[發明專利]工業部件的缺陷檢測方法和裝置

在審

• 申請號: 202110793486.9
• 申請日: 2021-07-14
• 公開（公告）號: CN113313709A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 邱增帥;潘正頤;侯大為;王罡
• 申請（專利權）人: 常州微億智造科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06K9/62
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 陳紅橋

本發明提供了一種工業部件的缺陷檢測方法和裝置，所述方法包括以下步驟：獲取工業部件的圖像數據；對所述圖像數據進行預處理得到樣本數據；對所述樣本數據進行區域劃分和小波分解得到所述樣本數據的特征向量；根據所述樣本數據的特征向量構建缺陷檢測模型；根據所述缺陷檢測模型對所述工業部件進行缺陷檢測。本發明通過小波分解提取特征向量，能夠同時獲取圖像像素的時頻域信息，并能夠在較少樣本數據的情況下完成模型構建，并能夠確保模型具有較好的魯棒性。

技術領域

本發明涉及缺陷檢測技術領域，具體涉及一種工業部件的缺陷檢測方法和一種工業部件的缺陷檢測裝置。

背景技術

工業部件缺陷檢測是圖像處理的一個經典問題，其是很多工業應用中存在的問題。解決這類問題的主要思想是提取缺陷區域和正常區域的特征，將其輸入分類器后進行訓練分類，最終以分類器給出的決策值對數據進行評判。現有的缺陷檢測的解決方案一般有卷積神經網絡、人為設計規則，fisher線性分類器等。

然而，現有的缺陷檢測的解決方案一般需要大量的樣本數據，但是在復雜工業環境下一般不能提供足夠數量和質量的樣本數據，難以使用復雜的工業環境。

發明內容

本發明為解決上述技術問題，提供了一種工業部件的缺陷檢測方法，通過小波分解提取特征向量，能夠同時獲取圖像像素的時頻域信息，并能夠在較少樣本數據的情況下完成模型構建，并能夠確保模型具有較好的魯棒性。

本發明采用的技術方案如下：

一種工業部件的缺陷檢測方法，包括以下步驟：獲取工業部件的圖像數據；對所述圖像數據進行預處理得到樣本數據；對所述樣本數據進行區域劃分和小波分解得到所述樣本數據的特征向量；根據所述樣本數據的特征向量構建缺陷檢測模型；根據所述缺陷檢測模型對所述工業部件進行缺陷檢測。

根據本發明的一個實施例，所述圖像數據包括存在缺陷的工業部件的工件圖像和不存在缺陷的工業部件的工件圖像。

根據本發明的一個實施例，對所述圖像數據進行預處理得到樣本數據，包括以下步驟：對所述圖像數據進行灰度化處理得到所述圖像數據的灰度圖；對所述圖像數據的灰度圖進行去均值化和歸一化處理得到所述圖像數據的樣本數據。

根據本發明的一個實施例，對所述樣本數據進行區域劃分和小波分解得到所述樣本數據的特征向量，包括以下步驟：將所述樣本數據中的每張圖像按照m行n列劃分為m*n個區域塊；對每個所述區域塊進行K層小波分解，并將第K層分解的小波系數拼接以作為每個所述區域塊的特征向量，其中，K為正整數，。

根據本發明的一個實施例，所述小波分解的基小波函數為：

；

由此，所述小波分解的表達式為：

其中，t為變換時間，a為拉伸系數，b為平移系數，表示基小波函數，j表示當前為第j層小波分解，。

根據本發明的一個實施例，根據所述樣本數據的特征向量構建缺陷檢測模型，包括以下步驟：根據所述樣本數據的特征向量得到訓練集和測試集；采用所述訓練集訓練分類器，并采用所述測試集對訓練后的所述分類器進行檢測得到所述缺陷檢測模型。

一種工業部件的缺陷檢測裝置，包括：獲取模塊，所述獲取模塊用于獲取工業部件的圖像數據；第一處理模塊，所述第一處理模塊用于對所述圖像數據進行預處理得到樣本數據；第二處理模塊，所述第二處理模塊用于對所述樣本數據進行區域劃分和小波分解得到所述樣本數據的特征向量；建模模塊，所述建模模塊用于根據所述樣本數據的特征向量構建缺陷檢測模型；檢測模塊，所述檢測模塊用于根據所述缺陷檢測模型對所述工業部件進行缺陷檢測。