[發(fā)明專利]一種基于深度學習的活塞表面缺陷檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011002324.0
• 申請日: 2020-09-22
• 公開（公告）號: CN112184648A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設計）人: 楊光;于普鶴;余章衛(wèi);孫浩楠;周豪;陸崢巖;黃德奔;周洲
• 申請（專利權）人: 蘇州中科全象智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/90;G06N3/08;G06N3/04;G06K9/62;G06K9/32
• 代理公司: 北京精金石知識產權代理有限公司 11470
• 代理人: 楊蘭蘭

本發(fā)明提供了一種基于深度學習的活塞表面缺陷檢測方法及系統(tǒng)，屬于活塞檢測技術領域。本發(fā)明的檢測方法將機器視覺與深度學習的神經網絡結合進行活塞表面缺陷的檢測，對于光潔面采用灰度圖像處理算法進行缺陷檢測，對于鑄造面采用改進的FASTER?RCNN深度學習的神經網絡進行缺陷的檢測；同時采用了多個相機和不同角度波段端光源在不同采圖工位進行圖像采集，達到最佳采圖效果；對于高分辨率的圖片進行分割處理，提高了對圖片細節(jié)識別的準確度。本發(fā)明實現(xiàn)了對多種缺陷的高效準確的自動檢測。

技術領域

本發(fā)明涉及活塞缺陷檢測技術領域，尤其涉及一種基于深度學習的活塞表面缺陷檢測方法及系統(tǒng)。

背景技術

目前國內外活塞缺陷檢測大都是采用人工方法完成，活塞產品在人工檢驗過程中存在漏檢、誤檢和效率低等問題，檢測效率和準確率得不到保證。

隨著傳統(tǒng)機器視覺算法在活塞檢測中的應用，活塞檢測只依靠人工的現(xiàn)象得到了改變，傳統(tǒng)機器視覺算法是能用于檢測活塞油孔漏、油孔鋁屑缺陷；活塞環(huán)岸鑲圈本體缺陷、清洗、檢驗碰傷、石墨、裙部砂眼、環(huán)岸砂眼、鑲圈氣泡、無鑲圈、鑲圈位置(360°全方位檢查)、表面碰傷(機)、表面處理磕碰傷、石墨偏±1.5mm、環(huán)槽鋁屑、裙部裂紋等缺陷，對于其他缺陷，還是無法做到精確檢測，比如活塞頂部檢驗碰傷、頂面拉傷、頂面砂眼、毛坯碰傷、冷隔(頂部)、表面碰傷(機)、裂紋(寬度0.3mm)、對稱度(像素點)、粘鋁等缺陷；面孔披鋒、毛坯碰傷、表面處理磕碰傷、冷隔、粘鋁等缺陷；銷孔劃傷、銷孔缺陷、精鏜銷孔(刀絲)、卡簧槽鋁屑、卡簧槽同軸度偏差(0.5mm)等缺陷；底部裂紋(內頂微裂紋)缺陷；側邊凹槽檢驗碰傷、毛坯碰傷、表面處理磕碰傷、油孔毛刺、夾雜、冷隔、粘鋁、鋁屑等缺陷；內腔底部和上部毛坯碰傷、表面處理磕碰傷、夾雜、粘鋁等缺陷；內腔銷孔側面毛坯碰傷、表面處理磕碰傷、夾雜、粘鋁、披鋒等缺陷；內腔裙部側面毛坯碰傷、表面處理磕碰傷、夾雜、粘鋁、披鋒、油孔毛刺等缺陷。

在中國專利申請文獻CN102890093A中，公開了一種汽車剎車主缸活塞表面質量機器視覺檢測裝置，包括：電氣柜、啟動和停止按鈕、水平臺、遮光保護罩、光學成像裝置、機械傳動裝置、圖像處理裝置和工作臺，其特征在于：電氣柜位于工作臺的左側，啟動和停止按鈕安裝于靠近電氣柜的一側，遮光保護罩用鉸鏈固定于工作臺上，光學成像裝置和機械傳動裝置通過緊固件固定在水平臺上，水平臺再通過緊固件固定在工作臺上；機械傳動裝置啟動后帶動待檢測主缸活塞轉動，光學成像裝置進行主缸活塞圖像采集，在主缸活塞轉動一周的過程中完成多幅圖像的動態(tài)采集，并傳給圖像處理裝置進行實時分析檢測，并在顯示器上顯示活塞表面質量的檢測結果，給出缺陷產品的缺陷類型，完成產品的分揀。該裝置采用機器視覺對活塞表面進行檢測，解決了依靠人工經驗的不足，檢測速度快。但是該裝置僅使用一個相機，且LED做固定光源，不能實現(xiàn)活塞的多方位檢測。

在中國專利文獻CN109523541A中，公開了一種基于視覺的金屬表面細微缺陷檢測方法，其包括以下步驟：S1、通過四點光源三維檢測系統(tǒng)采集4幅不同光照角度的待測金屬表面圖像；S2、計算每幅圖像對應的光源方向；S3、由梯度信息還原物體表面的曲率圖像；S4、對曲率圖像依次進行灰度變換、均值濾波的預處理操作；S5、用自動閾值分割法對預處理后的圖像進行閾值分割；S6、通過面積特征剔除誤判的像素點和可容忍的細微缺陷，判斷產品是否存在缺陷；S7、提取缺陷的紋理特征，并通過模式識別對存在缺陷的產品進行分類。該方法使用圖像識別技術，對采集到的圖片進行灰度變換及均值濾波，提取缺陷的特征紋理，并能對缺陷進行分類。但該方法僅通過視覺對圖像進行識別，對檢測圖像背景相對單一的場景進行傳統(tǒng)2D算法處理，不能實現(xiàn)復雜圖像背景的小目標缺陷檢測。

現(xiàn)有技術至少存在以下不足：

1.僅可以檢測部分缺陷，對于碰傷、沙眼和裂紋等缺陷無法精確檢測。

2.使用機器視覺進行檢測，采用單個相機及固定的LED光源，采集的圖片不夠清晰。

3.對于高分辨率的圖片處理，未進行圖片分割，導致無法識別細節(jié)，缺陷判斷不準確。