[發明專利]基于ELM-in-ELM的瑕疵檢測方法

在審

• 申請號: 201910698736.3
• 申請日: 2019-07-31
• 公開（公告）號: CN110428408A
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 馬宏賓;宋利
• 申請（專利權）人: 工極智能科技（蘇州）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：步驟如下：

1）成像裝置進行工件圖像成型，后通過ORB算法進行特征點的提取及匹配, 進一步提取出當前圖像中的感興趣區域，即工件的圖像；

2）利用 ELM-in-ELM對提取到的工件圖像進行自動特征提取與判別工件是否有瑕疵。

2.根據權利要求1所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：成像裝置可為高清CDD相機。

3.根據權利要求2所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：ELM-in-ELM包括的深度卷積神經網絡，通過導入多種不同的瑕疵判斷數據進行深度學習，以適應不同檢測場合檢測。

4.根據權利要求3所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：瑕疵判定數據包括穿透通過磁場、激光、聲波以及紅外熱成像的瑕疵檢測數據。

5.根據權利要求1-4任意所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：瑕疵判定數據包括以紅外熱成像為工具進行不同物體的瑕疵檢測數據、脈沖熱成像進行不同物體的瑕疵檢測數據等。

6.根據權利要求5所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：ORB算法具有計算量小、存儲量小等優點，非常適合用于實時系統中進行特征點匹配；根據匹配后特征點的坐標，使用RANSAC算法計算單應性矩陣， 有效降低噪聲和特征點匹配錯誤帶來的影響。

7.根據權利要求6所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：ELM-in-ELM保留了其輸入權重隨機給定特點的基礎上，采用內層多個ELM網絡分別訓練以及外層ELM網絡單獨訓練的方法將多個ELM網絡進行組合，提高了分類的準確性和穩定性。

8.根據權利要求6或7所述的一種基于ELM-in-ELM的瑕疵檢測方法，其特征在于：ELM-in-ELM為在線學習網絡，具有較好的實時性，可以用于實時瑕疵檢測。