[發(fā)明專利]基于機器視覺的物品識別分類與瑕疵檢測方法

有效

• 申請?zhí)枺?/td>: 201810371541.3
• 申請日: 2018-04-24
• 公開（公告）號: CN108647706B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計）人: 吳羽;陳澤嘉;鄭偉林;黃文愷
• 申請（專利權(quán)）人: 廣州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06V10/764
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 裘暉;林梅繁

本發(fā)明為基于機器視覺的物品識別分類與瑕疵檢測方法，包括以下步驟：基于支持向量機的物品種類識別分類過程；所述物品種類識別分類過程包括模型訓練過程以及加載模型實現(xiàn)分類過程；基于機器視覺瑕疵檢測算法的瑕疵檢測過程；所述基于機器視覺瑕疵檢測算法包括圖形矯正過程以及計算圖形的Hu不變矩進行相似度大小比較；根據(jù)檢測結(jié)果判斷圖片是否存在瑕疵。本發(fā)明通過支持向量機訓練模板以及加載模板進行多分類，可識別不同物體的種類，可實現(xiàn)對不同物品的檢測，提高算法的通用性，提高瑕疵檢測的準確率及檢測速度。

技術(shù)領(lǐng)域

本發(fā)明屬于機器視覺檢測領(lǐng)域，具體涉及一種基于機器視覺的物品識別分類與瑕疵檢測方法。

背景技術(shù)

近年來，隨著技術(shù)的發(fā)展，產(chǎn)品的自動化生產(chǎn)是現(xiàn)代生產(chǎn)發(fā)展的主要趨勢之一，自動化生產(chǎn)對加速社會生產(chǎn)力發(fā)展，改進企業(yè)生產(chǎn)技術(shù)，減輕工人勞動力具有重要意義。

在高端消費和產(chǎn)能快速增長的需求下，企業(yè)想提高競爭力，產(chǎn)品的檢測變得越來越重要。產(chǎn)品表面瑕疵可分為很多種，例如：褶皺、劃痕、污點等。所以，機器視覺的瑕疵檢測也是必不可少的。

傳統(tǒng)的人工視覺檢測不僅效率低下，準確率大打折扣，檢測工作還單調(diào)乏味。而且，工業(yè)生產(chǎn)量大，工作時間長，工人們?nèi)菀滓曈X疲勞，使得檢測容易出現(xiàn)誤檢、漏檢等情況。而且，人工檢測的判別標準不是量化過的，產(chǎn)品的質(zhì)量不能得到保證。所以，基于機器視覺的瑕疵檢測系統(tǒng)應運而生。

近年來，在機器視覺領(lǐng)域中，有很多用于瑕疵檢測的算法，但更多的是應用在具體物品(如布匹、毛毯、地磚等)的表面瑕疵檢測上，缺少通用性。例如，于2017年6月20日公開的、公開號為CN106872487A的中國專利申請披露了“一種基于視覺表面的瑕疵檢測方法及裝置”，其檢測方法雖然運用了支持向量機(SVM)這一技術(shù)手段，但目的是對布匹表面的復雜紋理瑕疵進行分類，從而能檢測具有不同紋理的布匹的表面瑕疵，可應用于多種布匹的表面瑕疵檢測；但是該文獻的檢測對象依然局限于布匹的表面瑕疵檢測，不能用于物品的分類識別，也無法適用于不同種類物品的瑕疵檢測上，通用性不強。

發(fā)明內(nèi)容

為了解決現(xiàn)有基于機器視覺的瑕疵檢測技術(shù)所存在的問題，本發(fā)明提出基于機器視覺的物品識別分類與瑕疵檢測方法，對工業(yè)相機采集到的產(chǎn)品圖像進行識別分類并進行相應的圖像處理，該算法能檢測不同種類物品的表面瑕疵，并且能識別該物品的種類，處理速度快，識別準確率高，在工業(yè)生產(chǎn)上具有較高的通用性。

本發(fā)明采用如下技術(shù)方案來實現(xiàn)：基于機器視覺的物品識別分類與瑕疵檢測方法，包括以下步驟：

基于支持向量機的物品種類識別分類過程；所述物品種類識別分類過程包括模型訓練過程以及加載模型實現(xiàn)分類過程；

基于機器視覺瑕疵檢測算法的瑕疵檢測過程；所述基于機器視覺瑕疵檢測算法包括圖形矯正過程以及計算圖形的Hu不變矩進行相似度大小比較；根據(jù)檢測結(jié)果判斷圖片是否存在瑕疵。

優(yōu)選地，所述模型訓練過程如下：首先獲取提前從圖片數(shù)據(jù)庫下載的訓練圖片，獲取訓練數(shù)據(jù)；然后配置SVM分類器參數(shù)，對模型進行訓練；最后保存訓練好的模型。

優(yōu)選地，所述下載的訓練圖片為正負樣本數(shù)據(jù)；所述SVM分類器為線性可分情況下的線性分類器，通過一個決策邊界將正負樣本數(shù)據(jù)分開，當正負樣本數(shù)據(jù)與決策邊界的距離最大時，是最好的分類選擇，找到最大分類間隔。

優(yōu)選地，所配置的SVM分類器參數(shù)包括SVM-yypr類型，通過設(shè)置懲罰因子C的大小進行優(yōu)化，以對不同物體分類。

優(yōu)選地，所述加載模型實現(xiàn)分類過程如下：通過加載模型后，提取由工業(yè)相機采集到的圖片的特征，識別、獲取在模型訓練時寫入的標簽，得到識別結(jié)果。

優(yōu)選地，所述圖形矯正過程包括：

(1)先存儲一張標準模板圖片在后臺中；