视觉识别效果大大提升。
19.需要进一说明的是，在具体实施过程，完成对视觉设备所获取到的视觉图像的处理后，通过处理后的视觉图像，对数据线接口进行检测分析，具体过程包括：根据所获取到的数据线接口的扫描图像，对扫描图像进行栅格化处理，并将栅格化处理后的扫描图像中数据线接口进行框选标记；对被框选标记的数据线接口以外的部分进行反选，并将被反选的部分和被框选标记的部分进行对比度差异处理：将扫描图像中被反选的部分的对比度进行弱化，对被框选标记的部分的对比度进行提升；经过对比度差异化处理后，将被反选的部分进行剔除，只保留被框选标记的部分；对被框选标记的部分中的实际特征进行标记，并根据实际特征的所在位置对实际特征进行提取，生成实际特征图片；对实际特征图片作灰度处理，将经过灰度处理后的实际特征图像与标准特征对应的图像进行对比。
20.需要进一步说明的是，在具体实施过程中，经过灰度处理后的实际特征图像与标准特征对应的图像的对比过程具体包括：
在标准特征对应的图像上获取n个取样点，对每个取样点进行标号，记为i，其中i=1,2，
……
，n，n为整数；根据标准特征对应的图像中的取样点的所在位置，在实际特征图像对应的位置进行取样；将标准特征对应的图像上的每个取样点对应的灰度值标记为bsi；将实际特征图像上的每个取样点对应的灰度值标记为ssi；获取标准特征与实际特征的灰度差异系数cx；其中；设置灰度差异系数阈值区间（c0，c1），则当cx处于灰度差异系数阈值区间范围内，则表示实际特征与标准特征相匹配，即数据线接口的对应实际特征正常；当cx不处于灰度差异系数阈值区间范围内，则表示实际特征与标准特征不匹配，即数据线接口的对应实际特征异常；当数据线接口的任一实际特征异常，则判定该数据线接口异常，并将异常的数据线接口标记，并剔除。
21.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。