[發(fā)明專利]一種基于特征提取及算法分類的噴砂不均檢測方法

有效

• 申請?zhí)枺?/td>: 202110300415.0
• 申請日: 2021-03-22
• 公開（公告）號: CN112669321B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計）人: 邱增帥;王肖亮;王罡;潘正頤;侯大為
• 申請（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/13;G06K9/62
• 代理公司: 常州至善至誠專利代理事務(wù)所(普通合伙) 32409
• 代理人: 趙旭

1.一種基于特征提取及算法分類的噴砂不均檢測方法，其特征在于，具體步驟如下：

第一步驟、采集圖像：采集筆記本電腦的圖像，且背景與產(chǎn)品有明顯的區(qū)別；

第二步驟、圖像篩選：對圖像進行閾值分割，根據(jù)背景黑色區(qū)域像素值中的最大值，選擇閾值，選擇閾值后進行二值化分割得到二值圖，篩選后的圖像保證了產(chǎn)品處于圖像的中間；

第三步驟、邊緣檢測：二值化后，對圖像進行邊緣檢測，從圖像四周的邊緣向圖像中的產(chǎn)品探測，即通過固定范圍的邊緣探測搜索產(chǎn)品的邊緣，像素值從0變?yōu)?55時記為邊緣，進而獲得四條邊緣；

第四步驟、擬合四邊求角點：在獲得四條邊緣后，分別對每條邊緣進行最小二乘擬合，求得對應(yīng)直線，獲得四條直線后，計算兩兩交點，獲得四個角點；

第五步驟、投影變換：知道角點以后，通過透視變換，把圖像從一般的四邊形轉(zhuǎn)化為矩形的圖像；

第六步驟、提取亮度變化曲線：提取亮度變化曲線特征，在提取亮度變化曲線特征時，用八次多項式來擬合亮度變化曲線，進而表示每個亮度變化曲線的特征，通過比較八次多項式的系數(shù)來區(qū)分正常產(chǎn)品和噴砂不均的產(chǎn)品；

第七步驟、模型分類：通過正常的樣本特征生成模型，模型是一群正常的樣本點，其中，正常的樣本是噴涂均勻的樣本；模型分類采用的是KNN模型分類，通過正常的樣本特征生成KNN模型，KNN模型是一群正常的樣本點；

第八步驟、輸出分類結(jié)果：使用不同的R和T進行分類，分類結(jié)果使用分類問題的衡量指標(biāo)進行評價，最后選擇衡量指標(biāo)最好的一組R和T作為算法分類器的參數(shù)，其中，R表示以某一樣本點為中心，半徑為R的范圍；T表示在R范圍內(nèi)，正常樣本點個數(shù)的閾值，如果超過T個，則判定為噴砂均勻的樣本，如果少于T個，則判定為噴砂不均的樣本。

2.根據(jù)權(quán)利要求1所述的一種基于特征提取及算法分類的噴砂不均檢測方法，其特征在于：在第六步驟中，在提取亮度變化曲線特征時，直接用像素值作為特征，再使用PCA降維后進行分類。

3.根據(jù)權(quán)利要求1所述的一種基于特征提取及算法分類的噴砂不均檢測方法，其特征在于：在第六步驟中，在提取亮度變化曲線特征時，使用像素的變化量作為特征，像素的變化量由前后像素值相減得到，再使用PCA降維后進行分類。

4.根據(jù)權(quán)利要求1所述的一種基于特征提取及算法分類的噴砂不均檢測方法，其特征在于：在第八步驟中，所述的衡量指標(biāo)為F1-score。