[go: up one dir, main page]

CN113850766B - 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质 - Google Patents

凸轮轴表面缺陷检测方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN113850766B
CN113850766B CN202111064255.0A CN202111064255A CN113850766B CN 113850766 B CN113850766 B CN 113850766B CN 202111064255 A CN202111064255 A CN 202111064255A CN 113850766 B CN113850766 B CN 113850766B
Authority
CN
China
Prior art keywords
camshaft
defect
cam shaft
picture
cam
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111064255.0A
Other languages
English (en)
Other versions
CN113850766A (zh
Inventor
周康康
徐刚强
汪迁文
李孝禄
曹毅
胡火明
阚李近
蒋文龙
葛金亮
王前进
刘振涛
叶李斌
张卸伟
王广贺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Boxing Industry And Trade Co ltd
Original Assignee
Zhejiang Boxing Industry And Trade Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Boxing Industry And Trade Co ltd filed Critical Zhejiang Boxing Industry And Trade Co ltd
Priority to CN202111064255.0A priority Critical patent/CN113850766B/zh
Publication of CN113850766A publication Critical patent/CN113850766A/zh
Application granted granted Critical
Publication of CN113850766B publication Critical patent/CN113850766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种凸轮轴表面缺陷检测方法，该方法包括：获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；根据凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；根据凸轮轴尺寸和凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；根据凸轮轴的转动角度数据集和凸轮轴的最小不反光区域获取凸轮截图集；根据转动起始位置、凸轮轴尺寸和凸轮截图集确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。本发明还公开了一种凸轮轴表面缺陷检测装置和一种计算机可读存储介质。本发明能够实现自动检测凸轮轴表面缺陷，减小了光照系统对凸轮轴表面缺陷检测的影响。

Description

凸轮轴表面缺陷检测方法、装置及计算机可读存储介质
技术领域
本发明涉及通信技术领域，尤其涉及凸轮轴表面缺陷检测方法、装置及计算机可读存储介质。
背景技术
凸轮轴是内燃机里的一个部件，可以控制气门的开启和闭合动作。气门运动规律关系到一台发动机的动力和运转特性，因此凸轮轴在发动机上占据着十分重要的地位。凸轮轴零部件在生产加工过程中可能造成漏加工、磕碰、黑皮、锈斑等问题，为保证凸轮轴的质量，需要保证出厂的零部件必须是合格的。目前国内的大多数企业对大批量生产的小工件制品的表面缺陷，仍然采用人工目测的方法。人工目测易受生理与心理因素影响造成漏检，同时极大的重复的工作需要大量的人力资源，增加了产品的生产与加工成本。
发明内容
本发明的主要目的在于提出一种凸轮轴表面缺陷检测方法、装置及计算机可读存储介质，旨在实现自动检测凸轮轴表面缺陷，减小光照系统对凸轮轴表面缺陷检测的影响。
为实现上述目的，本发明提供一种凸轮轴表面缺陷检测方法，所述凸轮轴表面缺陷检测方法包括如下步骤：
获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；
根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；
根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；
根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；
根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
可选地，所述根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息的步骤，包括：
将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；
基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息；
根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
可选地，所述基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息的步骤，包括：
将所述完整表面图片进行灰度化处理，得到表面灰度图；
基于高斯滤波算法对所述表面灰度图进行去噪处理，得到表面去噪图片；
对所述表面去噪图片进行二值化处理，得到表面二值图片；
对所述二值图片先后进行形态学操作和去除噪声点操作，得到表面轮廓图片；
基于联通组件标记算法对所述表面轮廓图片进行缺陷查找，得到所述凸轮轴的表面缺陷图片；
对所述表面缺陷图片进行轮廓查找和绘制，得到所述凸轮轴的缺陷轮廓信息。
可选地，所述根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息的步骤包括：
根据所述凸轮轴尺寸确定凸轮轴弧线上的每个点的二维坐标和三维坐标；
根据所述转动起始位置和所述凸轮轴尺寸计算所述转动起始位置的二维坐标和三维坐标；
将所述表面轮廓图片按照所述转动起始位置的二维坐标和三维坐标以及凸轮轴弧线上的每个点的二维坐标和三维坐标对所述凸轮轴进行建模，得到凸轮轴的空间坐标；
将缺陷轮廓信息中的缺陷面积、缺陷位置和缺陷周长在所述表面轮廓图片的位置标记在空间坐标里，生成缺陷空间坐标；
根据所述缺陷空间坐标确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
可选地，所述根据所述凸轮轴的转动角度数据集和所述最小不反光区域获取凸轮截图集的步骤，包括：
将所述凸轮轴转动至所述转动起始位置；
读取所述转动角度数据集中第一转动角度，并控制所述凸轮轴转动第一转动角度；
获取凸轮轴在第一转动角度下的转动图片；
读取所述转动角度数据集中第二转动角度，并控制所述凸轮轴转动第二转动角度；
获取凸轮轴在第二转动角度下的转动图片；
依次类推，当获取完所述转动角度数据集中每一个转动角度下的转动图片时，停止所述凸轮轴转动；
将每个转动图片中与所述凸轮轴的最小不反光区域在所述表面筛选图片中的位置相对应的位置进行截取，生成凸轮截图集。
可选地，所述根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片的步骤，包括：
对所述表面运动视频进行分解，得到凸轮表面图集；
对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片；
根据所述边缘检测图片确定所述边缘检测图片中的不反光区域；
将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片；
将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。
可选地，所述将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片的步骤，包括：
显示所有所述边缘检测图片；
接收人工确认的边缘检测图片，并将人工确认的边缘检测图片作为表面筛选图片。
可选地，其中，凸轮轴的凸轮基圆半径为r，凸轮最大半径为R，起始倾斜面角度为α，结束倾斜面角度为β，凸轮轴的最小不反光区域的高度为h；根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集的步骤包括：
当凸轮轴的位置处于基圆部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于倾斜面部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于顶端圆弧部分时，凸轮轴转动一次的角度为
将凸轮轴每次转动的角度合并生成转动角度数据集。
此外，为实现上述目的，本发明还提供一种凸轮轴表面缺陷检测装置，所述凸轮轴表面缺陷检测装置包括：旋转组件、摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被所述处理器执行时实现如上所述的凸轮轴表面缺陷检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被处理器执行时实现如上所述的凸轮轴表面缺陷检测方法的步骤。
本发明提供了一种凸轮轴表面缺陷检测方法、装置及计算机可读存储介质；获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。通过上述方式，本发明能够实现自动检测凸轮轴表面缺陷，减小了光照系统对凸轮轴表面缺陷检测的影响。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明凸轮轴表面缺陷检测方法第一实施例的流程示意图；
图3为本发明凸轮轴表面缺陷检测装置的结构示意图；
图4为本发明凸轮轴的截面结构示意图；
图5为本发明凸轮轴表面缺陷检测方法第二实施例的流程示意图；
图6为本发明凸轮轴表面缺陷检测方法第三实施例的流程示意图；
图7为本发明凸轮轴表面缺陷检测方法的边缘检测图片的示意图；
图8为本发明根据所述边缘检测算法处理后的边缘检测图片；
图9为本发明根据所述边缘检测算法处理后的边缘检测图片和最小不反光区域。
附图标号说明：
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
现有的凸轮轴是内燃机里的一个部件，可以控制气门的开启和闭合动作。气门运动规律关系到一台发动机的动力和运转特性，因此凸轮轴在发动机上占据着十分重要的地位。凸轮轴零部件在生产加工过程中可能造成漏加工、磕碰、黑皮、锈斑等问题，为保证凸轮轴的质量，需要保证出厂的零部件必须是合格的。目前国内的大多数企业对大批量生产的小工件制品的表面缺陷，仍然采用人工目测的方法。人工目测易受生理与心理因素影响造成漏检，同时极大的重复的工作需要大量的人力资源，增加了产品的生产与加工成本。
本发明旨在实现自动检测凸轮轴表面缺陷，减小光照系统对凸轮轴表面缺陷检测的影响。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑等具有显示功能的可移动式终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
优选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及凸轮轴表面缺陷检测程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的凸轮轴表面缺陷检测程序，并执行以下操作：
获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；
根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；
根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；
根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；
根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；
基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息；
根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
将所述完整表面图片进行灰度化处理，得到表面灰度图；
基于高斯滤波算法对所述表面灰度图进行去噪处理，得到表面去噪图片；
对所述表面去噪图片进行二值化处理，得到表面二值图片；
对所述二值图片先后进行形态学操作和去除噪声点操作，得到表面轮廓图片；
基于联通组件标记算法对所述表面轮廓图片进行缺陷查找，得到所述凸轮轴的表面缺陷图片；
对所述表面缺陷图片进行轮廓查找和绘制，得到所述凸轮轴的缺陷轮廓信息。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
根据所述凸轮轴尺寸确定凸轮轴弧线上的每个点的二维坐标和三维坐标；
根据所述转动起始位置和所述凸轮轴尺寸计算所述转动起始位置的二维坐标和三维坐标；
将所述表面轮廓图片按照所述转动起始位置的二维坐标和三维坐标以及凸轮轴弧线上的每个点的二维坐标和三维坐标对所述凸轮轴进行建模，得到凸轮轴的空间坐标；
将缺陷轮廓信息中的缺陷面积、缺陷位置和缺陷周长在所述表面轮廓图片的位置标记在空间坐标里，生成缺陷空间坐标；
根据所述缺陷空间坐标确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
将所述凸轮轴转动至所述转动起始位置；
读取所述转动角度数据集中第一转动角度，并控制所述凸轮轴转动第一转动角度；
获取凸轮轴在第一转动角度下的转动图片；
读取所述转动角度数据集中第二转动角度，并控制所述凸轮轴转动第二转动角度；
获取凸轮轴在第二转动角度下的转动图片；
依次类推，当获取完所述转动角度数据集中每一个转动角度下的转动图片时，停止所述凸轮轴转动；
将每个转动图片中与所述凸轮轴的最小不反光区域在所述表面筛选图片中的位置相对应的位置进行截取，生成凸轮截图集。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
对所述表面运动视频进行分解，得到凸轮表面图集；
对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片；
根据所述边缘检测图片确定所述边缘检测图片中的不反光区域；
将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片；
将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。
进一步地，处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
显示所有所述边缘检测图片；
接收人工确认的边缘检测图片，并将人工确认的边缘检测图片作为表面筛选图片。
进一步地，凸轮轴的凸轮基圆半径为r，凸轮最大半径为R，起始倾斜面角度为α，结束倾斜面角度为β，凸轮轴的最小不反光区域的高度为h；处理器1001可以调用存储器1005中存储的凸轮轴表面缺陷检测程序，还执行以下操作：
当凸轮轴的位置处于基圆部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于倾斜面部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于顶端圆弧部分时，凸轮轴转动一次的角度为
将凸轮轴每次转动的角度合并生成转动角度数据集。
基于上述硬件结构，提出本发明凸轮轴表面缺陷检测方法实施例。
本发明凸轮轴表面缺陷检测方法。
参照图2，图2为本发明凸轮轴表面缺陷检测方法第一实施例的流程示意图。
本发明实施例中，该凸轮轴表面缺陷检测方法应用于凸轮轴表面缺陷检测装置，所述方法包括：
步骤S10，获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；
在本实施例中，为了实现自动检测凸轮轴表面缺陷，减小光照系统对凸轮轴的检测的影响，如图3所示，将凸轮轴置于凸轮轴表面缺陷检测装置的旋转组件120上，拍摄凸轮轴的表面运动视频的摄像头110设置于凸轮轴的正上方，设置好凸轮轴表面缺陷检测装置的光照系统，降低凸轮后的金属表面反光，然后凸轮轴表面缺陷检测装置通过摄像头110获取凸轮轴的表面运动视频；凸轮轴表面缺陷检测装置获取存储在凸轮轴表面缺陷检测装置本地存储器上的凸轮轴尺寸；凸轮轴表面缺陷检测装置获取检测人员确定和输入的转动起始位置。其中，凸轮轴的表面运动视频为旋转旋转组件120后，摄像头110拍摄的视频。凸轮轴尺寸可以为凸轮轴的尺寸大小和形状，凸轮轴尺寸可以包括：凸轮轴的凸轮基圆半径r、凸轮最大半径R，起始倾斜面角度α，结束倾斜面角度β、每个凸轮之间的间距以及每个凸轮之间相对角度等。转动起始位置为检测人员确定并输入的检测凸轮轴的起始位置，也即是凸轮轴的顶端至凸轮轴轴心的连线与摄像头110至凸轮轴轴心的连线之间的角度。
步骤S20，根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；
在本实施例中，凸轮轴表面缺陷检测装置在获取了凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置之后，根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片。
步骤S30，根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片之后，根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集。
如图4所示，其中，凸轮轴的凸轮基圆半径为r，凸轮最大半径为R，起始倾斜面角度为α，结束倾斜面角度为β；如图9所示，凸轮轴的最小不反光区域的高度为h；步骤S30根据所述凸轮轴尺寸和所述最小不反光区域确定所述凸轮轴的转动角度数据集，可以包括：
步骤a1，当凸轮轴的位置处于基圆部分时，凸轮轴转动一次的角度为
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片之后，当凸轮轴的位置处于基圆部分时，凸轮轴转动一次的角度为
步骤a2，当凸轮轴的位置处于倾斜面部分时，凸轮轴转动一次的角度为
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片之后，当凸轮轴的位置处于倾斜面部分时，凸轮轴转动一次的角度为
步骤a3，当凸轮轴的位置处于顶端圆弧部分时，凸轮轴转动一次的角度为
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片之后，当凸轮轴的位置处于顶端圆弧部分时，凸轮轴转动一次的角度为
步骤a4，将凸轮轴每次转动的角度合并生成转动角度数据集。
在本实施例中，凸轮轴表面缺陷检测装置在得到了基圆部分转动一次的角度、倾斜面部分转动一次的角度和顶端圆弧部分转动一次的角度，将基圆部分转动一次的角度、倾斜面部分转动一次的角度和顶端圆弧部分转动一次的角度合并生成转动角度数据集。
步骤S40，根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；
在本实施例中，凸轮轴表面缺陷检测装置在确定了凸轮轴的转动角度数据集之后，根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集。其中，凸轮截图集为包含有限个最小不反光区域大小的凸轮截图。凸轮截图为凸轮表面的截图。
步骤S40根据所述转动角度数据集和所述最小不反光区域获取凸轮截图集，可以包括：
步骤b1，将所述凸轮轴转动至所述转动起始位置；
在本实施例中，凸轮轴表面缺陷检测装置在确定了凸轮轴的转动角度数据集之后，驱动旋转组件120带动凸轮轴转动至所述转动起始位置。转动起始位置为一个凸轮轴的角度。
步骤b2，读取所述转动角度数据集中第一转动角度，并控制所述凸轮轴转动第一转动角度；
在本实施例中，凸轮轴表面缺陷检测装置在将所述凸轮轴转动至所述转动起始位置之后，读取所述转动角度数据集中第一转动角度，并控制所述凸轮轴转动第一转动角度。
步骤b3，获取凸轮轴在第一转动角度下的转动图片；
在本实施例中，凸轮轴表面缺陷检测装置在控制了所述凸轮轴转动第一转动角度之后，获取凸轮轴在第一转动角度下的转动图片。
步骤b4，读取所述转动角度数据集中第二转动角度，并控制所述凸轮轴转动第二转动角度；
在本实施例中凸轮轴表面缺陷检测装置在获取了凸轮轴在第一转动角度下的转动图片之后，读取所述转动角度数据集中第二转动角度，并控制所述凸轮轴转动第二转动角度。
步骤b5，获取凸轮轴在第二转动角度下的转动图片；
在本实施例中，凸轮轴表面缺陷检测装置在控制了所述凸轮轴转动第二转动角度之后，获取凸轮轴在第二转动角度下的转动图片。
步骤b6，依次类推，当获取完所述转动角度数据集中每一个转动角度下的转动图片时，停止所述凸轮轴转动；
在本实施例中，依次类推，凸轮轴表面缺陷检测装置在获取完所述转动角度数据集中每一个转动角度下的转动图片时，停止所述凸轮轴转动。
步骤b7，将每个转动图片中与所述凸轮轴的最小不反光区域在所述表面筛选图片中的位置相对应的位置进行截取，生成凸轮截图集。
在本实施例中，凸轮轴表面缺陷检测装置在获取完转动角度数据集中每一个转动角度下的转动图片之后，将每个转动图片中与所述凸轮轴的最小不反光区域在所述表面筛选图片中的位置相对应的位置进行截取，生成凸轮截图集。
步骤S50，根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
在本实施例中，凸轮轴表面缺陷检测装置在获取了凸轮截图集之后，根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
当所述凸轮轴有多个凸轮时，分别对每个凸轮依次执行步骤10、步骤20、步骤30、步骤40和步骤50。
本实施例通过上述方案，获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。由此，实现了自动检测凸轮轴表面缺陷，减小了光照系统对凸轮轴表面缺陷检测的影响。
进一步地，参照图5，图5为本发明凸轮轴表面缺陷检测方法第二实施例的流程示意图。基于上述图2所示的实施例，步骤S50根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息，可以包括：
步骤S51，将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；
在本实施例中，凸轮轴表面缺陷检测装置在获取了凸轮截图集之后，将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；凸轮轴的完整表面图片为凸轮轴表面的完整图片。考虑所得最后一张图片极有可能与第一张图片重合，将最后一张图片与第一张图片重合的地方删除。
步骤S52，基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息；
在本实施例中，凸轮轴表面缺陷检测装置在生成了凸轮轴的完整表面图片之后，基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息。
步骤S52基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息，可以包括：
步骤c1，将所述完整表面图片进行灰度化处理，得到表面灰度图；
在本实施例中，凸轮轴表面缺陷检测装置在生成了凸轮轴的完整表面图片之后，将所述完整表面图片进行灰度化处理，得到表面灰度图。
步骤c2，基于高斯滤波算法对所述表面灰度图进行去噪处理，得到表面去噪图片；
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面灰度图之后，基于高斯滤波算法对所述表面灰度图进行去噪处理，得到表面去噪图片。
步骤c3，对所述表面去噪图片进行二值化处理，得到表面二值图片；
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面去噪图片之后，对所述表面去噪图片进行二值化处理，得到表面二值图片。
步骤c4，对所述二值图片先后进行形态学操作和去除噪声点操作，得到表面轮廓图片；
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面二值图片之后，对所述二值图片先后进行形态学操作和去除噪声点操作，得到表面轮廓图片。其中，表面轮廓图片为图片中有缺陷轮廓或形状。
步骤c5，基于联通组件标记算法对所述表面轮廓图片进行缺陷查找，得到所述凸轮轴的表面缺陷图片；
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面轮廓图片之后，基于联通组件标记算法对所述表面轮廓图片进行缺陷查找，得到所述凸轮轴的表面缺陷图片。
步骤c6，对所述表面缺陷图片进行轮廓查找和绘制，得到所述凸轮轴的缺陷轮廓信息；其中，缺陷轮廓信息包括：缺陷面积、缺陷位置和缺陷周长。
在本实施例中，凸轮轴表面缺陷检测装置在得到了凸轮轴的表面缺陷图片之后，对所述表面缺陷图片进行轮廓查找和绘制，得到所述凸轮轴的缺陷轮廓信息。其中，缺陷轮廓信息包括：缺陷面积、缺陷位置和缺陷周长。
步骤S53，根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面轮廓图片以及所述凸轮轴的缺陷轮廓信息之后，根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
步骤S53根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息，可以包括：
步骤d1，根据所述凸轮轴尺寸确定凸轮轴弧线上的每个点的二维坐标和三维坐标；
在本实施例中，凸轮轴表面缺陷检测装置在得到了表面轮廓图片以及所述凸轮轴的缺陷轮廓信息之后，根据所述凸轮轴尺寸确定凸轮轴弧线上的每个点的二维坐标和三维坐标；其中，如图4所示，圆弧区域的点的二维坐标y＝R*sin(θ)，圆弧区域的点三维坐标y＝R*cos(θ)；基圆部分的点的二维坐标y＝r*sin(θ)，基圆部分的点的三维坐标y＝r*cos(θ)；斜面部分的点的二维坐标y＝lθ*sinθ；斜面部分的点的三维坐标y＝lθ*sinθ。其中lθ为倾斜角θ的表面的点与凸轮之间的距离。
步骤d2，根据所述转动起始位置和所述凸轮轴尺寸计算所述转动起始位置的二维坐标和三维坐标；
在本实施例中，凸轮轴表面缺陷检测装置在确定了凸轮轴弧线上的每个点的二维坐标和三维坐标之后，根据所述转动起始位置和所述凸轮轴尺寸计算所述转动起始位置的二维坐标和三维坐标。
步骤d3，将所述表面轮廓图片按照所述转动起始位置的二维坐标和三维坐标以及凸轮轴弧线上的每个点的二维坐标和三维坐标对所述凸轮轴进行建模，得到凸轮轴的空间坐标；
在本实施例中，凸轮轴表面缺陷检测装置在计算了所述转动起始位置的二维坐标和三维坐标之后，将所述表面轮廓图片按照所述转动起始位置的二维坐标和三维坐标以及凸轮轴弧线上的每个点的二维坐标和三维坐标对所述凸轮轴进行建模，得到凸轮轴的空间坐标。
步骤d4，将缺陷轮廓信息中的缺陷面积、缺陷位置和缺陷周长在所述表面轮廓图片的位置标记在空间坐标里，生成缺陷空间坐标；
在本实施例中，凸轮轴表面缺陷检测装置在得到了凸轮轴的空间坐标之后，将缺陷轮廓信息中的缺陷面积、缺陷位置和缺陷周长在所述表面轮廓图片的位置标记在空间坐标里，生成缺陷空间坐标。
步骤d5，根据所述缺陷空间坐标确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
在本实施例中，凸轮轴表面缺陷检测装置在生成了缺陷空间坐标之后，根据所述缺陷空间坐标确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
本实施例通过上述方案，将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息；根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息。由此，由此，实现了自动检测凸轮轴表面缺陷，减小了光照系统对凸轮轴表面缺陷检测的影响。
进一步地，参照图6，图6为本发明凸轮轴表面缺陷检测方法第三实施例的流程示意图。基于上述图2所示的实施例，步骤S20根据所述运动表面视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片，可以包括：
步骤S21，对所述表面运动视频进行分解，得到凸轮表面图集；
在本实施例中，凸轮轴表面缺陷检测装置在获取了凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置之后，对所述表面运动视频进行分解，得到凸轮表面图集。其中，如图7所示，凸轮表面图集包括有限个凸轮表面的图片。
步骤S22，对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片；
在本实施例中，如图8所示，凸轮轴表面缺陷检测装置在得到了凸轮表面图集之后，对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片。
步骤S23，根据所述边缘检测图片确定所述边缘检测图片中的不反光区域；
在本实施例中，凸轮轴表面缺陷检测装置在得到了得到边缘检测图片之后，根据所述边缘检测图片确定所述边缘检测图片中的不反光区域。也即是进行边缘检测后找到凸轮轴不反光区域即两条横向白线之间的部分。
步骤S24，将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片；
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述边缘检测图片中的不反光区域之后，将所有所述边缘检测图片中的不反光区域的高度h1进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片。
步骤S24将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片，可以包括：
步骤e1，显示所有所述边缘检测图片；
在本实施例中，凸轮轴表面缺陷检测装置在确定了所述边缘检测图片中的不反光区域之后，显示所有所述边缘检测图片。
步骤e2，接收人工确认的边缘检测图片，并将人工确认的边缘检测图片作为表面筛选图片。
在本实施例中，凸轮轴表面缺陷检测装置在显示所有所述边缘检测图片之后，接收人工确认的边缘检测图片，并将人工确认的边缘检测图片作为表面筛选图片。
步骤S25，将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。
在本所述中，如图9所示，凸轮轴表面缺陷检测装置在筛选出了表面筛选图片之后，将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。其中，窗口高度记为h。
本实施例通过上述方案，对所述表面运动视频进行分解，得到凸轮表面图集；对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片；根据所述边缘检测图片确定所述边缘检测图片中的不反光区域；将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片；将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。由此，由此，实现了自动检测凸轮轴表面缺陷，减小了光照系统对凸轮轴表面缺陷检测的影响。
本发明还提供一种凸轮轴表面缺陷检测装置。
本发明凸轮轴表面缺陷检测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被所述处理器执行时实现如上所述的凸轮轴表面缺陷检测方法的步骤。
其中，在所述处理器上运行的凸轮轴表面缺陷检测程序被执行时所实现的方法可参照本发明凸轮轴表面缺陷检测方法各个实施例，此处不再赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被处理器执行时实现如上所述的凸轮轴表面缺陷检测方法的步骤。
其中，在所述处理器上运行的凸轮轴表面缺陷检测程序被执行时所实现的方法可参照本发明凸轮轴表面缺陷检测方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种凸轮轴表面缺陷检测方法，所述凸轮轴表面缺陷检测方法用于检测凸轮轴的表面缺陷，其特征在于：所述凸轮轴表面缺陷检测方法包括如下步骤：
获取凸轮轴的表面运动视频、凸轮轴尺寸和转动起始位置；
根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片；
根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集；
根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集；
根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息；所述根据所述转动起始位置、所述凸轮轴尺寸和所述凸轮截图集确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息的步骤，包括：
将所述凸轮截图集中的所有凸轮截图依次拼接生成凸轮轴的完整表面图片；
基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息；
根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息；
其中，凸轮轴的凸轮基圆半径为r，凸轮最大半径为R，起始倾斜面角度为α，结束倾斜面角度为β，凸轮轴的最小不反光区域的高度为h；根据所述凸轮轴尺寸和所述凸轮轴的最小不反光区域确定所述凸轮轴的转动角度数据集的步骤包括：
当凸轮轴的位置处于基圆部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于倾斜面部分时，凸轮轴转动一次的角度为
当凸轮轴的位置处于顶端圆弧部分时，凸轮轴转动一次的角度为将凸轮轴每次转动的角度合并生成转动角度数据集。
2.根据权利要求1所述的凸轮轴表面缺陷检测方法，其特征在于，所述基于轮廓检测算法对所述完整表面图片进行轮廓检测，得到表面轮廓图片以及所述凸轮轴的缺陷轮廓信息的步骤，包括：
将所述完整表面图片进行灰度化处理，得到表面灰度图；
基于高斯滤波算法对所述表面灰度图进行去噪处理，得到表面去噪图片；
对所述表面去噪图片进行二值化处理，得到表面二值图片；
对所述二值图片先后进行形态学操作和去除噪声点操作，得到表面轮廓图片；
基于联通组件标记算法对所述表面轮廓图片进行缺陷查找，得到所述凸轮轴的表面缺陷图片；
对所述表面缺陷图片进行轮廓查找和绘制，得到所述凸轮轴的缺陷轮廓信息。
3.根据权利要求1所述的凸轮轴表面缺陷检测方法，其特征在于，所述根据所述转动起始位置、所述凸轮轴尺寸、所述表面轮廓图片和缺陷轮廓信息确定所述凸轮轴的缺陷三维位置信息和缺陷三维形状信息的步骤包括：
根据所述凸轮轴尺寸确定凸轮轴弧线上的每个点的二维坐标和三维坐标；
根据所述转动起始位置和所述凸轮轴尺寸计算所述转动起始位置的二维坐标和三维坐标；
将所述表面轮廓图片按照所述转动起始位置的二维坐标和三维坐标以及凸轮轴弧线上的每个点的二维坐标和三维坐标对所述凸轮轴进行建模，得到凸轮轴的空间坐标；
将缺陷轮廓信息中的缺陷面积、缺陷位置和缺陷周长在所述表面轮廓图片的位置标记在空间坐标里，生成缺陷空间坐标；
根据所述缺陷空间坐标确定凸轮轴的缺陷三维位置信息和缺陷三维形状信息。
4.根据权利要求1至3中任一项所述的凸轮轴表面缺陷检测方法，其特征在于，所述根据所述凸轮轴的转动角度数据集和所述凸轮轴的最小不反光区域获取凸轮截图集的步骤，包括：
将所述凸轮轴转动至所述转动起始位置；
读取所述转动角度数据集中第一转动角度，并控制所述凸轮轴转动第一转动角度；
获取凸轮轴在第一转动角度下的转动图片；
读取所述转动角度数据集中第二转动角度，并控制所述凸轮轴转动第二转动角度；
获取凸轮轴在第二转动角度下的转动图片；
依次类推，当获取完所述转动角度数据集中每一个转动角度下的转动图片时，停止所述凸轮轴转动；
将每个转动图片中与所述凸轮轴的最小不反光区域在所述表面筛选图片中的位置相对应的位置进行截取，生成凸轮截图集。
5.根据权利要求1至3中任一项所述的凸轮轴表面缺陷检测方法，其特征在于，所述根据所述凸轮轴的表面运动视频确定所述凸轮轴的最小不反光区域和包含有最小不反光区域的表面筛选图片的步骤，包括：
对所述表面运动视频进行分解，得到凸轮表面图集；
对所述凸轮表面图集中的每个凸轮表面图片进行边缘检测，得到边缘检测图片；
根据所述边缘检测图片确定所述边缘检测图片中的不反光区域；
将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片；
将所述表面筛选图片中的不反光区域确定为所述凸轮轴的最小不反光区域。
6.根据权利要求5所述的凸轮轴表面缺陷检测方法，其特征在于，所述将所有所述边缘检测图片中的不反光区域的高度进行两两对比，筛选出不反光区域中高度最小的边缘检测图片作为表面筛选图片的步骤，包括：
显示所有所述边缘检测图片；
接收人工确认的边缘检测图片，并将人工确认的边缘检测图片作为表面筛选图片。
7.一种凸轮轴表面缺陷检测装置，其特征在于，所述凸轮轴表面缺陷检测装置包括：旋转组件、摄像头、存储器、处理器及存储在所述存储器上并在所述处理器上运行的凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被所述处理器执行时实现如权利要求1至6中任一项所述的凸轮轴表面缺陷检测方法的步骤。
8.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有凸轮轴表面缺陷检测程序，所述凸轮轴表面缺陷检测程序被处理器执行时实现如权利要求1至6中任一项所述的凸轮轴表面缺陷检测方法的步骤。
CN202111064255.0A 2021-09-10 2021-09-10 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质 Active CN113850766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111064255.0A CN113850766B (zh) 2021-09-10 2021-09-10 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111064255.0A CN113850766B (zh) 2021-09-10 2021-09-10 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113850766A CN113850766A (zh) 2021-12-28
CN113850766B true CN113850766B (zh) 2024-10-22

Family

ID=78973653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111064255.0A Active CN113850766B (zh) 2021-09-10 2021-09-10 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113850766B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103808730A (zh) * 2013-01-25 2014-05-21 常州先进制造技术研究所 发动机凸轮轴零部件表面缺陷检测方法
CN112955732A (zh) * 2018-11-02 2021-06-11 科磊股份有限公司 用于确定空白光罩上的缺陷的类型及大小的系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN210953856U (zh) * 2019-11-11 2020-07-07 成都主导科技有限责任公司 一种轮对踏面检测系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103808730A (zh) * 2013-01-25 2014-05-21 常州先进制造技术研究所 发动机凸轮轴零部件表面缺陷检测方法
CN112955732A (zh) * 2018-11-02 2021-06-11 科磊股份有限公司 用于确定空白光罩上的缺陷的类型及大小的系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
轴类工件表面视觉自动检测系统;孙阔原;蒋理兴;王俊亚;张峰;韩硕;;无损检测;20160610(第06期);第53-57、72页 *

Also Published As

Publication number Publication date
CN113850766A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN110167722B (zh) 执行手眼标定的机器人和电子设备
US20070176927A1 (en) Image Processing method and image processor
US8666145B2 (en) System and method for identifying a region of interest in a digital image
JP2011191928A (ja) 画像処理方法および画像処理装置
JP4906128B2 (ja) カメラユニット検査装置、及びカメラユニット検査方法
CN116638521A (zh) 目标物件的机械臂定位抓取方法、系统、设备及存储介质
CN111080665B (zh) 图像边框识别方法、装置、设备和计算机存储介质
JP2019002940A (ja) 画像検査装置、画像検査方法、画像検査プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器
CN113850766B (zh) 凸轮轴表面缺陷检测方法、装置及计算机可读存储介质
CN117916581A (zh) 检查支援系统、检查支援方法及检查支援程序
CN116908185B (zh) 物品的外观缺陷检测方法、装置、电子设备及存储介质
JP2008192741A (ja) 電極パッド位置の検出方法及び電極パッド位置検出装置
JP2010281754A (ja) 生成装置、検査装置、プログラムおよび生成方法
CN112585672A (zh) 自动检查和零件登记
WO2018146887A1 (ja) 外観検査装置
JP2006145228A (ja) ムラ欠陥検出方法及び装置
JP2021140270A (ja) 画像処理装置、画像処理装置の制御方法およびプログラム
JP2013140052A (ja) 画像処理装置及び画像処理方法
JP2014106109A (ja) 検査装置、検査方法、検査プログラムおよび記録媒体
JPH1153564A (ja) 画像処理装置および回転角度検出プログラムを記録した機械読み取り可能な記録媒体
JP6613378B2 (ja) モバイル端末、画像処理方法、および、プログラム
JP2000266522A (ja) 歯数算出方法および装置並びに歯数算出用プログラムを記憶した記憶媒体
JP5068883B1 (ja) 画像処理装置およびこれを備えた原稿読取システム
WO2025046706A1 (ja) 点検支援システム、点検支援方法、及び、点検支援プログラム
CN109155809A (zh) 使用参考图像校正捕获的图像

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant