一种基于机器视觉的布氏硬度高精度测量方法及系统与流程

本发明涉及材料硬度测量，具体为一种基于机器视觉的布氏硬度高精度测量方法及系统。

背景技术：

1、随着对产品质量的要求越来越严格，产品的硬度成为检验产品质量的一个重要途径。而在标准化硬度试验方法中，布氏硬度试验为静态试验，测量准确度高，更能反映产品质量。但由于布氏硬度试验过于专业化，检测效率不能满足实际需求。

2、现有中国申请专利cn113702232a，该方法通过用显微镜对选定的标准布氏硬度块上的多个自带压痕进行测量，查表得出每个压痕相应的硬度值，并选出与所选定标准布氏硬度块给定硬度值最接近的压痕作为标准压痕；同时通过全自动布氏压痕测量系统对标准压痕进行多次测量，得出硬度测量结果；计算全自动布氏压痕测量系统的示值重复性和示值误差；将计算得到的示值重复性和示值误差与全自动布氏压痕测量系统的技术指标作对比，从而得出硬度测量结果，但由于该方法只是对测得的硬度测量结果进行验证，具有一定的局限性。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于机器视觉的布氏硬度高精度测量方法及系统，具备准确、高效、实时等优点，解决了布氏硬度试验过于专业化，检测效率不能满足实际需求的问题。

3、（二）技术方案

4、为解决上述布氏硬度试验过于专业化，检测效率不能满足实际需求的技术问题，本发明提供如下技术方案：

5、本实施例公开一种基于机器视觉的布氏硬度高精度测量方法，具体包括以下步骤：

6、s1、安装激光相机，采集不同压力下的测量试样表面图像，并采集拍摄的测量试样表面图像中的参照点，建立训练集；

7、s2、通过数据处理方式，对训练集中测量试样表面图像进行预处理，得到预处理后的测量试样表面图像；

8、s3、基于得到的预处理后的测量试样表面图像，通过多项式拟合法计算压力对激光相机拍摄图像参数的影响，并建立测量试样表面的布式硬度预测模型；

9、s4、通过最小二乘法对建立的布式硬度预测模型进行优化，输出最优布式硬度预测模型，并基于最优布式硬度预测模型预测不同材料的布式硬度；

10、s5、基于预测得到的不同材料的布式硬度数据，通过均匀分布预测的方式计算不同材料的布式硬度数据精准范围。

11、本发明通过采集不同压力下的测量试样表面图像，并采集拍摄的测量试样表面图像中的参照点，建立训练集，同时通过数据处理方式，对训练集中测量试样表面图像进行预处理，并基于得到的预处理后的测量试样表面图像，通过多项式拟合法计算压力对激光相机拍摄图像参数的影响，并建立测量试样表面的布式硬度预测模型，同时通过最小二乘法对建立的布式硬度预测模型进行优化，输出最优布式硬度预测模型，并基于最优布式硬度预测模型预测不同材料的布式硬度，同时通过均匀分布预测的方式计算不同材料的布式硬度数据精准范围，提高了布氏硬度高精度测量的准确性。

12、优选地，所述安装激光相机，采集不同压力下的测量试样表面图像，并采集拍摄的测量试样表面图像中的参照点，建立训练集包括以下步骤：

13、设定测量试样表面上所有参照点的位置，并固定相机和测量试样表面的相对位置，使测量试样表面上参照点均匀分布在整个相机视野中；

14、设定测量过程中的压力大小以及压力保持时间；

15、在测量过程中，预设激光相机拍摄间隔，采集每个设定压力下激光相机拍摄的测量试样表面图像；

16、设定压力为0时激光相机拍摄的测量试样表面图像为标准图像；

17、将每个设定压力下激光相机拍摄的测量试样表面图像和标准图像进行汇总，并建立训练集。

18、本发明通过安装激光相机，采集不同压力下的测量试样表面图像并在测量试样表面图像中设置多个均匀分布的参照点，同时在测量过程中，预设激光相机拍摄间隔，采集每个设定压力下激光相机拍摄的测量试样表面图像，保证了图像采集的可靠性。

19、优选地，所述通过数据处理方式，对训练集中测量试样表面图像进行预处理，得到预处理后的测量试样表面图像包括以下步骤：

20、s21、通过阈值分割的方式对训练集中测量试样表面图像进行分割处理，得到分割后的测量试样表面图像；

21、s22、对分割后的测量试样表面图像进行边缘提取，得到边缘提取后的测量试样表面图像；

22、s23、设定边缘提取后的测量试样表面图像为预处理后的测量试样表面图像。

23、优选地，所述通过阈值分割的方式对训练集中测量试样表面图像进行分割处理，得到分割后的测量试样表面图像包括以下步骤：

24、s211、设定测量试样表面图像像素的最大灰度值和最小灰度值分别为和，基于设定的测量试样表面图像像素的最大灰度值和最小灰度值计算初始阈值；

25、s212、基于计算得到的初始阈值对测量试样表面图像进行分割，根据测量试样表面图像像素的灰度值，将图像分割为两部分，设定灰度值大于的图像区域为，灰度值小于等于的图像区域为；

26、s213、分别计算和包含像素的灰度均值和；

27、s214、计算新的阈值；

28、s215、重复步骤s212-214，直至计算得到的收敛，并基于收敛后的完成对测量试样表面图像的分割，得到分割后的测量试样表面图像。

29、优选地，所述对分割后的测量试样表面图像进行边缘提取，得到边缘提取后的测量试样表面图像包括以下步骤：

30、建立一个一维数组，记录分割后的测量试样表面图像每个像素点周围8个邻域的灰度值，当像素点周围8个邻域的灰度值和中心点的灰度值相同，则设定该像素点在轮廓内部，对该像素点进行删除；

31、当像素点周围8个邻域的灰度值和中心点的灰度值不相同，则设定该像素点在轮廓边缘，对该像素点进行保留；

32、遍历并汇总分割后的测量试样表面图像中的每个像素点，得到边缘提取后的测量试样表面图像。

33、本发明通过阈值分割的方式对训练集中测量试样表面图像进行分割处理，同时通过对分割后的测量试样表面图像进行边缘提取的方式，完成对训练集中测量试样表面图像的处理，提高了训练集中测量试样表面图像准确性。

34、优选地，所述基于得到的预处理后的测量试样表面图像，通过多项式拟合法计算压力对激光相机拍摄图像参数的影响，并建立测量试样表面的布式硬度预测模型包括以下步骤：

35、提取每张图像上的所有参照点的像素级坐标，记录下每个参照点的所述坐标和对应的压力，以标准图像上提取的参照点的坐标作为标准坐标，得到一组数据，其中，为设定参照点的坐标，为该参照点对应的标准坐标，为对应标准图像的标准压力数据，标准压力为0，收集所有参照点的数据，建立所有参照点的数据集；

36、基于建立的所有参照点的数据集，通过多项式拟合方式建立测量试样表面的压力形变；

37、测量试样表面的压力形变公式如下所示：

38、；

39、；

40、其中，表示标准坐标到所述参照点坐标的水平分量偏移值，表示标准坐标到所述参照点坐标的竖直分量偏移值，表示参照点坐标的水平分量，表示参照点坐标的竖直分量，表示标准压力与设定压力的差值，、表示次多项式；

41、设定测量试样表面的布式硬度预测模型为+。

42、本发明通过提取每张图像上的所有参照点的像素级坐标并记录，并将记录的数据与标准数据进行对比，计算形变产生量，同时基于计算的形变产生量完成测量试样表面的布式硬度预测模型的建立，提高了布氏硬度高精度测量的效率。

43、优选地，所述通过最小二乘法对建立的布式硬度预测模型进行优化，输出最优布式硬度预测模型，并基于最优布式硬度预测模型预测不同材料的布式硬度包括以下步骤：

44、设定布式硬度预测模型预测后的拟合坐标与标准坐标的误差阈值；

45、分别取为1、2....，并计算拟合坐标与标准坐标的误差；

46、当拟合坐标与标准坐标的误差小于设定的误差阈值时，输出此时布式硬度预测模型的多项式和系数，并将此时布式硬度预测模型的多项式和系数作为最优布式硬度预测模型；

47、调用最优布式硬度预测模型，预测不同材料的布式硬度；

48、预测不同材料的布式硬度公式如下：

49、；

50、其中，表示预测材料的布式硬度，表示设定的压力数据。

51、本发明通过设定布式硬度预测模型预测后的拟合坐标与标准坐标的误差阈值，并通过最小二乘法进行处理的方式完成最优布式硬度预测模型的建立，并通过建立的最优布式硬度预测模型预测不同材料的布式硬度，提高了布氏硬度高精度测量实时性。

52、优选地，所述基于预测得到的不同材料的布式硬度数据，通过均匀分布预测的方式计算不同材料的布式硬度数据精准范围包括以下步骤：

53、对于预测得到的不同材料的布式硬度数据，在每种材料表面均匀选择五个参照点，并设定相同压力对选取的五个参照点进行测试；

54、测试完成后，通过激光相机采集五个参照点的形变程度，并基于采集的五个参照点的形变程度计算五个参照点布式硬度数据的重复度；

55、；

56、其中，表示布式硬度数据的重复度，表示五个布式硬度数据的最大值，表示五个布式硬度数据的最小值，表示五个布式硬度数据的算术平均值；

57、基于计算的布式硬度数据的重复度计算不同材料的布式硬度数据精准范围；

58、布式硬度数据误差范围如下所示：

59、；

60、其中，表示预测得到的布式硬度数据，表示布式硬度数据误差范围；

61、设定布式硬度数据精准范围为预测得到的布式硬度数据加或减计算得到的布式硬度数据误差范围。

62、本发明通过在每种材料表面均匀选择参照点，并对每个参照点进行布氏硬度测量的方式，通过计算参照点布式硬度数据的重复度以及误差确定布式硬度数据精准范围，提高了布氏硬度高精度测量准确性。

63、本实施例还公开一种基于机器视觉的布氏硬度高精度测量系统，包括：数据采集模块、数据处理模块、布式硬度预测模块以及布式硬度确定模块；

64、所述数据采集模块用于通过激光相机采集不同材料受压力影响后的图像数据；

65、所述数据处理模块用于处理激光相机采集到的不同材料受压力影响后的图像数据，得到处理后的图像数据；

66、所述布式硬度预测模块用于根据处理后的图像数据建立布式硬度预测模型；

67、所述布式硬度确定模块用于对建立的布式硬度预测模型进行精准优化。

68、（三）有益效果

69、与现有技术相比，本发明提供了一种基于机器视觉的布氏硬度高精度测量方法及系统，具备以下有益效果：

70、1、该发明通过采集不同压力下的测量试样表面图像，并采集拍摄的测量试样表面图像中的参照点，建立训练集，同时通过数据处理方式，对训练集中测量试样表面图像进行预处理，并基于得到的预处理后的测量试样表面图像，通过多项式拟合法计算压力对激光相机拍摄图像参数的影响，并建立测量试样表面的布式硬度预测模型，同时通过最小二乘法对建立的布式硬度预测模型进行优化，输出最优布式硬度预测模型，并基于最优布式硬度预测模型预测不同材料的布式硬度，同时通过均匀分布预测的方式计算不同材料的布式硬度数据精准范围，提高了布氏硬度高精度测量的准确性。

71、2、该发明通过安装激光相机，采集不同压力下的测量试样表面图像并在测量试样表面图像中设置多个均匀分布的参照点，同时在测量过程中，预设激光相机拍摄间隔，采集每个设定压力下激光相机拍摄的测量试样表面图像，保证了图像采集的可靠性。

72、3、该发明通过阈值分割的方式对训练集中测量试样表面图像进行分割处理，同时通过对分割后的测量试样表面图像进行边缘提取的方式，完成对训练集中测量试样表面图像的处理，提高了训练集中测量试样表面图像准确性。

73、4、该发明通过提取每张图像上的所有参照点的像素级坐标并记录，并将记录的数据与标准数据进行对比，计算形变产生量，同时基于计算的形变产生量完成测量试样表面的布式硬度预测模型的建立，提高了布氏硬度高精度测量的效率。

74、5、该发明通过设定布式硬度预测模型预测后的拟合坐标与标准坐标的误差阈值，并通过最小二乘法进行处理的方式完成最优布式硬度预测模型的建立，并通过建立的最优布式硬度预测模型预测不同材料的布式硬度，提高了布氏硬度高精度测量实时性。

75、6、该发明通过在每种材料表面均匀选择参照点，并对每个参照点进行布氏硬度测量的方式，通过计算参照点布式硬度数据的重复度以及误差确定布式硬度数据精准范围，提高了布氏硬度高精度测量准确性。