一种五金零件缺陷检测系统及方法技术方案

本发明专利技术提供一种五金零件缺陷检测系统及方法，其中系统包括图像采集模块、缺陷信息提取模块、人工神经网络训练模块、缺陷识别模块；图像采集模块用于采集五金零件的标准图片及对应的缺陷样本图片，并进行图像灰度化处理与图像去噪处理，获取标准图片及缺陷样本图片灰度化图像；缺陷信息提取模块通过缺陷最小包围盒位置提取单元和缺陷特征提取单元提取缺陷样本图片的缺陷特征值；人工神经网络训练模块利用BP算法和缺陷样本图片的缺陷特征值训练人工神经网络；本发明专利技术通过已训练的人工神经网络识别被检测五金零件的缺陷类型及缺陷位置，实现了五金零件表面缺陷的自动化检测，提高了五金零件表面缺陷的检测效率，节省了人力物力财力。

Defect detection system and method for hardware parts

The invention provides a hardware defect detection system and method, wherein the system includes image acquisition module, defect information extraction module, artificial neural network training module, the module of defect recognition; image acquisition module is used for standard image acquisition hardware parts and the corresponding defect sample images, and grayscale image processing and image denoising gets the standard picture, and defect sample images to grayscale image; defect information extraction module through the defect of the minimum bounding box position extraction unit and defect feature extraction unit extracts defect sample pictures of defect feature value; defect feature of artificial neural network training module using the BP algorithm and the defect sample values of the training of artificial neural network; the invention through defect the type and position of defect recognition has trained artificial neural network hardware is detected, the The automatic detection of the surface defects of the hardware parts can improve the detection efficiency of the surface defects of the hardware parts and save the manpower and material resources.

【技术实现步骤摘要】

本专利技术涉及零件缺陷检测
，具体涉及一种五金零件缺陷检测系统及方法。
技术介绍
现代社会中，五金零件在生活中无处不在，在电子、化工、航空航天等各个行业中都已得到广泛的应用。由于五金零件中每个零件的轮廓、形状、大小都必须和最初设计时的精度一致才能满足生产需求，因此，在高速发展的工业环境下，检测零件缺陷是加工产业不可缺少的环节之一。目前大部分工厂对于检测五金零件表面缺陷的方法主要是依靠人工肉眼分辨，此方法不仅低效而且易因工作人员的视觉疲劳导致误检或者漏检的问题，即使工作人员找到五金零件的表面缺陷，也只能依靠肉眼定位进行再加工，易造成二次加工缺陷，若直接舍弃工件又会造成资源浪费。因此，人工检测零件缺陷不仅人力资源耗费大，而且检测效率低，效果差。
技术实现思路
本专利技术提供一种五金零件缺陷检测系统及方法，通过已训练的人工神经网络识别被检测五金零件的缺陷类型及缺陷位置，实现了五金零件表面缺陷的自动化检测，提高了五金零件表面缺陷的检测效率，节省了人力物力财力。为了解决上述技术问题，本专利技术采取的技术方案为：本专利技术提供一种五金零件缺陷检测系统，包括图像采集模块、缺陷信息提取模块、人工本文档来自技高网...

【技术保护点】
一种五金零件缺陷检测系统，其特征在于：包括图像采集模块、缺陷信息提取模块、人工神经网络训练模块、缺陷识别模块；所述图像采集模块用于控制工业相机采集完好的五金零件的标准图片及对应的有缺陷的五金零件的缺陷样本图片，将所述缺陷样本图片进行标号和缺陷类型的定义；并对采集的标准图片和缺陷样本图片进行图像灰度化处理与图像去噪处理，获取标准图片灰度化图像和缺陷样本图片灰度化图像；所述缺陷信息提取模块根据所述标准图片灰度化图像和缺陷样本图片灰度化图像，通过缺陷最小包围盒位置提取单元和缺陷特征提取单元提取所述缺陷样本图片的缺陷特征值；人工神经网络训练模块利用BP算法和缺陷样本图片的缺陷特征值训练人工神经网络，获...

【技术特征摘要】
1.一种五金零件缺陷检测系统，其特征在于：包括图像采集模块、缺陷信息提取模块、人工神经网络训练模块、缺陷识别模块；所述图像采集模块用于控制工业相机采集完好的五金零件的标准图片及对应的有缺陷的五金零件的缺陷样本图片，将所述缺陷样本图片进行标号和缺陷类型的定义；并对采集的标准图片和缺陷样本图片进行图像灰度化处理与图像去噪处理，获取标准图片灰度化图像和缺陷样本图片灰度化图像；所述缺陷信息提取模块根据所述标准图片灰度化图像和缺陷样本图片灰度化图像，通过缺陷最小包围盒位置提取单元和缺陷特征提取单元提取所述缺陷样本图片的缺陷特征值；人工神经网络训练模块利用BP算法和缺陷样本图片的缺陷特征值训练人工神经网络，获取所述缺陷样本图片对应的五金零件的隐含层权值矩阵和输出层权值矩阵；所述图像采集模块还用于采集被检测五金零件的待检测图片，并对采集的待检测图片进行图像灰度化处理与图像去噪处理，获取待检测图片灰度化图像；所述缺陷信息提取模块还根据所述标准图片灰度化图像和待检测图片灰度化图像，通过缺陷最小包围盒位置提取单元和缺陷特征提取单元提取所述待检测图片的缺陷特征值；缺陷识别模块用于将所述待检测图片的缺陷特征值输入至已训练的人工神经网络中，所述已训练的人工神经网络利用所述待检测图片对应的五金零件的隐含层权值矩阵和输出层权值矩阵识别所述被检测五金零件的缺陷类型，并将所述被检测五金零件的缺陷类型及位置存储并显示在智能终端上。2.如权利要求1所述的一种五金零件缺陷检测系统，其特征在于：所述缺陷最小包围盒位置提取单元用于将所述标准图片灰度化图像和缺陷样本图片灰度化图像或待检测图片灰度化图像的像素值进行差值计算，并将所述差值大于阈值的缺陷样本图片灰度化图像或待检测图片灰度化图像的像素点设为白点，获取缺陷最小包围盒位置坐标；所述缺陷特征提取单元根据所述缺陷最小包围盒位置坐标提取缺陷最小包围盒的缺陷特征值。3.如权利要求2所述的一种五金零件缺陷检测系统，其特征在于：所述缺陷特征值包括缺陷周长、缺陷最小包围盒面积、缺陷区域平均灰度值。4.如权利要求1所述的一种五金零件缺陷检测系统，其特征在于：所述人工神经网络为三层式人工神经网络，包括输入层、隐含层、输出层。5.一种五金零件缺陷检测方法，其特征在于：包括图像采集步骤、缺陷信息提取步骤、人工神经网络训练步骤、缺陷识别步骤；所述图像采集步骤包括：控制工业相机采集完好的五金零件的标准图片及对应的有缺陷的五金零件的缺陷样本图片，将所述缺陷样本图片进行标号和缺陷类型的定义；并对采集的标准图片和缺陷样本图片进行图像灰度化处理与图像去噪处理，获取标准图片灰度化图像...

【专利技术属性】
技术研发人员：李海艳，黄景维，魏登明，黄运保，张沙清，
申请(专利权)人：广东工业大学，惠州市广工大物联网协同创新研究院有限公司，
类型：发明
国别省市：广东;44