[發明專利]一種基于多光譜成像的產品表面缺陷檢測系統

在審

• 申請號: 201910694125.1
• 申請日: 2019-07-30
• 公開（公告）號: CN110441312A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 王洋;陳果;毛雪慧;閆龑
• 申請（專利權）人: 上海深視信息科技有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 姜杉

本發明提供了一種基于多光譜成像的產品表面缺陷檢測系統，其特征在于，包括多光譜圖像采集模塊和多光譜圖像缺陷檢測模塊；多光譜圖像采集模塊包括多光譜光源、多光譜相機、傳送帶和檢測臺；多光譜相機和多光譜光源位于檢測臺上；傳送帶穿過檢測臺下方；多光譜圖像缺陷檢測模塊包括特征提取模塊、特征融合模塊和決策網絡模塊；特征提取模塊接收原始圖像，產生圖像特征集；特征融合模塊連接特征提取模塊，接收圖像特征集，產生特征融合集；決策網絡模塊連接特征融合模塊，接收特征融合集，輸出產品檢測結果。本發明的有益效果是：充分提取產品表面特征，利用端到端的算法地進行缺陷識別，減少多個算法的累積誤差，可以快速適應多種缺陷分布。

技術領域

本發明涉及產品表面缺陷檢測檢測領域，特別涉及一種基于多光譜成像的產品表面缺陷檢測系統。

背景技術

自動光學識別是使用計算機技術對光學傳感器采集得到的圖像進行識別的技術，在流水線生產領域可用于流水線生產，而對于表面缺陷而言，自動光學識別的成功率在很大程度上都取決于照明系統的質量以及方式。

在傳統的自動光學識別領域，自動光學識別系統使用某個角度以及特定的光源和相機組成的照明系統進行圖像采集，然后再對該采集圖像進行識別。常用的照明方法有高角度照明、低角度照明、背光照明等，常用的光源種類包括紫外光、可見光、紅外光等。使用單一光譜成像對一些特定的表面缺陷有較好的效果，但對于一些比較復雜的缺陷，在單一種類光源的成像下，缺陷的特征不明顯，從而導致后續算法開發的難度上升。

近年來也出現使用多光譜進行圖像采集，然后通過一些圖像融合的方式進行多光譜圖像進行融合，再利用識別算法進一步識別缺陷。相比單一光譜，多光譜成像可以讓缺陷有更加豐富的特征信息?，F有利用多光譜圖像進行表面缺陷檢測的方法的一般流程為：使用不同角度的單色光來組合多光譜圖，再利用光譜圖計算物體表面法向量，然后使用機器學習算法結合法向量信息進行缺陷識別。這些方法需要對各個階段算法參數進行細致的調整，當缺陷的分布差異較大時，適合的參數需要花費大量的時間進行調優。而且當算法的各個環節存在一定的誤差時，即使是比較微小的誤差，整體累加會導致較大誤差。

故市場亟需一種能夠在充分的提取產品表面特征的基礎上，減少累積誤差，可以快速適應多種缺陷分布的產品表面缺陷檢測系統。

發明內容

為了解決上述技術問題，本發明中披露了一種基于多光譜成像的產品表面缺陷檢測系統，本發明的技術方案是這樣實施的：

一種基于多光譜成像的產品表面缺陷檢測系統，其特征在于，包括多光譜圖像采集模塊和多光譜圖像缺陷檢測模塊；所述多光譜圖像采集模塊包括多光譜光源、多光譜相機、傳送帶和檢測臺；所述多光譜相機和所述多光譜光源位于所述檢測臺上；所述傳送帶在所述檢測臺下方并穿過所述檢測臺；所述多光譜圖像采集模塊采集原始圖像并將其傳輸至所述多光譜圖像缺陷檢測模塊；所述多光譜圖像缺陷檢測模塊包括特征提取模塊、特征融合模塊和決策網絡模塊；所述特征提取模塊接收所述原始圖像，并產生圖像特征集；所述特征融合模塊與所述特征提取模塊相連，接收所述圖像特征集，同時產生特征融合集；所述決策網絡模塊與特征融合模塊相連，接收所述特征融合集，產生產品檢測結果并予以輸出。

優選地，所述多光譜光源所發出的為包括可見光、紅外光、紫外光、超聲波、X光的一種或多種；所述多光譜相機所接收的為包括可見光、紅外光、紫外光、超聲波、X光的一種或多種。

優選地，所述特征提取模塊具有多個分支網絡，每個所述分支網絡分別對應一個光譜圖；所述分支網絡內部包括多個Block；所述Block內部使用多種大小不同的卷積層。

優選地，所述特征融合模塊生成為特征融合算法的計算機程序；所述融合模型訓練算法為包括小波融合算法、主成分分析融合算法、圖像金字塔融合算法和加權融合算法的一種或多種。

優選地，所述產品檢測結果包括是否具有缺陷、所述缺陷的具體位置和所述缺陷的尺寸的大小的一種或多種。