[發(fā)明專利]基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110971695.8
• 申請(qǐng)日: 2021-08-24
• 公開(kāi)（公告）號(hào): CN113420772A
• 公開(kāi)（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 邱增帥;周佩涵;王罡;侯大為
• 申請(qǐng)（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/40;G06K9/62
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 劉松

1.一種基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法，其特征在于，包括以下步驟：

對(duì)待檢測(cè)工件的原始圖像中的輪廓點(diǎn)進(jìn)行數(shù)據(jù)采集以獲取第一數(shù)據(jù)；

對(duì)所述第一數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，并對(duì)數(shù)據(jù)清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化以獲取第二數(shù)據(jù)；

對(duì)第二數(shù)據(jù)進(jìn)行數(shù)據(jù)平衡處理以獲取第三數(shù)據(jù)；

采用過(guò)濾法對(duì)第三數(shù)據(jù)進(jìn)行特征選擇處理；

采用KNN算法對(duì)特征選擇處理后的數(shù)據(jù)進(jìn)行初步數(shù)據(jù)劃分，以對(duì)所述待檢測(cè)工件進(jìn)行初次缺陷檢測(cè)；

根據(jù)初步數(shù)據(jù)劃分結(jié)果采用SVDD算法再次進(jìn)行數(shù)據(jù)劃分，以對(duì)所述待檢測(cè)工件進(jìn)行二次缺陷檢測(cè)。

2.根據(jù)權(quán)利要求1所述的基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法，其特征在于，通過(guò)以下公式對(duì)數(shù)據(jù)清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化以獲取第二數(shù)據(jù)：

，

其中，為所述數(shù)據(jù)清洗后的數(shù)據(jù)中的物理量序列，i為1、2、……、n，n為正整數(shù)，，，為所述第二數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法，其特征在于，所述對(duì)第二數(shù)據(jù)進(jìn)行數(shù)據(jù)平衡處理以獲取第三數(shù)據(jù)，包括：

隨機(jī)抽取所述第二數(shù)據(jù)中的負(fù)樣本數(shù)據(jù)進(jìn)行刪除，直至所述第二數(shù)據(jù)中的負(fù)樣本數(shù)據(jù)與正樣本數(shù)據(jù)的數(shù)量相同。

4.根據(jù)權(quán)利要求1所述的基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法，其特征在于，所述采用過(guò)濾法對(duì)第三數(shù)據(jù)進(jìn)行特征選擇處理，包括：

計(jì)算數(shù)據(jù)清洗后的數(shù)據(jù)中所有特征物理量序列的方差，并對(duì)計(jì)算出的所有特征物理量序列的方差從大到小進(jìn)行排序，以及選取出前m個(gè)特征物理量對(duì)所述第三數(shù)據(jù)進(jìn)行特征選擇處理，其中，m小于或等于特征物理量的總數(shù)。

5.一種基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)裝置，其特征在于，包括：

第一獲取模塊，所述第一獲取模塊用于對(duì)待檢測(cè)工件的原始圖像中的輪廓點(diǎn)進(jìn)行數(shù)據(jù)采集以獲取第一數(shù)據(jù)；

第二獲取模塊，所述第二獲取模塊用于對(duì)所述第一數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，并對(duì)數(shù)據(jù)清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化以獲取第二數(shù)據(jù)；

第三獲取模塊，所述第三獲取模塊用于對(duì)第二數(shù)據(jù)進(jìn)行數(shù)據(jù)平衡處理以獲取第三數(shù)據(jù)；

處理模塊，所述處理模塊用于采用過(guò)濾法對(duì)第三數(shù)據(jù)進(jìn)行特征選擇處理；

第一缺陷檢測(cè)模塊，所述第一缺陷檢測(cè)模塊用于采用KNN算法對(duì)特征選擇處理后的數(shù)據(jù)進(jìn)行初步數(shù)據(jù)劃分，以對(duì)所述待檢測(cè)工件進(jìn)行初次缺陷檢測(cè)；

第二缺陷檢測(cè)模塊，所述第二缺陷檢測(cè)模塊用于根據(jù)初步數(shù)據(jù)劃分結(jié)果采用SVDD算法再次進(jìn)行數(shù)據(jù)劃分，以對(duì)所述待檢測(cè)工件進(jìn)行二次缺陷檢測(cè)。

6.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法。

7.一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的基于多分類器與SVDD協(xié)同算法的缺陷檢測(cè)方法。