详情

原文传递一种基于机器视觉的金属工件表面缺陷识别方法及装置

专利名称：	一种基于机器视觉的金属工件表面缺陷识别方法及装置
摘要：	本发明涉及一种基于机器视觉的金属工件表面缺陷识别方法及装置，所述方法包括：获取金属工件的表面图像，通过图像预处理，将金属工件的表面图像转换成具有边缘特征的灰度图像；通过图像增强处理，增强灰度图像的图像特征；通过图像分割处理，提取增强处理后的灰度图像的特征图像数据；将特征图像数据输入经过预先训练的金属工件缺陷识别模型中，输出金属工件的缺陷识别结果。所述装置包括机械手、升降式料仓、图像采集设备和中央处理模块，中央处理模块用于对属工件的表面图像进行缺陷识别，通过缺陷识别结果生成控制指令，根据控制指令控制机械手夹取放置金属工件。本发明更好的帮助优化金属工件表面缺陷的识别效果。
专利类型：	发明专利
国家地区组织代码：	重庆;50
申请人：	重庆大学
发明人：	苏迎涛;鄢萍;易润忠;吴达远;施彦成
专利状态：	有效
申请日期：	2019-07-22T00:00:00+0800
发布日期：	2019-10-08T00:00:00+0800
申请号：	CN201910661530.3
公开号：	CN110308151A
代理机构：	重庆博凯知识产权代理有限公司
代理人：	黄河
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	400044 重庆市沙坪坝区沙正街174号
主权项：	1.一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于，包括以下步骤： S1：获取金属工件的表面图像，通过图像预处理，将金属工件的表面图像转换成具有边缘特征的灰度图像； S2：通过图像增强处理，增强具有边缘特征的灰度图像的图像特征； S3：通过图像分割处理，提取增强处理后的具有边缘特征的灰度图像的特征图像数据； S4：获取金属工件的特征图像数据，将特征图像数据输入经过预先训练的金属工件缺陷识别模型中，输出金属工件的缺陷识别结果。 2.如权利要求1所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S2中所述的图像增强处理，是通过全局二值化增强算法对预处理后的灰度图像进行增强处理。 3.如权利要求1所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S3中所述的图像分割处理，是通过基于边缘检测的图像分割算法对增强处理后的灰度图像进行分割处理。 4.如权利要求1所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S4中所述金属工件缺陷识别模型，其预先训练包括以下步骤： S401：获取金属工件的表面缺陷图像数据，根据表面缺陷图像数据构建金属工件的表面缺陷样本集； S402：通过扩展处理，扩展金属工件的表面缺陷样本集； S403：通过图像预处理，将扩展后的表面缺陷样本集更新为新的样本集； S404：构建基于深度卷积神经网络的金属工件缺陷识别模型，并获取金属工件缺陷识别模型的模型参数和新的样本集； S405：通过交叉验证法，训练金属工件缺陷识别模型直到金属工件缺陷识别模型的性能指标达到预期设定。 5.如权利要求1所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S1中所述的图像预处理，包括图像灰度转换处理、图像去噪处理和图像边缘检测处理。 6.如权利要求5所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S1中所述的图像灰度转换处理，是通过加权平均法，将采集的金属工件表面图像数据转换成灰度图像；加权平均法的公式为I(x,y)＝0.3I_R(X,Y)+0.59I_G(X,Y)+0.11*I_B(X,Y)，式中0.3、0.59和0.11均为标准化参数，I(x,y)是转换后的灰度图像像素点的坐标像素值，I_R(X,Y))是R通道像素点的坐标像素值，I_G(X,Y)是G通道像素点的坐标像素值，I_B(X,Y)是B通道像素点的坐标像素值。 7.如权利要求5所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S1中所述的图像去噪处理，是获取预存的加权的均值滤波器模板，将灰度图像中的噪声点替换为均值滤波器模板窗口内的像素的平均灰度值以进行图像去噪；均值滤波器的公式为式中，g(x,y)是滤波计算后的坐标像素值，n是系数，I(x,y)是原图像素点的坐标像素值。 8.如权利要求6所述的一种基于机器视觉的金属工件表面缺陷识别方法，其特征在于：步骤S1中所述的图像边缘检测处理，是通过边缘检测算法，检测灰度图像的边缘并连接边缘构成边界，根据各个边界生成大小端面区域和环形槽区域。 9.一种基于机器视觉的金属工件表面缺陷识别装置，其特征在于，包括：机械手，用于夹取金属工件；升降式料仓，用于放置金属工件，所述升降式料仓由隔板分割成缺陷件料仓和正常件料仓两个部分；图像采集设备，用于采集金属工件的表面图像；中央处理模块，用于获取金属工件的表面图像并采用如权利要求1所述的方法进行缺陷识别，通过缺陷识别结果生成控制指令，根据控制指令控制机械手夹取放置金属工件。 10.如权利要求9所述的一种基于机器视觉的金属工件表面缺陷识别装置，其特征在于，所述中央处理模块还包括：图像预处理单元，用于获取金属工件的表面图像，通过图像预处理，将金属工件的表面图像转换成具有边缘特征的灰度图像；图像增强和分割单元，用于获取预处理后的具有边缘特征的灰度图像，通过图像增强处理，增强预处理后的具有边缘特征的灰度图像的图像特征，再通过图像分割处理，提取增强处理后的具有边缘特征的灰度图像的特征图像数据；缺陷识别单元，用于获取金属工件的特征图像数据，根据特征图像数据进行金属工件进行识别缺陷，生成金属工件的缺陷识别结果，并根据缺陷识别结果生成分选控制指令；机械手控制单元，用于接收分选控制指令，根据分选控制指令控制机械手动作。
所属类别：	发明专利