[發(fā)明專利]一種基于U_Net網(wǎng)絡(luò)的光學(xué)鏡片表面劃痕檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010422041.5
• 申請(qǐng)日: 2020-05-18
• 公開(kāi)（公告）號(hào): CN111551350A
• 公開(kāi)（公告）日: 2020-08-18
• 發(fā)明（設(shè)計(jì)）人: 薛萍;王雨龍
• 申請(qǐng)（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號(hào): G01M11/02
• 分類號(hào): G01M11/02;G06T7/00;G06T7/10
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了一種基于U_Net網(wǎng)絡(luò)的光學(xué)鏡片表面劃痕檢測(cè)方法，涉及光學(xué)鏡片技術(shù)領(lǐng)域；它的方法如下：步驟一：劃痕檢測(cè)系統(tǒng)的流程結(jié)構(gòu)；步驟二：影響圖像采集質(zhì)量因素分析；步驟三：劃痕圖像與其他相似疵病的區(qū)分研究；步驟四：劃痕檢測(cè)算法研究；本發(fā)明不僅能夠準(zhǔn)確檢測(cè)劃痕的形態(tài)，同時(shí)還可以實(shí)現(xiàn)對(duì)光學(xué)鏡片表面劃痕相似缺陷區(qū)分并在此基礎(chǔ)上實(shí)現(xiàn)劃痕位置與長(zhǎng)度寬度定量檢測(cè)；降低了產(chǎn)品成本，大大提高了生產(chǎn)效率和生產(chǎn)質(zhì)量，還可以根據(jù)檢測(cè)得到的信息優(yōu)化流水線，找到缺陷，減少劃痕疵病的發(fā)生；對(duì)于國(guó)家而言，機(jī)器視覺(jué)檢測(cè)技術(shù)的應(yīng)用提升了我國(guó)工業(yè)領(lǐng)域生產(chǎn)在國(guó)際的競(jìng)爭(zhēng)力，提高了鏡片生產(chǎn)過(guò)程中的檢測(cè)效率。

技術(shù)領(lǐng)域

本發(fā)明屬于光學(xué)鏡片技術(shù)領(lǐng)域，具體涉及一種基于U_Net網(wǎng)絡(luò)的光學(xué)鏡片表面劃痕檢測(cè)方法。

背景技術(shù)

傳統(tǒng)的機(jī)器視覺(jué)檢測(cè)技術(shù)難以獲取合適的特征，往往致使檢測(cè)結(jié)果不盡人意。傳統(tǒng)機(jī)器視覺(jué)檢測(cè)技術(shù)工作流程是通過(guò)一系列設(shè)定好的圖像預(yù)處理對(duì)樣本數(shù)據(jù)進(jìn)行特征提取并以向量形式進(jìn)行表示，通過(guò)設(shè)計(jì)分類器對(duì)物體進(jìn)行分類，如利用劃痕區(qū)域與背景之間的灰度差采用灰度閾值分割的方法實(shí)現(xiàn)劃痕的提取、檢測(cè)劃痕邊緣特征，但這類算法只能給出劃痕的大體位置，準(zhǔn)確度不高，易受背景雜波影響，誤檢和漏檢率較高。并且這種模式的檢測(cè)技術(shù)往往需要使用者具備豐富的專業(yè)知識(shí)，且特征提取的質(zhì)量直接影響檢測(cè)效果。

發(fā)明內(nèi)容

為解決現(xiàn)有的問(wèn)題；本發(fā)明的目的在于提供一種基于U_Net網(wǎng)絡(luò)的光學(xué)鏡片表面劃痕檢測(cè)方法。

本發(fā)明的一種基于U_Net網(wǎng)絡(luò)的光學(xué)鏡片表面劃痕檢測(cè)方法，它的方法如下：

步驟一：劃痕檢測(cè)系統(tǒng)的流程結(jié)構(gòu)：

建立了專用的圖像采集平臺(tái)，研究以同軸光源為基礎(chǔ)的照明單元，將采集到的圖像傳輸至上位機(jī)并制作圖像訓(xùn)練集，再經(jīng)過(guò)U_Net深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練得到高精度劃痕特征圖像，在此基礎(chǔ)上實(shí)現(xiàn)劃痕與相似疵病的區(qū)分，最后通過(guò)對(duì)應(yīng)算法完成針對(duì)劃痕的位置，數(shù)量，長(zhǎng)寬的測(cè)量；

步驟二：影響圖像采集質(zhì)量因素分析：

采取基于同軸光源的照明單元，同軸光的定義為光源通過(guò)漫射板發(fā)散打到半透半反射分光片上，該分光片將光反射到物體上，再由物體反射到鏡頭中；檢測(cè)物體平整光滑表面的碰傷、劃傷、裂紋和異物；通過(guò)計(jì)算機(jī)控制對(duì)比不同顏色，強(qiáng)度的光照環(huán)境采集的圖像，綜合得到更加完整準(zhǔn)確的圖像信息；

步驟三：劃痕圖像與其他相似疵病的區(qū)分研究：

采用RGB三通道u_net網(wǎng)絡(luò)對(duì)劃痕圖像進(jìn)行分割，通過(guò)對(duì)三種色彩通道分別卷積，實(shí)現(xiàn)對(duì)劃痕邊緣更精確的體現(xiàn)；通過(guò)實(shí)驗(yàn)尋找最佳光照條件，同時(shí)盡可能提高相機(jī)分辨率，保證圖像原始特征，為后續(xù)的深度學(xué)習(xí)訓(xùn)練提供高精度樣本，提高檢測(cè)精度；

步驟四：劃痕檢測(cè)算法研究：

檢測(cè)劃痕主要包括三個(gè)方面：區(qū)域定位，數(shù)量統(tǒng)計(jì)與長(zhǎng)度測(cè)量；

4.1、區(qū)域定位與數(shù)量統(tǒng)計(jì)擬采用輪廓查詢法實(shí)現(xiàn)，首先對(duì)劃痕圖像進(jìn)行輪廓提取，在獲得輪廓圖像后遍歷像素提取輪廓像素的四個(gè)頂點(diǎn)坐標(biāo)A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)限定劃痕區(qū)域，通過(guò)坐標(biāo)點(diǎn)差值得到劃痕區(qū)域的長(zhǎng)度與寬度，輸出其坐標(biāo)位置并統(tǒng)計(jì)劃痕數(shù)量；

4.2、劃痕長(zhǎng)度測(cè)量擬采用K3M算法，K3M骨架提取算法是一種連續(xù)迭代算法，由七個(gè)步驟的迭代部分和末端的單個(gè)額外步驟組成，獲取劃痕骨架后，對(duì)劃痕骨架像素點(diǎn)進(jìn)行統(tǒng)計(jì)獲取劃痕的弧長(zhǎng)；劃痕弧長(zhǎng)表達(dá)式如公式1所示：

其中，L為劃痕區(qū)域的弧長(zhǎng)，單位為mm，lp為單個(gè)像素對(duì)應(yīng)的實(shí)際長(zhǎng)度，單位為mm；g(x,y)表示劃痕經(jīng)K3M算法骨架提取后的連通域像素點(diǎn)；最后根據(jù)像素與真實(shí)長(zhǎng)度換算的到像素代表的實(shí)際距離。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：