(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211409675.2 (22)申请日 2022.11.11 (71)申请人 广东海洋大学 地址 524088 广东省湛江市麻章区海大路1 号 (72)发明人 刘璨　周本政　廖光皓　谢炳生　 刘焕牢　尹凝霞　 (74)专利代理 机构 广州专理知识产权代理事务 所(普通合伙) 44493 专利代理师 曲超 (51)Int.Cl. G01N 21/88(2006.01) G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/66(2017.01)G06T 7/73(2017.01) G06V 10/764(2022.01) (54)发明名称 一种基于机器视觉的注塑件检测方法及系 统 (57)摘要 本发明公开了一种基于机器视觉的注塑件 检测方法及系统， 本发明技术方案通过对同一待 测环形注塑件采集由不同光源照射的两个图像 分别进行处理， 利用光源照射后可以将环形注塑 件上反光点放大的特点， 根据两个采集图像中各 个高亮位置点的亮度值过滤反光点， 排除了环形 注塑件上反光点对于气泡缺陷形状识别的影响 噪声， 克服现有技术无法对注塑件上的气泡缺 陷， 特别是环形注塑件上的气泡缺陷进行精准识 别的技术问题， 实现对注塑件上的气泡缺陷进行 精准识别， 特别是环形注塑件的气泡缺陷识别， 可以提高注塑件的检测成功率和准确性。 权利要求书3页 说明书12页 附图2页 CN 115452844 A 2022.12.09 CN 115452844 A 1.一种基于机器视觉的注塑件检测方法， 其特征在于， 对环形注塑件上的气泡缺陷进 行检测， 所述方法包括： 通过拍摄设备在封 闭空间对待测环形注塑件进行图像采集， 得到第一采集图像； 保持 所述拍摄设备和所述待测环形注塑件的位置不变， 在所述封闭空间中投放光源后， 对所述 待测环形注塑件进行二次图像采集， 得到第二采集图像； 对所述第一采集图像和所述第 二采集图像中的环形边界特征进行识别并标记， 分别在 所述第一采集图像和所述第二采集图像中确定所述待测环形注塑件的环形边界； 对所述第一采集图像和所述第二采集图像进行预处理后输入到预先建立的高亮区域 模型中进行识别， 分别标记并输出第一采集图像和第二采集图像上存在的高亮位置点； 分别确定所述第一采集图像和所述第 二采集图像在环形边界上的高亮位置点， 并确定 环形边界上 各个高亮位置点的亮度值； 根据所述第一采集图像和所述第二采集图像在环形边界上同一位置的高亮位置点的 亮度值之差， 将差值大于预设阈值的高亮位置点作为影响因子在所述第一采集图像中过 滤， 得到过 滤图像； 将所述过滤图像输入到预先建立的气泡形状识别模型中进行识别， 标记并输出所述过 滤图像中形状满足气泡 缺陷形状的高亮位置点， 作为待测环形注塑件上的气泡 缺陷。 2.如权利要求1所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述对所述第 一 采集图像和所述第二采集图像中的环形边界特征进行识别并标记， 分别 在所述第一采集图 像和所述第二采集图像中确定所述待测环形注塑件的环形边界的步骤中， 具体包括： 分别对所述第一采集图像和所述第二采集图像进行网格化处 理， 并确定基准 点； 建立三维坐标系， 以所述基准点为原点， 分别将所述第一采集图像和所述第二采集图 像移动到所述 三维坐标系当中， 并确定各个网格化 点在所述 三维坐标系中的坐标位置； 在所述第一采集图像中确定色度相同的连续多个网格化点之间形成的连线， 且所述连 线与不在所述连线上的相 邻网格化点之 间色度的差值达到 色度阈值的， 将所述连线确定为 环形边界； 根据所述第一采集图像中确定的环形边界， 在所述三维坐标系中以所述基准点为基 准， 移动到所述第二采集图像中， 确定所述待测环形注塑件在第二采集图像中的环形边界。 3.如权利要求2所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述对所述第 一 采集图像和所述第二采集图像进行 预处理的步骤中， 具体包括： 对所述第一采集图像和所述第二采集图像进行灰度化处理， 分别得到对应的灰度图 像； 在所述三维坐标系中， 以所述基准点为中点， 将所述灰度图像进行横向拉伸一定倍数 后， 得到拉伸图像； 对所述拉伸图像中存在的光斑特征进行识别， 将所述拉伸图像中的光斑特征进行过 滤， 得到过 滤图像； 根据所述横向拉伸的倍数， 将所述过滤图像进行横向缩小后， 得到预处理后的图像输 入到预先建立的高亮区域模型。 4.如权利要求3所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述高亮区域模 型的建立 步骤， 包括：权　利　要　求　书 1/3 页 2 CN 115452844 A 2获取训练图像， 其中， 所述训练图像是在封闭空间中投放光源后， 由拍摄设备对训练环 形注塑件进行图像采集而得到； 根据所述训练图像的色度， 在所述训练图像中标记发生高亮区域的形状边界， 并分别 确定每个高亮区域的中心点与所述训练环形注塑件的环形边界上最近的距离点， 将所述距 离点与对应的高亮区域进行相关联； 通过机器学习算法建立初始高亮模型， 将关联后的训练图像输入到所述初始高亮模型 中进行训练， 直到训练次数达 到阈值后， 生成训练高亮 模型； 获取测试图像， 其中， 所述测试图像是通过拍摄设备在封 闭空间对训练环形注塑件进 行图像采集而得到； 将所述测试图像输入到所述训练高亮模型中进行测试， 当输出图像中由训练高亮模型 在所述测试图像中标记存在高亮区域的高亮位置点的准确度达到预设阈值时， 生成 高亮区 域模型。 5.如权利要求3所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述对所述拉伸 图像中存在的光斑特 征进行识别的步骤中， 具体包括： 对所述拉伸图像中存在的不规则图形进行识别， 确定存在于所述拉伸图像中的不规则 图形； 分别对每一个不规则图形中划分多层圆环区域， 并在每一层圆环区域中确定多个测试 点， 同时， 确定每 个测试点所在的色度； 计算每一层圆环区域中所有测试点的平均色度， 将所述平均色度作为所在圆环区域的 色度值； 当确定同一个不规则图形中， 最外层的圆环区域上的色度值往最内层的圆环区域依次 递减， 则确定该不 规则图形为所述拉伸图像中存在的光斑特 征。 6.如权利要求1所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述分别确定所 述第一采集图像和所述第二采集图像在环形边界上的高亮位置点， 并确定环形边界上各个 高亮位置点的亮度值的步骤中， 具体包括： 分别确定所述第一采集图像和所述第二采集图像在环形边界上每个高亮位置点所在 的区域范围； 针对每个 高亮位置点的区域范围确定外接圆， 将所述外接圆的圆心所在位置上对应的 亮度值， 作为对应高亮位置点的亮度值。 7.如权利要求6所述的基于机器视觉的注塑件检测方法， 其特征在于， 所述根据 所述第 一采集图像和所述第二采集图像在环形边界上同一位置的高亮位置点的亮度值之差， 将差 值大于预设阈值的高亮位置点作为影响因子在所述第一采集图像中过滤， 得到过滤图像的 步骤中， 具体包括： 将所述第一采集图像中各个 高亮位置点在三维坐标系中的坐标位置作为一个整体， 定 义为第一坐标位置； 将所述第二采集图像中各个 高亮位置点在三维坐标系中的坐标位置作为一个整体， 定 义为第二坐标位置； 以所述第一坐标位置为基准， 将所述第二坐标位置在三维坐标系中进行整体移动， 直 至所述第二 坐标位置与所述第一 坐标位置 重合；权　利　要　求　书 2/3 页 3 CN 115452844 A 3