[發明專利]基于多分類器與SVDD協同算法的缺陷檢測方法和裝置

在審

• 申請號: 202110971695.8
• 申請日: 2021-08-24
• 公開（公告）號: CN113420772A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 邱增帥;周佩涵;王罡;侯大為
• 申請（專利權）人: 常州微億智造科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/40;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: 劉松

本發明提供了一種基于多分類器與SVDD協同算法的缺陷檢測方法和裝置，該方法包括：對待檢測工件的原始圖像中的輪廓點進行數據采集以獲取第一數據；對第一數據進行數據清洗，并對數據清洗后的數據進行數據標準化以獲取第二數據；對第二數據進行數據平衡處理以獲取第三數據；采用過濾法對第三數據進行特征選擇處理；采用KNN算法對特征選擇處理后的數據進行初步數據劃分，以對待檢測工件進行初次缺陷檢測；根據初步數據劃分結果采用SVDD算法再次進行數據劃分，以對待檢測工件進行二次缺陷檢測。能夠減少待檢測工件的不同缺陷在設備上識別出現斷層，對于處于不同環境下的待檢測工件依然能夠進行準確地檢測，大大提高缺陷檢測的準確度，降低現場工作難度。

技術領域

本發明涉及缺陷檢測技術領域，具體涉及一種基于多分類器與SVDD協同算法的缺陷檢測方法和一種基于多分類器與SVDD協同算法的缺陷檢測裝置。

背景技術

相關技術中，基于工業質檢圖像數據處理的方法大多是人為根據歷史經驗選取對缺陷影響大的物理量進行數據分析，然而，由于工業現場質檢數據本身存在多樣性，比如類內間距大，即設備、人為均識別出是同一種缺陷，并且缺陷形態差異較大，設備識別出的缺陷特征各有不同，另外，不同相機型號，不同光照、灰度、濕度等環境下通過圖像識別缺陷的清晰程度不同，工件新產生的缺陷特征在歷史數據中沒有發生過，從而導致算法識別不準確，工業質檢數據與實際現場環境存在誤差。

發明內容

本發明為解決上述技術問題，提供了一種基于多分類器與SVDD協同算法的缺陷檢測方法，能夠有效地減少待檢測工件的不同缺陷在設備上識別出現斷層，并且對于處于不同環境下的待檢測工件依然能夠進行準確地檢測，從而大大提高缺陷檢測的準確度，降低現場工作難度。

本發明采用的技術方案如下：

一種基于多分類器與SVDD協同算法的缺陷檢測方法，包括以下步驟：對待檢測工件的原始圖像中的輪廓點進行數據采集以獲取第一數據；對所述第一數據進行數據清洗，并對數據清洗后的數據進行數據標準化以獲取第二數據；對第二數據進行數據平衡處理以獲取第三數據；采用過濾法對第三數據進行特征選擇處理；采用KNN算法對特征選擇處理后的數據進行初步數據劃分，以對所述待檢測工件進行初次缺陷檢測；根據初步數據劃分結果采用SVDD算法再次進行數據劃分，以對所述待檢測工件進行二次缺陷檢測。

通過以下公式對數據清洗后的數據進行數據標準化以獲取第二數據：

，

其中，為所述數據清洗后的數據中的物理量序列，i為1、2、……、n，n為正整數，，，為所述第二數據。

所述對第二數據進行數據平衡處理以獲取第三數據，包括：隨機抽取所述第二數據中的負樣本數據進行刪除，直至所述第二數據中的負樣本數據與正樣本數據的數量相同。

所述采用過濾法對第三數據進行特征選擇處理，包括：計算數據清洗后的數據中所有特征物理量序列的方差，并對計算出的所有特征物理量序列的方差從大到小進行排序，以及選取出前m個特征物理量對所述第三數據進行特征選擇處理，其中，m小于或等于特征物理量的總數。

一種基于多分類器與SVDD協同算法的缺陷檢測裝置，包括：第一獲取模塊，所述第一獲取模塊用于對待檢測工件的原始圖像中的輪廓點進行數據采集以獲取第一數據；第二獲取模塊，所述第二獲取模塊用于對所述第一數據進行數據清洗，并對數據清洗后的數據進行數據標準化以獲取第二數據；第三獲取模塊，所述第三獲取模塊用于對第二數據進行數據平衡處理以獲取第三數據；處理模塊，所述處理模塊用于采用過濾法對第三數據進行特征選擇處理；第一缺陷檢測模塊，所述第一缺陷檢測模塊用于采用KNN算法對特征選擇處理后的數據進行初步數據劃分，以對所述待檢測工件進行初次缺陷檢測；第二缺陷檢測模塊，所述第二缺陷檢測模塊用于根據初步數據劃分結果采用SVDD算法再次進行數據劃分，以對所述待檢測工件進行二次缺陷檢測。