线束端子压接后外观缺陷的视觉检测算法研究

doi:10.16182/j.issn1004731x.joss.20-0984

系统仿真学报 ›› 2022, Vol. 34 ›› Issue (5): 1152-1159.doi: 10.16182/j.issn1004731x.joss.20-0984

• 仿真支撑平台/系统技术 • 上一篇下一篇

线束端子压接后外观缺陷的视觉检测算法研究

袁彬淦(), 钟铭恩(), 倪晶鑫

厦门理工学院　福建省客车先进设计与制造重点实验室，福建　厦门　361024

收稿日期:2020-12-08 修回日期:2021-01-05 出版日期:2022-05-18 发布日期:2022-05-25
通讯作者: 钟铭恩 E-mail:1257044697@qq.com;zhongmingen@xmut.edu.cn
作者简介:袁彬淦（1995-），男，硕士，工程师，研究方向为机器视觉技术与应用。E-mail：1257044697@qq.com
基金资助:
国家自然科学基金(51978592);福建省自然科学基金(2019J01859);厦门市科技计划(3502Z20183065)

Research on Visual Inspection Algorithm of Crimping Appearance Defects for Wiring Harness Terminals

Bingan Yuan(), Mingen Zhong(), Jingxin Ni

Fujian Key Laboratory of Bus Advanced Design and Manufacturing, Xia Men University of Technology, Xiamen 361024, China

Received:2020-12-08 Revised:2021-01-05 Online:2022-05-18 Published:2022-05-25
Contact: Mingen Zhong E-mail:1257044697@qq.com;zhongmingen@xmut.edu.cn

摘要/Abstract

摘要：

针对线束端子的缺陷检测效率低、漏检率高等问题，提出一种基于机器视觉的图像检测方法：分析线束端子3个主要部位的5种典型缺陷模式，并定义了缺陷评价参数；设计了定位基准拟合算法、待检部位自适应分割算法和缺陷特征参数计算方法；给出了各类外观缺陷的判断准则。实验结果表明，检测算法适用于各单类、多类混合缺陷模式，综合漏检率和误检率较低，准确率和实时性较高，能够满足实际应用要求。

关键词: 机器视觉, 图像处理, 线束, 图像分割, 缺陷检测

Abstract:

Aiming at the low efficiency and high missing rate of wiring harness terminals, an image detection method based on machine vision is proposed. The characteristic parameters of five typical defects in three main parts of wiring harness terminals are analyzed and defined. Tthe algorithms of extracting positioning datum, segmenting inspected-parts adaptively, extracting the defect features and calculating the characteristic parameters are designed respectively, and the defects criterions are given. The experimental results show that the algorithms are suitable for single defect and multi-class defects, both the miss detection rate and the false positiveness rate are low. The accuracy and real-time performance are high, and can meet the practical application requirements.

Key words: machine vision, image processing, wire harness, image segmentation, defect detection

中图分类号:

袁彬淦, 钟铭恩, 倪晶鑫. 线束端子压接后外观缺陷的视觉检测算法研究[J]. 系统仿真学报, 2022, 34(5): 1152-1159.

Bingan Yuan, Mingen Zhong, Jingxin Ni. Research on Visual Inspection Algorithm of Crimping Appearance Defects for Wiring Harness Terminals[J]. Journal of System Simulation, 2022, 34(5): 1152-1159.

图/表 15

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

表1

表2

图11

图12

表3

参考文献 14

[1]	芦碧波, 扈天卿, 刘甜甜. 面向线束端子显微图像分割的变指数色度滤波[J]. 光学精密工程, 2019, 27(8): 1894-1900.
	Lu Bibo, Hu Tianqing, Liu Tiantian. Variable Exponential Chromaticity Filtering for Microscopic Image Segmentation of Wire Harness Terminals[J]. Opt. Precision Eng. , 2019, 27(8): 1894-1900.
[2]	Yost W T. Process for Nondestructive Evaluation of the Equality of a Crimped Wire Connector[P]. US: US8671551 B2, 2014-3-18.
[3]	芦碧波, 刘利群, 郑艳梅, 等. 一种线束端子显微图像全自动分割方法[J]. 光电工程, 2016, 43(10): 49-55.
	Lu Bibo, Liu Liqun, Zheng Yanmei, et al. A Method for Segmenting the Microscopic Cable Harness Image Automatically[J]. Opto-Electronic Engineering, 2016, 43(10): 49-55.
[4]	侯守明, 王阳, 唐琪博, 等. 一种基于偏微分方程和Canny算子的图像分割方法[J]. 山西大学学报(自然科学版), 2017, 40(4): 676-682.
	Hou Shouming, Wang Yang, Tang Qibo, et al. An Image Segmentation Method based on Partial Differential Equations and Canny Operator[J]. Journal of Shanxi University (Natural Science Edition), 2017, 40(4): 676-682.
[5]	芦碧波, 刘甜甜, 郭海儒. 色度亮度空间中的线束端子显微图像分割[J]. 应用光学, 2017, 38(6): 931-936.
	Lu Bibo, Liu Tiantian, Guo Hairu. Wire Harness Terminals Microscopic Image Segmentation in Chromaticity Brightness Space[J]. Journal of Applied Optics, 2017, 38(6): 931-936.
[6]	GB/T 18290.2-2015/IEC 60352-2:2006，无焊连接第2部分：压接连接一般要求、试验方法和使用导则[S]. 北京: 中国标准出版社, 2016.
	GB/T 18290.2-2015/IEC 60352-2:2006, Solderless Jointspart 2: General Requirements, Test Methods and Guidelines for Use of Compression Joints[S]. Beijing: China Standards Press, 2016.
[7]	Fang L, Jing Q. Robust Fuzzy Local Information and Lp-Norm Distance-Based Image Segmentation Method[J]. IET Image Processing (S1751-9659), 2017, 11(4): 217-226.
[8]	张相胜, 焦鹏, 潘丰. 基于机器视觉的汽车线束压接缺陷检测系统[J]. 仪表技术与传感器, 2020(3): 73-77.
	Zhang Xiangsheng, Jiao Peng, Pan Feng. Defect Detection System Design for Automotive Wiring Harness Crimping Using Machine Vison[J]. Instrument Technique and Sensor, 2020(3): 73-77.
[9]	张莉, 冯定忠, 刘鹏玉, 等. 基于灰数逼近理想解排序法的夹具设计方案评价[J]. 中国机械工程, 2016, 27(20): 2728-2734.
	Zhang Li, Feng Dingzhong, Liu Pengyu, et al. Evaluation of Jig and Fixture Design Scheme Based on Grey Number TOPSIS[J]. China Mechanical Engineering, 2016, 27(20): 2728-2734.
[10]	吴斌, 叶东, 张鑫, 等. 非合作目标姿态测量的嵌入式算法[J]. 光学精密工程, 2016, 24(11): 2804-2813.
	Wu Bin, Ye Dong, Zhang Xin, et al. Embedded Algorithm for Relative Pose Measurement Between Non-Cooperative Targets[J]. Opt. Precision Eng., 2016, 24(11): 2804-2813.
[11]	张姣, 李俊山, 杨亚威. 结合仿射变换和多层B样条配准的湍流畸变图像校正[J]. 光学精密工程, 2015, 23(3): 846-854.
	Zhang Jiao, Li Junshan, Yang Yawei. Turbulence Distorte Image Correction Using Affine Transformation and Multilevel B-Spline Registration[J]. Opt. Precision Eng., 2015, 23(3): 846-854.
[12]	傅思勇, 吴禄慎, 陈华伟, 等. 综合多畸变因素的摄像机标定[J]. 仪器仪表学报, 2018, 39(2): 248-256.
	Fu Siyong, Wu Lushen, Chen Huawei, et al. Camera Calibration Based on Multiple Distortion Factors[J]. Chinese Journal of Scientific Instrument, 2018, 39(2): 248-256.
[13]	Wang X, Jiang Z, Yao J, et al. Extraction and Identification Methods of Micro-Fractured Characteristics Information in Pore Space of Porous Media Based on Morphological Theory[J]. Chinese Science Bulletin (S1001-6538), 2018, 63(6): 579-589.
[14]	刘睿, 范秀敏, 尹旭悦, 等. 面向手工装配的线缆目标图像分割方法[J]. 计算机辅助设计与图形学学报, 2018, 30(4): 666-672.
	Liu Rui, Fan Xiumin, Yin Xuyue, et al. A Method for Image Segmentation of Wire and Cable Targets Formanual Assembly[J]. Journal of Computer-Aided Design and Graphics, 2018, 30(4): 666-672.

条件	缺陷类型
N<T_NA	芯线浅打
L<T_{L_AL}	芯线浅打
L>T_{L_AH}	芯线深打

条件	缺陷类型
N<T_NC	绝缘皮深打
L<T_{L_CL}	绝缘皮深打
L>T_{L_CH}	绝缘皮浅打

缺陷位置	样本数	检出数	误检数	漏检率%	误检率%	准确率%
仅A部	938	935	3	0.64	0.32	99.68
仅B部	1 110	1 106	0	0.36	0.00	100.00
仅C部	1 057	1 055	10	1.14	0.95	99.05
A部+B部	1 176	1 170	4	0.85	0.34	99.66
A部+C部	1 250	1 244	12	1.44	0.96	99.04
B部+C部	1 132	1 129	6	0.80	0.53	99.47
A部+B部+C部	1 537	1 532	14	1.24	0.91	99.09
综合	8 200	8 171	49	0.95	0.60	99.40

[1]	周维, 刘宇翔, 廖广平, 马鑫. 结合交并比损失的孪生网络目标跟踪算法研究[J]. 系统仿真学报, 2022, 34(9): 1956-1967.
[2]	林士琪, 王纪凯, 裴浩渊, 赵皓, 陈宗海. 基于物体关系描述的单目语义SLAM方法[J]. 系统仿真学报, 2022, 34(2): 278-284.
[3]	王坤, 吉尧, 刘沛伦, 王力. 基于Otsu和改进易经占卜进化算法的红外图像分割[J]. 系统仿真学报, 2021, 33(2): 421-433.
[4]	冯晓, 张辉, 周蕊, 乔璐, 魏东, 李丹丹, 张玉尧, 郑国清. 基于深度学习和籽粒双面特征的玉米品种识别[J]. 系统仿真学报, 2021, 33(12): 2983-2991.
[5]	顾菊平, 程天宇, 华亮, 王建平, 赵剑, 曹涌. 面向脊柱生物建模的图像分割与配准研究综述[J]. 系统仿真学报, 2019, 31(2): 167-173.
[6]	张青, 邹湘军, 林桂潮, 孙艳辉. 草莓重量和形状图像特征提取与在线分级方法[J]. 系统仿真学报, 2019, 31(1): 7-9.
[7]	高尚兵, 颉正, 潘志庚, 覃方哲, 李锐. 一种新的路面裂缝自动检测算法[J]. 系统仿真学报, 2017, 29(9): 2009-2015.
[8]	周斌斌, 高尚兵, 潘志庚, 王亮亮, 王洪阳. 基于稀疏取样和梯度分布特征的车标识别[J]. 系统仿真学报, 2017, 29(9): 2035-2042.
[9]	潘修强, 山金孝, 杨彩凤. 基于最小相对熵与水平集的图像分割与校正[J]. 系统仿真学报, 2017, 29(11): 2731-2741.
[10]	杨家博, 杨刚, 杨猛. 基于深度图像分割与物体跟踪的增强现实系统[J]. 系统仿真学报, 2017, 29(11): 2788-2795.
[11]	王乐, 罗宇, 王海宽, 费敏锐. ToF深度相机测量误差校正模型[J]. 系统仿真学报, 2017, 29(10): 2323-2329.
[12]	杨勇, 郑良仁, 郭玲, 叶阳东. 结合GAC与图割模型的彩色纹理图像分割方法[J]. 系统仿真学报, 2016, 28(9): 2159-2168.
[13]	李新利, 李楠, 孙愉佳, 卢钢, 闫勇, 刘石. 火焰自由基成像和极限学习机在NOx排放预测中的研究[J]. 系统仿真学报, 2016, 28(5): 1179-1185.
[14]	杨勇, 郭玲, 代文征, 叶阳东. 区域可信度融合的彩色纹理图像分割方法[J]. 系统仿真学报, 2016, 28(10): 2304-2312.
[15]	金遥力, 王世亮, 徐岗, 胡维华, 王毅刚. 复杂背景下发型轮廓的自动提取方法[J]. 系统仿真学报, 2015, 27(10): 2305-2309.

线束端子压接后外观缺陷的视觉检测算法研究

Research on Visual Inspection Algorithm of Crimping Appearance Defects for Wiring Harness Terminals

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价