[發明專利]基于高斯線檢測的橡膠密封圈表面缺陷檢測方法

在審

• 申請號: 202310709850.8
• 申請日: 2023-06-15
• 公開（公告）號: CN116664540A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 李德健;趙洪恩;李紹麗
• 申請（專利權）人: 沈陽工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/40;G06T5/40;G06V10/774;G06V10/764
• 代理公司: 沈陽亞泰專利商標代理有限公司 21107
• 代理人: 邵明新

本發明屬于機器視覺技術領域，尤其涉及一種基于高斯線檢測的橡膠密封圈表面缺陷檢測方法。其是基于高斯線檢測的表面缺陷檢測方法來對橡膠密封圈進行缺陷檢測，對于表面劃痕和裂痕缺陷有更好的識別效果。包括準備工作、訓練階段、檢測階段；準備工作：采集橡膠密封圈圖像作為訓練數據；訓練階段：制作訓練樣本，再進行數據降維，最后把降維處理后的訓練樣本集送入以徑向基函數RBF為核函數的支持向量機SVM進行有監督訓練；檢測階段：制作檢測樣本，輸出檢測結果。

技術領域

本發明屬于機器視覺技術領域，尤其涉及一種基于高斯線檢測的橡膠密封圈表面缺陷檢測方法。

背景技術

現今，橡膠圈及相關產品都是采取人工檢測，但橡膠密封圈產品的人工檢測速度遠遠不能適應產品的生產速度，往往需要數以百計的工人來檢測。對于價格低廉的橡膠圈來說，這么多的勞動力來檢測，無疑是一種巨大的人力資源浪費。

隨著人工成本的提高及市場對工業產品質量控制的要求的增高，必然轉向高度生產自動化，因而推動視覺檢測技術的發展。利用計算機視覺、模式識別及人工智能技術代替人工進行產品質量檢測能與自動生產線的生產速度很好配合，可以避免人工檢測中由于疲勞造成的誤檢和漏檢現象，并且能克服人的主觀因素對于產品標準掌握的不良影響，還能有效解放勞動力，因此，橡膠密封圈產品的自動檢測勢在必行。

目前，一些密封橡膠圈生產企業已經采用機器視覺技術來對橡膠密封圈的缺陷進行檢測。但是市面上對于橡膠密封圈表面裂痕、劃痕缺陷分類的方法卻少之又少。

發明內容

本發明就是針對現有技術存在的缺陷，提供一種基于高斯線檢測的橡膠密封圈表面缺陷檢測方法。

為實現上述目的，本發明采用如下技術方案，包括準備工作、訓練階段、檢測階段。

準備工作：采集橡膠密封圈圖像作為訓練數據。

訓練階段：制作訓練樣本，再進行數據降維，最后把降維處理后的訓練樣本集送入以徑向基函數RBF為核函數的支持向量機SVM進行有監督訓練。

檢測階段：制作檢測樣本，輸出檢測結果。

進一步地，訓練階段中，所述制作訓練樣本包括：

標注缺陷所在位置，形成標注文件；然后讀取標注文件，裁剪ROI區域；對裁剪下來的ROI區域先做灰度化處理，然后進行空間域線性灰度變換來縮放圖像的灰度值；

使用高斯線檢測算法來提取圖像缺陷：首先對圖像進行高斯濾波，對高斯函數進行離散化后，得到高斯濾波器的模板，得到的高斯函數值作為模板的系數；Steger算法得到任意一點的方向向量和二階方向導數，最后根據Steger算法中參數的設定來實現線條的提取。

對提取出來的缺陷計算特征值(包括長度、凹凸度、致密性、圓度、等價橢圓參數、面積、最遠點的距離、橢圓參數的形狀系數、左線寬、右線寬、對比度、線寬均值、輪廓線到回歸直線的標準差、線寬與最遠點距離的比值、對比度平均值)，將特征值和圖像標簽(即缺陷種類和無缺陷)串列起來，成為訓練樣本。

進一步地，訓練階段中，所述再進行數據降維包括對訓練樣本采用主成分分析法PCA進行數據降維，篩選并記錄樣本主成分(該樣本主成分為占比超過設定的閾值x的成分，優選x＝85％)。

進一步地，訓練階段中，所述最后把降維處理后的訓練樣本集送入以徑向基函數RBF為核函數的支持向量機SVM進行有監督訓練包括在訓練中采用一對一策略：即將有n個可能分類結果的問題轉化為n*(n-1)/2個二分類問題，即訓練樣本中有n種類型，等于是將每種類別和其余(n-1)種類別相比對，需要創建n(n-1)/2個分類器，進一步求解出每個二分類器的最優決策超平面，最終得到的訓練結果即為保存的每個二分類器的訓練參數。

進一步地，檢測階段中，所述制作檢測樣本，輸出檢測結果包括工業相機采集到圖像并傳回計算機后，進行處理，處理過程包括：