CN104122271A - 一种基于aoi的子弹表观缺陷检测方法 - Google Patents

Abstract

本发明公开了一种基于AOI的子弹表观缺陷检测方法，包括（1）采用CCD线阵相机对子弹表面进行拍摄，获得子弹表面的初始灰度图像；（2）对初始灰度图像依次进行去噪、增强、分割的预处理，获得二值化的图像；（3）对二值化图像进行连通域标记处理，获得子弹表面的所有缺陷的像素点集合；（4）对各缺陷区域分别进行特征提取；（5）将提取出的各特征值与预设的缺陷标准特征对比，确定各缺陷的类型。本发明以自动光学检测作为基础，设计出一整套子弹表观缺陷检测的方案，通过精准全面的图像获取、快捷的图像处理算法、方便准确的特征提取与识别，高效准确地实现了对子弹表观缺陷的完整检测。

Description

一种基于AOI的子弹表观缺陷检测方法

技术领域

本发明涉及产品检验领域，特别是涉及一种基于AOI的子弹表观缺陷检测方法。

背景技术

子弹作为近现代最基本的武器，是战争中最重要的物品之一，其消耗量是非常巨大的。所以对于安全生产子弹的环节和保证其质量是衡量一个国家的军工事业水平的一个重要标准之一。然而在子弹生产过程中由于种种原因，都不可避免地造成很多损伤、划痕、油污等等一系列情况，所以如何保证子弹生产的良品率是对保证战士在战场安全的一个重要环节。由于以上原因，对于子弹表观缺陷的检测有着极其重要的意义。

目前，国内对于子弹表观缺陷的检测方式，基本上都是使用人工检测的方法。很明显，由于人自身的一些原因，通过肉眼鉴别子弹表观的缺陷不仅工作效率低下，而且工作强度很大。随着时间的增长，人疲劳的产生，导致人工的检测结果很不稳定，极大的提高了误检率。对于子弹这种高危险的产品来说，高误检率意味着对使用军人生命的威胁。随着科技的发展和对于生产过程的要求，通过一种自动化、高速、高精度检测的检测子弹表观缺陷有很重要的实际意义。

根据子弹的一些性质特点，可以考虑使用无损检测的方式。所谓无损检测，就是指不直接接触，而是采用一些其他的手段，如形状，性质特性等，在既不接触更不破坏物体的基础上，达到测试和检验物体的目的。当前，在生产中经常用到的无损检测技术有渗透、X射线、微磁检测、超声探伤、红外热成像等等，其中一些已经在许多行业投入使用并且已经获得了很好的经济效益。但是对于子弹表观缺陷检测来说，这些方法都或多或少的存在自动化程度低、操作复杂、花费成本过大等问题，导致这些技术无法在子弹检测上顺利使用。

近些年兴起的AOI技术是一种新型测试技术，其发展迅速，这些都给子弹缺陷检测带来了新的契机。AOI(Automatic Optic Inspection)，又称为自动光学检测，是以运动机器视觉作为基础技术，作为改良传统上以人力使用光学仪器进行检测的缺点，提高光学影像检测系统精度和速度而诞生的一门技术。其基本原理就是利用机器模仿人获取、识别图像。

一副图像可定义为一个二维函数f(x,y)，这里x和y是空间坐标，而在任何一对空间坐标(x,y)上的幅值f称为该点图像的强度或灰度。当x，y和幅值f为优先的离散数值时，称该图像为数字图像。

发明内容

为了解决上述现有技术中的问题，本发明提供一种设计合理、能够自动检测降低人工检测强度、提高检测效率且安全可靠的基于AOI的子弹表观缺陷检测方法。

为了实现上述目的，本发明采用的技术方案如下：

一种基于AOI的子弹表观缺陷检测方法，包括如下步骤：

(1)采用CCD线阵相机对子弹表面进行拍摄，获得子弹表面的初始灰度图像；

(2)对初始灰度图像依次进行去噪、增强、分割的预处理，获得二值化的图像；

(3)对二值化图像进行连通域标记处理，获得子弹表面的所有缺陷的像素点集合；

(4)对各缺陷区域分别进行特征提取；

(5)将提取出的各特征值与预设的缺陷标准特征对比，确定各缺陷的类型。

其中，所述步骤(1)中对子弹表面进行拍摄时子弹沿其轴线匀速旋转，并至少对CCD线阵相机旋转一圈。

进一步地，所述步骤(1)中对子弹表面进行拍摄时采用两个条形LED光源对子弹进行照明处理，其中两个条形LED光源在CCD线阵相机两侧对称设置，且条形方向沿子弹轴线方向。

具体地讲，所述步骤(2)中图像预处理的具体方法如下：

(2a)在图像中确定一个以某个像素点为中心的邻域，再比较该邻域内各个像素点的灰度值的大小，并取其中间值作为选中像素点的新灰度值，然后将该邻域范围设为窗口，并依次移动该窗口，对整幅图像进行去噪处理；

(2b)采用线性灰度变换对图像进行增强处理；

(2c)在图像f(x,y)中按区分要求取一个点的灰度值T作为阀值，并将所有像素点的灰度值与阀值T比较，将大于或等于阀值T的像素点的灰度值重新设为1，将小于阀值T的像素点的灰度值重新设为0，获得二值化后的图像

进一步地，所述步骤(2c)中确定灰度值T的具体方法如下：

(2c1)设N为整幅图像中像素总个数，整个图像的灰度值范围从0到L，当整个图像中灰度级为i的像素个数为ni时，则相应的几率为p_i＝n_i/NL,i＝0,1,2,…,L-1且

(2c2)假设阈值为T，把图像按照阈值T分为两部分：C₀表示灰度值小于阈值T的全部像素点，C₁表示灰度值大于阈值T的全部像素点，根据整体的灰度分布几率，整体像素的均值为则C₀和C₁的均值为 ${\mathrm{\μ}}_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}i{p}_i/w_0$ 和 ${\mathrm{\μ}}_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}i{p}_i/w_1,$ 其中 $w_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}{p}_i,$ $w_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}{p}_i=1-w_0;$

(2c3)由上述推导得u_T＝w₀μ₀+w₁μ₁，方差 $\begin{array}{c}{\mathrm{\σ}}_B^2=w_0{({\mathrm{\μ}}_0-{\mathrm{\μ}}_T)}^2+w_1{({\mathrm{\μ}}_1-{\mathrm{\μ}}_T)}^2\\ =w_0({\mathrm{\μ}}_0^2+{\mathrm{\μ}}_T^2)+{\mathrm{\μ}}_T^2(w_0+w_1)-2(w_0{\mathrm{\μ}}_0+w_1{\mathrm{\μ}}_1){\mathrm{\μ}}_T\\ =w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{\mathrm{\μ}}_T^2=w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{(w_0{\mathrm{\μ}}_0+w_1\mathrm{\μ})}^2\\ =w_0{\mathrm{\μ}}_0^2(1-w_0)+w_1{\mathrm{\μ}}_1^2(1-w_1)-2w_0{w}_1{\mathrm{\μ}}_0{\mathrm{\μ}}_1\\ =w_0{w}_1{({\mathrm{\μ}}_0-{\mathrm{\μ}}_1)}^2\end{array};$

(2c4)在[0,L-1]的灰度值范围内调整T的值，当方差取得最大值时，T为最佳的阈值。

具体来讲，所述步骤(3)中对二值化图像进行连通域标记处理的具体方法如下：

(3a)对预处理后的二值化图像按从左至右、从上到下的顺序进行扫描，并做出初步的标记，建立等价对表，其中，等价对是指按扫描顺序在先认为的两个不连通的区域在后续扫描被发现是连通的区域的标号匹配关系，即将在先的两个不连通的区域标记的两个记号记录在等价对表中，以说明这两个区域是同一个连通区域；

(3b)对上述标记后的图像进行二次扫描，将满足条件的等价对进行相应的替换，合并等价连通域，消除连通域标记冲突，获得连通域标记图像。

进一步地，所述步骤(3a)中做初步标记和建立等价对表的具体方法如下：

(3a1)按预定顺序扫描二值化图像中的像素点灰度值，若当前像素点的灰度值为0，则设该点为背景点，不做任何处理，若当前点灰度值为255，则将其初始标记值设为0，进行下一步；

(3a2)根据该当前点的位置与其右上、正上、左上、左前各点进行判断，并进行相应标记；

(3a3)若该当前点为图像在左上角的点，则标记值加1，并将该标记值作为当前点的标记值；

(3a4)当前点位于第一行且不在第一列时，其只与其左前点进行比较，若左前点被标记过，则当前点的标记值取左前点的标记值，若左前点没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值；

(3a5)当前点位于第一列且不在第一行时，将其与其右上和正上的像素点进行比较，若该两个点的标记值都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则当前点的标记值取被标记过的点的标记值，若两个点均被标记过，当前点取正上点的标记值，若两个点均被标记过且标记值不同时，将其正上点记录到等价对表中；

(3a6)当前点位于最后一列且不在第一行，将其与其正上、左上、左前的三个像素点进行比较，若该三个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则将当前点的标记值取这个点的标记值，若有两个或者三个点被标记过且标记值相同，直接将当前点的标记值取与这些点相同的值，若有两个或者三个点被标记过且标记值不同，则按照左前、左上、正上的先后顺序，将最先有标记值的点的标记值作为当前等的标记值，若有两个或者三个点被标记过且标记值不同时，将按其顺序最先有标记值的点记录到等价对表中；

(3a7)当前点不在上述(3a3)～(3a6)所述位置时，将其与其右上、正上、左上、左前的四个像素点进行比较，若四个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若有一个点被标记过或者有多个被标记的点且标记值相同，则将该标记值作为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，则按照左前、左上、正上、右上的先后顺序，将最先有标记值的点的标记值设为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，将按其顺序最先有标记值的点记录到等价对表中。

具体来讲，所述步骤(4)中对各缺陷区域提取的特征至少包括面积、重心、外接矩阵、长轴、倾角、长宽比和灰度值。

进一步地，各所述特征对应的计算通式分别如下：

在连通域标记为i的缺陷区域内面积其中(x,y)表示像素点的坐标，R_i为被标记为i的所有像素点的集合；

缺陷区域的重心中，横坐标均值为纵坐标均值为 ${\stackrel{\‾}{y}}_i=\frac{1}{S_i}\underset{(x,y)\∈R_i}{\mathrm{\Σ}}y;$

缺陷区域的外接矩阵的左上角坐标(x_a,y_a)为 $\left\{\begin{array}{c}{x}_{\mathrm{ai}}=\min \left(x_i\right)\\ y_{\mathrm{ai}}=\min \left(y_i\right)\end{array}\right.,(\mathrm{xi},\mathrm{yi})\∈R_i,$ 该外界矩阵的长L_a和宽W_a为 $\left\{\begin{array}{c}{L}_a=\max \left(y_i\right)-\min \left(y_i\right)\\ W_a=\max \left(x_i\right)-\min \left(x_i\right)\end{array}\right.,(x_i,y_i)\∈R_i;$

缺陷区域的长轴值其中(x₁,y₁)和(x₂,y₂)是一条过重心的直线与缺陷区域边缘相交的两点；

缺陷区域的倾角即为长轴方向与x轴方向的夹角其中(x_c,y_c)为长轴与x轴的交点；

缺陷区域的长宽比其中A为长轴的长度，B为短轴的长度，所谓短轴是指垂直于缺陷长轴且过重心的直线与缺陷区域边缘相交两点间的长度；

最大灰度值和最小灰度值 $\left\{\begin{array}{c}{u}_{\max i}=\max \left(f(x_i,y_i)\right)\\ u_{\min i}=\min \left(f(x_i,y_i)\right)\end{array}\right.,(x_i,y_i)\∈R_i,$ 平均灰度值 ${\stackrel{\‾}{\mathrm{\μ}}}_i=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}f(x_i,y_i),$ 灰度的标准差 ${\mathrm{\σ}}_i^2=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}{(f(x_i,y_i)-{\stackrel{\‾}{\mathrm{\μ}}}_i)}^2.$

与现有技术相比，本发明具有以下有益效果：

(1)本发明以自动光学检测作为基础，设计出一整套子弹表观缺陷检测的方案，通过精准全面的图像获取、快捷的图像处理算法、方便准确的特征提取与识别，高效准确地实现了对子弹表观缺陷的完整检测，具有突出的实质性特点和显著的进步，并且本发明设计合理，安全可靠，具有广泛的应用前景，适合推广应用。

(2)本发明通过对子弹形状的分析，有针对性地选择条形光源，保证了对子弹打光的均匀性，同时采用两个条形光源在相机两侧对称设置的方式，使相机所采集的图像完整，有效避免了阴影，提高了获取的图像质量。

(3)本发明有针对性地设计对子弹表面图像的处理过程，在保证了图像处理质量的条件下，极大地缩短了处理时间，进而有效地提高了子弹表观缺陷检测的效率。

(4)本发明采用更高效的缺陷图像提取算法，能够快速完整将子弹表观缺陷还原转化呈能够识别的图像，并有针对性地设计了子弹表观缺陷的各种类型，并将其公式化，使机器能够通过识别缺陷图像对缺陷区域进行特征提取，通过各类型具有的特征特质对比确定出缺陷的种类，具有相当高的自动化。

具体实施方式

下面结合实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。

实施例

该基于AOI的子弹表观缺陷检测方法，具体步骤如下：

(1)采用CCD线阵相机对子弹表面进行拍摄，使子弹沿其轴线匀速旋转，并至少对CCD线阵相机旋转一圈，从而获得子弹表面的初始灰度图像；其中，在CCD线阵相机两侧的对称位置各设置一个条形LED光源对子弹表面进行照明，相机沿子弹轴线获取图像，条形LED光源的布置方向也与子弹轴线方向匹配，从而使子弹正对相机的一面被充分照明，避免产生阴影对后续图像识别造成影响。作为优选，CCD线阵相机采用7400像素线阵相机。

(2)由于各种各样的因素，子弹表面的初始图像上不可避免地会出现一些干扰，为了提高图像的质量，需要对初始灰度图像依次进行去噪、增强、分割的预处理，获得二值化的图像；其具体的处理过程如下：

(2a)在图像中确定一个以某个像素点为中心的邻域，再比较该邻域内各个像素点的灰度值的大小，并取其中间值作为选中像素点的新灰度值，然后将该邻域范围设为窗口，并依次移动该窗口，对整幅图像进行去噪处理；

(2b)采用线性灰度变换对图像进行增强处理；

(2c)在图像f(x,y)中按区分要求取一个点的灰度值T作为阀值，并将所有像素点的灰度值与阀值T比较，将大于或等于阀值T的像素点的灰度值重新设为1，将小于阀值T的像素点的灰度值重新设为0，获得二值化后的图像该过程运算速度快，处理效果好，尤其对于子弹表面这种点、线、角较少的图像具有优秀的处理性能。

进一步地，上述步骤(2c)中通过如下方法确定灰度值T：

(2c1)设N为整幅图像中像素总个数，整个图像的灰度值范围从0到L，当整个图像中灰度级为i的像素个数为ni时，则相应的几率为p_i＝n_i/NL,i＝0,1,2,…,L-1且

(2c2)假设阈值为T，把图像按照阈值T分为两部分：C₀表示灰度值小于阈值T的全部像素点，C₁表示灰度值大于阈值T的全部像素点，根据整体的灰度分布几率，整体像素的均值为则C₀和C₁的均值为 ${\mathrm{\μ}}_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}i{p}_i/w_0$ 和 ${\mathrm{\μ}}_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}i{p}_i/w_1,$ 其中 $w_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}{p}_i,$ $w_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}{p}_i=1-w_0;$

(2c3)由上述推导得u_T＝w₀μ₀+w₁μ₁，方差 $\begin{array}{c}{\mathrm{\σ}}_B^2=w_0{({\mathrm{\μ}}_0-{\mathrm{\μ}}_T)}^2+w_1{({\mathrm{\μ}}_1-{\mathrm{\μ}}_T)}^2\\ =w_0({\mathrm{\μ}}_0^2+{\mathrm{\μ}}_T^2)+{\mathrm{\μ}}_T^2(w_0+w_1)-2(w_0{\mathrm{\μ}}_0+w_1{\mathrm{\μ}}_1){\mathrm{\μ}}_T\\ =w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{\mathrm{\μ}}_T^2=w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{(w_0{\mathrm{\μ}}_0+w_1\mathrm{\μ})}^2\\ =w_0{\mathrm{\μ}}_0^2(1-w_0)+w_1{\mathrm{\μ}}_1^2(1-w_1)-2w_0{w}_1{\mathrm{\μ}}_0{\mathrm{\μ}}_1\\ =w_0{w}_1{({\mathrm{\μ}}_0-{\mathrm{\μ}}_1)}^2\end{array};$

(2c4)在[0,L-1]的灰度值范围内调整T的值，当方差取得最大值时，T为最佳的阈值。

(3)为了便于后续的特征提取，还需对二值化图像进行连通域标记处理，获得子弹表面的所有缺陷的像素点集合；具体地：

(3a)对预处理后的二值化图像按从左至右、从上到下的顺序进行扫描，并做出初步的标记，建立等价对表，其中，等价对是指按扫描顺序在先认为的两个不连通的区域在后续扫描被发现是连通的区域的标号匹配关系，即将在先的两个不连通的区域标记的两个记号记录在等价对表中，以说明这两个区域是同一个连通区域；

(3b)对上述标记后的图像进行二次扫描，将满足条件的等价对进行相应的替换，合并等价连通域，消除连通域标记冲突，获得连通域标记图像。

其中，所述步骤(3a)中做初步标记和建立等价对表的具体方法如下：

(3a1)按预定顺序扫描二值化图像中的像素点灰度值，若当前像素点的灰度值为0，则设该点为背景点，不做任何处理，若当前点灰度值为255，则将其初始标记值设为0，进行下一步；

(3a2)根据该当前点的位置与其右上、正上、左上、左前各点进行判断，并进行相应标记；

(3a3)若该当前点为图像在左上角的点，则标记值加1，并将该标记值作为当前点的标记值；

(3a4)当前点位于第一行且不在第一列时，其只与其左前点进行比较，若左前点被标记过，则当前点的标记值取左前点的标记值，若左前点没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值；

(3a5)当前点位于第一列且不在第一行时，将其与其右上和正上的像素点进行比较，若该两个点的标记值都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则当前点的标记值取被标记过的点的标记值，若两个点均被标记过，当前点取正上点的标记值，若两个点均被标记过且标记值不同时，将其正上点记录到等价对表中；

(3a6)当前点位于最后一列且不在第一行，将其与其正上、左上、左前的三个像素点进行比较，若该三个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则将当前点的标记值取这个点的标记值，若有两个或者三个点被标记过且标记值相同，直接将当前点的标记值取与这些点相同的值，若有两个或者三个点被标记过且标记值不同，则按照左前、左上、正上的先后顺序，将最先有标记值的点的标记值作为当前等的标记值，若有两个或者三个点被标记过且标记值不同时，将按其顺序最先有标记值的点记录到等价对表中；

(3a7)当前点不在上述(3a3)～(3a6)所述位置时，将其与其右上、正上、左上、左前的四个像素点进行比较，若四个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若有一个点被标记过或者有多个被标记的点且标记值相同，则将该标记值作为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，则按照左前、左上、正上、右上的先后顺序，将最先有标记值的点的标记值设为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，将按其顺序最先有标记值的点记录到等价对表中。

(4)对各缺陷区域分别进行特征提取；具体来讲，对各缺陷区域提取的特征至少包括面积、重心、外接矩阵、长轴、倾角、长宽比和灰度值。

进一步地，各所述特征对应的计算通式分别如下：

在连通域标记为i的缺陷区域内面积其中(x,y)表示像素点的坐标，R_i为被标记为i的所有像素点的集合；

缺陷区域的重心中，横坐标均值为纵坐标均值为 ${\stackrel{\‾}{y}}_i=\frac{1}{S_i}\underset{(x,y)\∈R_i}{\mathrm{\Σ}}y;$

缺陷区域的外接矩阵的左上角坐标(x_a,y_a)为 $\left\{\begin{array}{c}{x}_{\mathrm{ai}}=\min \left(x_i\right)\\ y_{\mathrm{ai}}=\min \left(y_i\right)\end{array}\right.,(\mathrm{xi},\mathrm{yi})\∈R_i,$ 该外界矩阵的长L_a和宽W_a为 $\left\{\begin{array}{c}{L}_a=\max \left(y_i\right)-\min \left(y_i\right)\\ W_a=\max \left(x_i\right)-\min \left(x_i\right)\end{array}\right.,(x_i,y_i)\∈R_i;$

缺陷区域的长轴值其中(x₁,y₁)和(x₂,y₂)是一条过重心的直线与缺陷区域边缘相交的两点；

缺陷区域的倾角即为长轴方向与x轴方向的夹角其中(x_c,y_c)为长轴与x轴的交点；

缺陷区域的长宽比其中A为长轴的长度，B为短轴的长度，所谓短轴是指垂直于缺陷长轴且过重心的直线与缺陷区域边缘相交两点间的长度；

最大灰度值和最小灰度值 $\left\{\begin{array}{c}{u}_{\max i}=\max \left(f(x_i,y_i)\right)\\ u_{\min i}=\min \left(f(x_i,y_i)\right)\end{array}\right.,(x_i,y_i)\∈R_i,$ 平均灰度值 ${\stackrel{\‾}{\mathrm{\μ}}}_i=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}f(x_i,y_i),$ 灰度的标准差 ${\mathrm{\σ}}_i^2=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}{(f(x_i,y_i)-{\stackrel{\‾}{\mathrm{\μ}}}_i)}^2.$

(5)将提取出的各特征值与预设的缺陷标准特征对比，确定各缺陷的类型。

该过程中通过对子弹表观缺陷的分析，设计出各缺陷类型对应的图像特征，以此得出每种缺陷对应的标准阀值，具体如下：

(I)道线：长宽比大于30:1，外接矩形长宽比不小于30:1，倾斜角度在-5°和5°之间，平均灰度在100到180之间；

(II)口部卡伤：长宽比在1到5之间，最小灰度值小于10，以重心为中心半径小于300的圆形区域内存在至少一个区域，且该区域的长宽比在0.2到5之间，最大灰度值大于150；

(III)划痕：长宽比在5到20之间，且平均灰度值小于40或者大于100；

(IV)穿孔：长宽比在1到2之间，面积大于400，最低灰度值为0，且灰度值为0的像素个数大于10；

(V)裂痕：长宽比在5到30之间，最低灰度值为0，且灰度值为0的像素个数大于10个，以重心为中心半径小于300的圆形区域内存在至少一个区域，且该区域的长宽比在5到30之间，最大灰度值等于255，最高灰度值为255的像素点个数大于10；

(VI)锈蚀：长宽比在0.2到5之间，且平均灰度值在30到55之间；

(VII)油漆涂错：面积大于10000，平均灰度值大于50，或者最小灰度值小于5的面积大于1000，颜色较暗；

(VIII)露钢：面积大于10000，平均灰度值小于100，或者最小灰度值小于20的面积大于1000；

(IX)亮点：面积小于200，平均灰度值要大于200。

再通过每个缺陷区域特征的对比，即可确定该缺陷的类型。

经测试，该方法的误检率在3％以内，漏检率为0，无漏检，能够有效避免子弹缺陷带来的危险，检测时间平均在0.7秒/发以内，能够确保每分钟60发的检测要求，测试结果统计如表1所示：

表1

通过本发明，可以极大地降低子弹检测流程中的人力劳动成本，更是有效地提高了检测准确率和检测效率，为子弹表观缺陷检测的发展作出了巨大的贡献。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

按照上述实施例，便可很好地实现本发明。值得说明的是，基于上述结构设计的前提下，为解决同样的技术问题，即使在本发明上做出的一些无实质性的改动或润色，所采用的技术方案的实质仍然与本发明一致的，也应当在本发明的保护范围内。

Claims (9)

1.一种基于AOI的子弹表观缺陷检测方法，其特征在于，包括如下步骤：

(1)采用CCD线阵相机对子弹表面进行拍摄，获得子弹表面的初始灰度图像；

(2)对初始灰度图像依次进行去噪、增强、分割的预处理，获得二值化的图像；

(3)对二值化图像进行连通域标记处理，获得子弹表面的所有缺陷的像素点集合；

(4)对各缺陷区域分别进行特征提取；

(5)将提取出的各特征值与预设的缺陷标准特征对比，确定各缺陷的类型。

2.根据权利要求1所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(1)中对子弹表面进行拍摄时子弹沿其轴线匀速旋转，并至少对CCD线阵相机旋转一圈。

3.根据权利要求2所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(1)中对子弹表面进行拍摄时采用两个条形LED光源对子弹进行照明处理，其中两个条形LED光源在CCD线阵相机两侧对称设置，且条形方向沿子弹轴线方向。

4.根据权利要求1所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(2)中图像预处理的具体方法如下：

(2a)在图像中确定一个以某个像素点为中心的邻域，再比较该邻域内各个像素点的灰度值的大小，并取其中间值作为选中像素点的新灰度值，然后将该邻域范围设为窗口，并依次移动该窗口，对整幅图像进行去噪处理；

(2b)采用线性灰度变换对图像进行增强处理；

(2c)在图像f(x,y)中按区分要求取一个点的灰度值T作为阀值，并将所有像素点的灰度值与阀值T比较，将大于或等于阀值T的像素点的灰度值重新设为1，将小于阀值T的像素点的灰度值重新设为0，获得二值化后的图像

5.根据权利要求4所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(2c)中确定灰度值T的具体方法如下：

(2c1)设N为整幅图像中像素总个数，整个图像的灰度值范围从0到L，当整个图像中灰度级为i的像素个数为n_i时，则相应的几率为p_i＝n_i/NL,i＝0,1,2,…,L-1且

(2c2)假设阈值为T，把图像按照阈值T分为两部分：C₀表示灰度值小于阈值T的全部像素点，C₁表示灰度值大于阈值T的全部像素点，根据整体的灰度分布几率，整体像素的均值为则C₀和C₁的均值为 ${\mathrm{\μ}}_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}i{p}_i/w_0$ 和 ${\mathrm{\μ}}_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}i{p}_i/w_1,$ 其中 $w_0=\underset{i=0}{\overset{T}{\mathrm{\Σ}}}{p}_i,$ $w_1=\underset{i=T+1}{\overset{L-1}{\mathrm{\Σ}}}{p}_i=1-w_0;$

(2c3)由上述推导得u_T＝w₀μ₀+w₁μ₁，方差 $\begin{array}{c}{\mathrm{\σ}}_B^2=w_0{({\mathrm{\μ}}_0-{\mathrm{\μ}}_T)}^2+w_1{({\mathrm{\μ}}_1-{\mathrm{\μ}}_T)}^2\\ =w_0({\mathrm{\μ}}_0^2+{\mathrm{\μ}}_T^2)+{\mathrm{\μ}}_T^2(w_0+w_1)-2(w_0{\mathrm{\μ}}_0+w_1{\mathrm{\μ}}_1){\mathrm{\μ}}_T\\ =w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{\mathrm{\μ}}_T^2=w_0{\mathrm{\μ}}_0^2+w_1{\mathrm{\μ}}_1^2-{(w_0{\mathrm{\μ}}_0+w_1\mathrm{\μ})}^2\\ =w_0{\mathrm{\μ}}_0^2(1-w_0)+w_1{\mathrm{\μ}}_1^2(1-w_1)-2w_0{w}_1{\mathrm{\μ}}_0{\mathrm{\μ}}_1\\ =w_0{w}_1{({\mathrm{\μ}}_0-{\mathrm{\μ}}_1)}^2\end{array};$

(2c4)在[0,L-1]的灰度值范围内调整T的值，当方差取得最大值时，T为最佳的阈值。

6.根据权利要求1所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(3)中对二值化图像进行连通域标记处理的具体方法如下：

(3a)对预处理后的二值化图像按从左至右、从上到下的顺序进行扫描，并做出初步的标记，建立等价对表；

(3b)对上述标记后的图像进行二次扫描，将满足条件的等价对进行相应的替换，合并等价连通域，消除连通域标记冲突，获得连通域标记图像。

7.根据权利要求6所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(3a)中做初步标记和建立等价对表的具体方法如下：

(3a1)按预定顺序扫描二值化图像中的像素点灰度值，若当前像素点的灰度值为0，则设该点为背景点，不做任何处理，若当前点灰度值为255，则将其初始标记值设为0，进行下一步；

(3a2)根据该当前点的位置与其右上、正上、左上、左前各点进行判断，并进行相应标记；

(3a3)若该当前点为图像在左上角的点，则标记值加1，并将该标记值作为当前点的标记值；

(3a4)当前点位于第一行且不在第一列时，其只与其左前点进行比较，若左前点被标记过，则当前点的标记值取左前点的标记值，若左前点没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值；

(3a5)当前点位于第一列且不在第一行时，将其与其右上和正上的像素点进行比较，若该两个点的标记值都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则当前点的标记值取被标记过的点的标记值，若两个点均被标记过，当前点取正上点的标记值，若两个点均被标记过且标记值不同时，将其正上点记录到等价对表中；

(3a6)当前点位于最后一列且不在第一行，将其与其正上、左上、左前的三个像素点进行比较，若该三个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若其中只有一个点被标记过，则将当前点的标记值取这个点的标记值，若有两个或者三个点被标记过且标记值相同，直接将当前点的标记值取与这些点相同的值，若有两个或者三个点被标记过且标记值不同，则按照左前、左上、正上的先后顺序，将最先有标记值的点的标记值作为当前等的标记值，若有两个或者三个点被标记过且标记值不同时，将按其顺序最先有标记值的点记录到等价对表中；

(3a7)当前点不在上述(3a3)～(3a6)所述位置时，将其与其右上、正上、左上、左前的四个像素点进行比较，若四个点都没有被标记过，则标记值加1，然后将该标记值作为当前点的标记值，若有一个点被标记过或者有多个被标记的点且标记值相同，则将该标记值作为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，则按照左前、左上、正上、右上的先后顺序，将最先有标记值的点的标记值设为当前点的标记值，若有两个或者两个以上的点被标记过且标记值不相等，将按其顺序最先有标记值的点记录到等价对表中。

8.根据权利要求1所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，所述步骤(4)中对各缺陷区域提取的特征至少包括面积、重心、外接矩阵、长轴、倾角、长宽比和灰度值。

9.根据权利要求8所述的一种基于AOI的子弹表观缺陷检测方法，其特征在于，各所述特征对应的计算通式分别如下：

在连通域标记为i的缺陷区域内面积其中(x,y)表示像素点的坐标，R_i为被标记为i的所有像素点的集合；

缺陷区域的重心中，横坐标均值为纵坐标均值为 ${\stackrel{\‾}{y}}_i=\frac{1}{S_i}\underset{(x,y)\∈R_i}{\mathrm{\Σ}}y;$

缺陷区域的外接矩阵的左上角坐标(x_a,y_a)为 $\left\{\begin{array}{c}{x}_{\mathrm{ai}}=\min \left(x_i\right)\\ y_{\mathrm{ai}}=\min \left(y_i\right)\end{array}\right.,(\mathrm{xi},\mathrm{yi})\∈R_i,$ 该外界矩阵的长L_a和宽W_a为 $\left\{\begin{array}{c}{L}_a=\max \left(y_i\right)-\min \left(y_i\right)\\ W_a=\max \left(x_i\right)-\min \left(x_i\right)\end{array}\right.,(x_i,y_i)\∈R_i;$

缺陷区域的长轴值其中(x₁,y₁)和(x₂,y₂)是一条过重心的直线与缺陷区域边缘相交的两点；

缺陷区域的倾角即为长轴方向与x轴方向的夹角其中(x_c,y_c)为长轴与x轴的交点；

缺陷区域的长宽比其中A为长轴的长度，B为短轴的长度，所谓短轴是指垂直于缺陷长轴且过重心的直线与缺陷区域边缘相交两点间的长度；

最大灰度值和最小灰度值 $\left\{\begin{array}{c}{u}_{\max i}=\max \left(f(x_i,y_i)\right)\\ u_{\min i}=\min \left(f(x_i,y_i)\right)\end{array}\right.,(x_i,y_i)\∈R_i,$ 平均灰度值 ${\stackrel{\‾}{\mathrm{\μ}}}_i=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}f(x_i,y_i),$ 灰度的标准差 ${\mathrm{\σ}}_i^2=\underset{(x_i,y_i)\∈R_i}{\mathrm{\Σ}}{(f(x_i,y_i)-{\stackrel{\‾}{\mathrm{\μ}}}_i)}^2.$