[發明專利]工件表面缺陷圖像識別方法

有效

• 申請號: 201710318190.5
• 申請日: 2017-05-08
• 公開（公告）號: CN107085846B
• 公開（公告）日: 2020-01-03
• 發明（設計）人: 周友行;石弦韋;馬逐曦;孔拓;劉偉
• 申請（專利權）人: 湘潭大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06K9/62;G01N21/88
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種工件表面缺陷圖像識別方法，其技術方案要點是：使用專業成像設備采集工件表面圖像，采用邊緣檢測算子法分割圖像表面存在缺陷區域，將圖像上各缺陷區域的主成分方向、主成分方向向量與圖像坐標原點的距離分別歸一化后作為各圖像缺陷區域的新坐標值。然后分別計算新坐標下各圖像缺陷區域間距離，并以此計算各圖像缺陷區域局部密度，基于各圖像缺陷區域局部密度以及與其它局部密度較大圖像缺陷區域的距離選擇缺陷聚類中心，并基于局部密度峰值對圖像表面缺陷區域進行聚類，實現各缺陷的分離并統計缺陷數目及各缺陷大小。它可廣泛應用于對大批量工件平面加工進行質量監測。

技術領域

本發明涉及一種工件表面缺陷圖像識別方法，屬于機器學習以及智能化制造的交叉領域。

背景技術

隨著制造技術的發展，機械加工可靠性的要求也越來越高，對工件表面缺陷的自動檢測提出了更高的要求。研發新的用于工件表面缺陷提取的自動檢測理論和方法，符合企業的迫切需要，對機械學科基礎理論研究也具有重要意義。

目前對于工件表面缺陷檢測技術，主要是基于工件表面圖像的基本信號特征以及缺陷灰度特征對缺陷進行分離，即利用圖像缺陷部分與背景區域的灰度梯度差異進行缺陷的分離。然而現有的此類方法通常只能檢測出工件表面是否存在缺陷，對于各個缺陷的具體尺寸大小往往難以進行自動分析。同時由于基于邊緣灰度變化的檢測方法對于某些灰度變化不明顯的缺陷檢測結果呈破碎狀，需經過人工識別才能確定缺陷的真實形狀。環境的噪音干擾也會使得常規缺陷檢測結果出現誤檢的情況，導致識別精度的下降。同時由于機械加工過程中存在劃痕缺陷，其具有結構上的線性流形特征，而傳統的流形聚類計算量較大，難以應用于加工過程中的實時檢測，同時仍然需要人工選擇聚類數目，難以應用于自動化檢測。

發明內容

針對上述存在的問題，本發明采用坐標轉換的思想將劃痕缺陷的線性流形關聯轉化為歐氏距離關聯，從而將存在劃痕缺陷的流形聚類問題轉化為歐氏經典聚類問題，從而降低運算時間，同時不影響其它缺陷的聚類分析；對于聚類時的聚類數目也就是工件表面缺陷數目識別的問題，則可通過坐標變換后各點局部密度特征進行選取，避免了傳統聚類算法需人工選擇聚類數目的問題。

本發明的目的是提出一種工件表面缺陷圖像識別方法，在保證檢測質量的同時，大幅降低人工勞動成本與計算成本。

本發明解決其技術問題所采用的技術方案是：一種工件表面缺陷圖像識別方法，使用專業成像設備收集工件表面圖像；對工件表面圖像使用邊緣檢測算法得到圖像表面存在缺陷的區域；計算圖像上各缺陷區域的主成分方向、主成分方向向量與圖像坐標原點的距離并分別歸一化后作為各圖像缺陷區域的新坐標值；分別計算新坐標下各圖像缺陷區域間距離，并以此計算各圖像缺陷區域局部密度；基于各圖像缺陷區域局部密度以及與其它局部密度較大圖像缺陷區域的距離選擇缺陷聚類中心，并基于局部密度峰值對圖像缺陷區域進行聚類，實現各缺陷的分離；統計聚類數目以及原始圖像上各類中圖像缺陷區域占原始圖像總大小的百分比，以此確定缺陷數目以及各缺陷大小。

所述專業成像設備由工業數字相機、照明系統、計算機系統、控制系統組成。

所述邊緣檢測算法為使用Sobel算子以及Canny算子分別對工件表面圖像進行卷積，并對兩者卷積結果進行求和運算。

所述圖像上存在位置關聯的缺陷區域是指圖像各缺陷區域間歐氏距離小于給定閥值，即認為其存在位置關聯。

所述缺陷區域的主成分方向具體為：對缺陷區域的協方差矩陣進行奇異值分解，得到其協方差矩陣的特征向量，基于公式計算得到該缺陷區域的主成分方向。

所述各圖像缺陷區域局部密度具體為：將參數定義為新坐標下圖像缺陷區域與圖像缺陷區域間的距離，參數定義為截斷距離，參數定義為第個圖像缺陷區域的局部密度，基于公式求得。

所述各圖像缺陷區域與其它局部密度較大圖像缺陷區域的距離為：定義為各圖像缺陷區域與其它局部密度較大圖像缺陷區域的距離，基于公式求得。