本发明涉及一种缺陷检测方法，更具体一点说，涉及一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，属于图像处理。
背景技术：
1、电机是现代工业生产中广泛应用的重要设备之一，其内部构造复杂，包括各种不同类型的螺纹连接。螺纹连接是电机中的重要组成部分，其质量直接影响着电机的性能和稳定性。因此，对电机螺纹的质量进行准确、高效的检测具有重要意义。传统的电机螺纹缺陷检测方法主要依赖于人工目视检查或使用简单的测量工具，存在效率低、准确性不高等问题。
2、目前针对传统电机螺纹检测方法主要包括目视检查和测量工具测量，但这两种方法具有以下局限性：1)人工目视检查效率低下：人工目视检查依赖于人眼的观察和判断，受到人员主观因素和视觉疲劳的影响，工作效率低下且容易出现漏检和误检的情况；2)测量工具测量准确性有限：传统的测量工具如卡尺、螺纹规等，其虽然能够提供一定程度的螺纹信息，但精度有限且操作繁琐，难以满足对螺纹质量高精度、高效率的检测需求；3)不适用于大规模生产：传统的人工检测和测量方法工作效率低下，不适用于大规模电机生产线上的实时检测，无法满足工业化生产的需求。
3、随着图像处理技术的发展和应用，越来越多的研究开始将图像处理技术应用于电机螺纹检测中，以提高检测的准确性和效率。目前采取的方法有：1)图像采集与处理：利用高分辨率的工业相机对电机螺纹进行图像采集，并通过图像处理算法对采集到的图像进行去噪、边缘检测、二值化等预处理操作，提取出螺纹的特征信息；2)特征提取与分析：基于图像处理技术，提取螺纹的形状、尺寸、轮廓等特征信息，通过对这些特征信息的分析与比对，判断螺纹的质量是否符合要求；3)模式识别与机器学习：利用机器学习算法，建立电机螺纹质量检测的模型，通过对大量样本数据的学习和训练，实现对螺纹质量的自动识别和分类。尽管利用上述图像处理技术进行电机螺纹检测已经取得了一定的进展，但仍然面临诸多问题需要解决，具体包括：1)复杂环境下的影响：工业生产现场存在各种复杂的环境因素，如光照不均匀、背景杂乱等，会影响图像采集和处理的效果，需要进一步研究如何提高算法的鲁棒性和适应性；2)算法的实时性和稳定性：在电机生产线上，需要实时准确地对螺纹进行检测。因此对算法的实时性和稳定性提还需要满足更高的要求，研究开发更加高效、稳定的电机螺纹杆缺陷检测方法是必然的趋势。
技术实现思路
1、为了解决上述现有技术问题，本发明提供具有能够解决电机螺纹缺陷检测中算法实时性和稳定性不足以及复杂环境下采集图像干扰项过多的问题，并可实现在工厂流水线进行良品与瑕疵品的筛选等技术特点的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法。
2、为了实现上述目的，本发明是通过以下技术方案实现的：
3、本发明一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，该检测方法包括以下步骤：
4、步骤1)图像预处理：对图像预处理操作以实现将采集图像进行处理和加工获得预处理的图像；
5、步骤2)区域定位：在预处理的图像上利用直接轮廓检测定位出电机螺纹杆反光面，所述直接轮廓检测的过程如下：
6、步骤21)使用算子计算水平方向和垂直方向的梯度：
7、gx(x，y)＝i(x+1，y)-i(x-1，y)
8、gy(x，y)＝i(x，y+1)-i(x，y-1)
9、步骤22)计算梯度的幅值：
10、
11、步骤23)设置一个阈值t，对梯度幅值进行二值化处理，通过二值化处理分割出螺纹反光面和其他区域：
12、
13、步骤24)通过轮廓检测的算法从二值化图像b(x,y)中提取对象的边界；
14、步骤3)区域手动生成：利用轮廓变化，在定位出的反光面区域生成四边形轮廓，再进行手动生成轮廓，并根据缺陷种类不同，定位出要处理的图像区域；
15、步骤4)区域提取：根据定位出的图像区域，利用n通道合成1通道将不同的图像区域合并，提取得到图像，并将其作为原始图像数据以便重新对得到的图像区域进行图像预处理；
16、步骤5)图像提取后处理：再利用图像处理操作对步骤4)中获得的图像进行处理；
17、步骤6)缺陷检测：再利用直接轮廓检测，在处理后的图像上检测出缺陷。
18、优选的，步骤1)所述图像预处理中对图像预处理操作包括彩色rgb转单通道、gray到二值化图；其中，彩色rgb转单通道的计算公式如下：
19、y＝0.2999*r+0.578*g+0.114*b
20、r、g、b分别代表红色、绿色和蓝色通道的像素值；
21、gray到二值化图中设置的固定的阈值t为0.9以减少噪声干扰确保反光面与螺纹其他区域的分割。
22、优选的，所述区域手动生成具体包括如下步骤：
23、步骤31)遍历每个轮廓，进行轮廓变换，得到每个区域的最小外接矩形；
24、步骤32)以最小外接矩形的中心点为中心，重新绘制得到长宽能够调整的矩形；
25、步骤33)根据检测缺陷种类不同，相对位置不同，能够设置不同长宽以及角度的矩形，提取不同的区域，进行不同方式的图像处理。
26、优选的，所述缺陷包括磕碰、污渍；
27、步骤5)中图像处理操作包括彩色rgb转单通道、gray到二值化图、图像滤波、图像形态学；
28、针对磕碰缺陷，gray到二值化图采用大津算法(名otsu、大津法)，图像滤波采取中值滤波，图像形态学采用膨胀；
29、针对污渍缺陷，gray到二值化图采用固定阈值法，图像形态学采用开运算、闭运算和膨胀。
30、优选的，所述开运算由两步组成：先进行腐蚀操作，然后进行膨胀操作，所述闭运算由两步组成：先进行膨胀操作，然后进行腐蚀操作。
31、优选的，gray到二值化图：将图像分成背景和前景两部分，通过最大化类间方差来确定最佳阈值，使得在该阈值下，类间方差最大；
32、设图像的灰度值范围为[0,l-1]，其中l是灰度级的数量，令t为分割阈值，将图像分为两部分：背景和前景，定义类间方差为：
33、σ2＝w0×w1×(μ0-μ1)2
34、其中：w0和w1分别是背景和前景的像素点数占总像素点数的比例，μ0和μ1分别是背景和前景的灰度均值；
35、则gray到二值化图的计算公式为：
36、
37、其中：p(i)是灰度级i的像素概率分布，μ0(t)是阈值t下背景部分的灰度均值，μ1(t)是阈值t下前景部分的灰度均值；
38、依据gray到二值化图的计算公式，通过遍历所有阈值t能够实现选择出使类间方差σ2最大。
39、优选的，图像滤波用于去除图像中的噪声，保留图像的边缘信息，用像素点周围的邻域像素的中值来代替该像素点的灰度值，从而达到平滑图像的目的；
40、所述图像滤波具体步骤如下：
41、步骤51)对于图像中的每个像素点，以其为中心取一个大小为(2k+1)×(2k+1)的邻域矩阵；
42、步骤52)对邻域矩阵中的像素值进行排序；
43、步骤53)选择排序后的中间值作为该像素点的输出值。
44、优选的，图像形态学中的膨胀操作用于增加图像中物体的大小，用结构元素(通常是一个小的二值图像，也称为内核)滑动遍历图像，并将内核覆盖范围内的像素值设置为1，或者将像素值的最大值赋给覆盖范围内的像素，从而扩大图像中物体的边界；
45、图像形态学的计算公式如下：
46、
47、其中：output(x,y)是是输出图像中坐标(x,y)处的像素值，input(x,y)是输入图像中坐标(x,y)处的像素值，kernel是结构元素的坐标集合，(s,t)是结构元素的坐标，在计算中过程中，膨胀操作通过滑动结构元素的方式遍历图像，对于每个像素点，计算其与结构元素的重叠区域，然后取重叠区域中的最大像素值作为输出值，以此能够实现图像的膨胀操作，扩大物体的大小。
48、优选的，图像形态学中的腐蚀操作是用于缩小图像中物体的边界；
49、具体是将图像中的每个像素点替换为其邻域内像素的最小值，从而使物体边界向内部收缩，在应用中，腐蚀操作能够通过遍历图像的每个像素，并将其替换为与结构元素相交的区域的最小值来实现，以此能够使物体边界向内收缩，并消除小的尺寸物体或噪声。
50、优选的，步骤6)中缺陷检具体包括如下：根据缺陷种类不同，运用不同图像处理操作后，得到不同的处理图，设置限制条件，限制条件包括最小最大面积、区域长宽比，再进行直接轮廓检测，得到最后检测结果。
51、有益效果：能够解决电机螺纹缺陷检测中算法实时性和稳定性不足、复杂环境下采集的图像干扰项过多等问题；能够应用在工厂流水线进行实时、有效的缺陷检测，实现良品与瑕疵品的筛选；
1.一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于该检测方法包括以下步骤：
2.根据权利要求1所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：步骤1)所述图像预处理中对图像预处理操作包括彩色rgb转单通道、gray到二值化图；其中，彩色rgb转单通道的计算公式如下：
3.根据权利要求1所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：所述区域手动生成具体包括如下步骤：
4.根据权利要求1所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：所述缺陷包括磕碰、污渍；
5.根据权利要求4所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：所述开运算由两步组成：先进行腐蚀操作，然后进行膨胀操作，所述闭运算由两步组成：先进行膨胀操作，然后进行腐蚀操作。
6.根据权利要求1或2或4所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：gray到二值化图：将图像分成背景和前景两部分，通过最大化类间方差来确定最佳阈值，使得在该阈值下，类间方差最大；
7.根据权利要求4所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：图像滤波用于去除图像中的噪声，保留图像的边缘信息，用像素点周围的邻域像素的中值来代替该像素点的灰度值，从而达到平滑图像的目的；
8.根据权利要求4或5所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：图像形态学中的膨胀操作用于增加图像中物体的大小，用结构元素滑动遍历图像，并将内核覆盖范围内的像素值设置为1，或者将像素值的最大值赋给覆盖范围内的像素，从而扩大图像中物体的边界；
9.根据权利要求5所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：图像形态学中的腐蚀操作是用于缩小图像中物体的边界；
10.根据权利要求1所述的一种面向工厂流水线良品筛选的电机螺纹杆缺陷检测方法，其特征在于：步骤6)中缺陷检具体包括如下：根据缺陷种类不同，运用不同图像处理操作后，得到不同的处理图，设置限制条件，限制条件包括最小最大面积、区域长宽比，再进行直接轮廓检测，得到最后检测结果。
