基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法技术

本发明专利技术公开了一种基于GFV‑SIFT特征的振动环境注塑模具异常缺陷检测方法。采集模板图像和实时图像，使用局部特征向量提取初始匹配点，计算两幅图像初始匹配点之间的初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；构造各自的全局向量并作归一化处理；构造新向量计算最终相似性，用最终匹配阈值对最终相似性分割判断获得最终匹配对；用最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。本发明专利技术实现了在振动环境下，模具异常状态检测精度可得到提高。

【技术实现步骤摘要】
基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法
本专利技术涉及计算机视觉及工业自动化
，具体涉及一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法。技术背景随着定制产品多样性和生产自动化的发展，注塑模具保护装置在制造业中使用得越来越广泛。模具保护装置是一种对各种注塑机生产过程进行实时保护、测试和控制的系统，它能有效检测产品是否存在缺陷及合模前是否有塑料件残留以防止损坏模具。因此，确保模具保护系统准确高效地工作已经成为一个重要的任务。现有基于视觉的模具保护系统通过分析注塑期间捕获的图像来智能保护注塑模具，主要通过将实时图像与模板图像匹配来获取其异常状态。图像配准步骤的准确性和效率直接影响后续结果，然而，在注塑机加工过程中，总是存在明显振动，使得实时图像与模板图像位置的变化会引起系统误报警。因此，提高系统中图像配准的准确率是一个亟待解决的问题。近年来许多图像配准研究广泛使用局部特征点，如SIFT、PCA-SIFT和SURF。这些局部特征在大多数情况下是鲁棒的，但它们无法满足图像局部区域存在多处类似时的情况。模具结构表面纹理信息少，局部区域结构相似或对称，使得模具图像直接使用现有局部特征匹配会导致大量误匹配，从而导致模具检测系统误报警频繁。因此，这些基于局部信息的特征不能直接用于模具保护系统中的图像匹配。另有一些仅基于全局特征的图像匹配方法，可以一定程度解决局部特征的问题，但它们配准效果不够鲁棒。现有这些算法都不能满足生产过程中模具保护系统的准确率要求。
技术实现思路
为解决上述模具检测系统的不足，本专利技术提出一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法，以解决现有模具保护系统误报警频繁的问题。如图1所示，本专利技术的技术方案包括以下步骤：1)采集获得无缺陷注塑模具的模板图像和待测注塑模具的实时图像，针对两幅图像使用局部特征向量提取初始匹配点，将同一个局部特征向量在两幅图像分别获得的两个初始匹配点作为一对匹配对，计算一对匹配对的两个初始匹配点之间的欧氏距离并作为初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；模板图像是指预先已采集的无缺陷的注塑模具表面图像。实时图像是指待测注塑模具表面图像。具体实施中，通过相机拍摄获得的注塑模具生产过程的模具表面图像作为模板图像和实时图像，注塑完成后采集一次，脱模之后采集一次。2)由步骤1)得到所有初始匹配对中的每一个初始匹配点构造各自的全局向量，然后对全局向量作归一化处理；3)由步骤2)得到的归一化后的全局向量与其各自对应的局部特征向量用权重因子构造一个新向量，计算一对初始匹配对的两个初始匹配点之间的欧氏距离并作为最终相似性，用最终匹配阈值对所有最终相似性进行分割判断获得最终匹配对；4)用步骤3)中得到的最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。所述步骤1)中，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对，具体为：将初始相似性小于等于初始匹配阈值的匹配对保留，作为初始匹配对；否则剔除。所述的局部特征向量是经典SIFT局部尺度不变描述子(SIFT算子)。所述步骤2)，具体为：以每一个初始匹配点为圆心、图像对角线长度为直径作圆，对圆在周向上作m等分(即等分划分为m个扇形)且在径向上作n等分(即沿半径长度等分划分为n份，得到n个环形)，从而将圆所在的区域分成m*n个小块区域；接着，统计每个小块区域内包含的初始匹配点个数，再由所有小块区域的初始匹配点个数组成一个m*n维的向量，作为全局向量；具体实施中，位于圆内但位于图像之外的初始匹配点的数量认为是零。然后采用以下公式进行归一化处理：其中，表示归一化后的全局向量，表示未归一化后的全局向量，表示的模。所述步骤3)具体是采用以下公式构造新向量其中，表示128维的SIFT描述子，表示归一化后的全局向量，ω表示0-1范围的权重因子。所述步骤3)中，用最终匹配阈值对所有最终相似性进行分割判断获得最终匹配对，具体为：将最终相似性小于等于最终匹配阈值的初始匹配对保留，作为最终匹配对；否则剔除。所述步骤4)，具体为：从步骤3)得到的所有最终匹配对中随机选取四对最终匹配对，使用八点法计算模板图像与实时图像之间的变换矩阵，然后将实时图像经变换矩阵转换后的图像与模板图像作差分处理，差分得到的图像经自适应阈值二值化处理，最后使用开操作去除噪声得到最终图像，将最终图像中二值化的白色目标区域的面积和预设的异常判定阈值进行比较，若白色目标区域的面积大于异常判定阈值，则认为是异常缺陷；否则不认为是异常缺陷。注塑模具的模板图像与实时图像均采集自模具生产过程中，b本专利技术先使用SIFT对模具生产实时图像与模板图像做初始匹配，再对初始匹配对的每一个匹配点构造一个新向量，新向量将基于几何关系的全局特征向量(GFV)和模型保护系统的图像配准步骤的局部尺度不变特征变换(SIFT)使用权重因子相结合，使用欧氏距离做向量相似性判断，设定合适最终匹配阈值得到最终的匹配对。针对模具保护系统的振动问题，本专利技术采用了基于特征点分布几何关系的全局向量特征(GFV)，用于在图像配准步骤中的初始SIFT匹配之后进行重新匹配，测试结果显示本专利技术的方法有效改进了模具检测系统的准确率。本专利技术方法主要分为两步：通过SIFT进行初始匹配，再根据GFV-SIFT特征进行重新匹配，具体流程见图1所示。步骤(1)具体为：采用鲁棒性较高的SIFT算子来提取局部特征，其中SIFT特征主要由两个元素组成：关键点和对应的128维描述子。步骤(2)具体为：对于每个初始匹配点构建全局向量特征(即GFV特征)，全局描述符表达了中心匹配点周围的其他SIFT匹配点的位置分布信息，以弥补局部特征在模具图像应用上的不足。全局向量构建一个直方图，这个直方图的每一维圆形的一个分块区域，每一维的数值为累积SIFT初始匹配点数目。图像对角线的一半的径向距离参数，并以每个初始匹配点作为圆心，区域分割情况如图2所示。接着，归一化SIFT(128维)描述符和全局向量的描述符，再由从0到1的相对权重因子结合局部描述符SIFT与全局向量构造新向量。全局向量在模具图像的分割中为每个特征累积每区域中的匹配点的数量，具体分区域参数有径向参数和周向参数。进一步来说，M是全局矢量的径向尺寸，N是全局矢量的周向尺寸，M和N是可调参数，如图3所示的实例中全局向量维度为M*N＝24。本专利技术中，GFV特征包含匹配点全局几何分布信息，因此本方法在一定程度上解决了SIFT特征在局部相似信息多和图像表面纹理信息少时误匹配情况频繁的问题，提高了图像配准的准确率，从而一定程度上提高了模具检测系统的生产效率。本专利技术的有益效果是：本专利技术方法与传统基于机器视觉的模具保护方法相比，本方法引入了图像配准用于模具生产异常检测，解决了模具生产振动环境下直接使用差分后图像匹配对不准问题。本方法在SIFT初始匹配的基础上，新向量使用权重因子结合基于特征点位置分布关系的全局向量(GFV)和局部描述子(SIFT)，保证了向量的鲁棒性，全局向量表达中心匹配点周围的其他匹配点的位置分布信息，弥补了局部特征在模具图像局本文档来自技高网...

【技术保护点】
1.一种基于GFV‑SIFT特征的振动环境注塑模具异常缺陷检测方法，其特征在于包括以下步骤：1)采集获得无缺陷注塑模具的模板图像和待测注塑模具的实时图像，针对两幅图像使用局部特征向量提取初始匹配点，将同一个局部特征向量在两幅图像分别获得的两个初始匹配点作为一对匹配对，计算一对匹配对的两个初始匹配点之间的欧氏距离并作为初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；2)由步骤1)得到所有初始匹配对中的每一个初始匹配点构造各自的全局向量，然后对全局向量作归一化处理；3)由步骤2)得到的归一化后的全局向量与其各自对应的局部特征向量用权重因子构造一个新向量，计算一对初始匹配对的两个初始匹配点之间的欧氏距离并作为最终相似性，用最终匹配阈值对所有最终相似性进行分割判断获得最终匹配对；4)用步骤3)中得到的最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。

【技术特征摘要】
1.一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法，其特征在于包括以下步骤：1)采集获得无缺陷注塑模具的模板图像和待测注塑模具的实时图像，针对两幅图像使用局部特征向量提取初始匹配点，将同一个局部特征向量在两幅图像分别获得的两个初始匹配点作为一对匹配对，计算一对匹配对的两个初始匹配点之间的欧氏距离并作为初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；2)由步骤1)得到所有初始匹配对中的每一个初始匹配点构造各自的全局向量，然后对全局向量作归一化处理；3)由步骤2)得到的归一化后的全局向量与其各自对应的局部特征向量用权重因子构造一个新向量，计算一对初始匹配对的两个初始匹配点之间的欧氏距离并作为最终相似性，用最终匹配阈值对所有最终相似性进行分割判断获得最终匹配对；4)用步骤3)中得到的最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。2.如权利要求1所述的一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法，其特征在于：所述步骤1)中，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对，具体为：将初始相似性小于等于初始匹配阈值的匹配对保留，作为初始匹配对；否则剔除。3.如权利要求1所述的一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法，其特征在于：所述的局部特征向量是经典SIFT局部尺度不变描述子。4.如权利要求1所述的一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法...

【专利技术属性】
技术研发人员：赵昕玥，何再兴，张树有，胡芬，谭建荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33