一种压铸件缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种压铸件缺陷检测方法及装置，通过采集具有缺陷特征的压铸件图片，对缺陷图片进行去噪、增强处理，用缺陷图片训练深度卷积网络Alexnet，对缺陷图片进行分类、建立对应的语义标签并存储到缺陷特征库，实时对压铸件进行缺陷跟踪，当检测到具有缺陷的压铸件时，反馈给检测装置并统计检测数据、生成压铸件缺陷检测报告。本发明专利技术提高了压铸件缺陷检测效率和精度，且准确率高，速度快，实时性好，能快速准确的找到有缺陷的压铸件。

A Defect Detection Method and Device for Die Casting

The invention discloses a defect detection method and device for die castings. The defect image is denoised and enhanced by collecting the defect image of the die castings, and the defect image is trained by the depth convolution network Alexnet. The defect image is classified, the corresponding semantic label is established and stored in the defect feature library. The defect tracking of the die castings is carried out in real time when the defect image is detected. When the defective die castings are produced, they are fed back to the detection device, and the detection data are counted, and the defect detection report of the die castings is generated. The invention improves the efficiency and accuracy of defect detection of die castings, and has high accuracy, fast speed, good real-time performance, and can quickly and accurately find defective die castings.

【技术实现步骤摘要】
一种压铸件缺陷检测方法及装置
本专利技术涉及质量检测
，尤其是指一种压铸件缺陷检测方法及装置，可读储存介质及计算机控制系统。
技术介绍
压铸件质量检测作为压铸件后处理阶段的重要组成部分，其检测效率和质量直接关系到最终产品的质量。传统的压铸件质量检测方法是对压铸件表面缺陷进行检测，一般为人工检测，人工检测是静态的局部的检测方法，只能对特定的点和位置进行检测和测量，为了提高测量精度和准度，往往需要多个工人多次进行测量求取平均值。检测过程中完全依靠工人自己去搬运铸件，根据工人测得的结果对产品进行分级分类。且人工检测检测效率低，检测环境恶劣，容易受工人主观因素影响。随着工业技术的发展，基于机器视觉的自动化缺陷检测设备应运而生，但是，当前基于视觉缺陷检测方法还处于初步发展阶段，检测技术还不成熟，缺陷检测方法体系也不完整。尤其是在压铸件缺陷检测行业，由于压铸件表面的缺陷特征千奇百怪，可能出现油污、刮痕、飞边、毛刺等不同的缺陷特征，在检测过程中，不同的缺陷特征可能相互干扰，导致误测，比如需要检测的缺陷特征是比较明显的毛刺，可能会将带有油污特征的压铸件也一并归入检测结果。
技术实现思路
针对上述
技术介绍
中的问题，提供了一种压铸件缺陷检测方法，可快速精确的检测出大批量压铸件的表面缺陷，从而评估压铸件的生产质量。本专利技术所述的一种压铸件缺陷检测方法，包括：S1获取实际生产中压铸件的缺陷图像数据；S2提取所述缺陷图像中的缺陷特征；S3对所述缺陷特征进行分类；S4对各种所述缺陷特征的分类建立对应的语义标签；S5将所述缺陷特征以及对应的语义标签存入特征数据库；S6拍摄压铸件表面的视频图像，并转化为图片数据；S7利用核相关滤波器跟踪算法对所述图片数据进行跟踪，以所述特征数据库中的缺陷特征为标准缺陷特征，记录跟踪到的所述图片数据中具有的标准缺陷特征；S8统计所述图片数据的标准缺陷特征数据及不同的标准缺陷特征所占的比例。缺陷图像：为工业相机拍摄获取的压铸件表面缺陷视频或图片。缺陷特征：为缺陷图像中识别出的压铸件表面的缺陷特征。语义标签：便于搜索的结构和特征定义标签。特征数据库：用以存储压铸件缺陷图像和缺陷特征语义标签的数据库。本专利技术通过采集压铸件缺陷特征并分类存入数据库，在缺陷检测过程中采用核相关滤波器跟踪算法记录压铸件具有的数据库中的缺陷特征的方法，可以快速准确地找到有缺陷的压铸件，提高了压铸件缺陷检测效率和精度，且准确率高，速度快，实时性好。具体地，以所述特征数据库中的缺陷特征为标准缺陷特征的步骤包括：输入需要检测的压铸件缺陷名称，在特征数据库中搜索与之匹配的缺陷特征，将搜索到的缺陷特征作为所述标准缺陷特征。特征数据库中的缺陷特征已经过分类建立语义标签，在缺陷检测过程中以需要检测的压铸件缺陷名称作为搜索关键词，将搜索到的缺陷特征作为标准缺陷特征，与待检测的压铸件缺陷特征进行对比分析，可提高检测效率，有针对性的对某一缺陷特征进行检测。进一步地，在对所述缺陷特征进行分类前，使用小波去噪算法和图像增强技术处理缺陷图像中的缺陷特征；其中，所述小波去噪算法包括用非线性小波变换阈值法对压铸件的缺陷图像进行去噪处理，用伸缩和平移运算操作对压铸件图像进行多尺度细化分析，自动适应处于不同类型压铸件及光照环境的要求，显示压铸件的局部特征；所述图像增强技术包括用对数图像增强算法，区分压铸件图像的缺陷和背景。压铸件表面图像往往表现为多尺度特征，经过小波变换后，能得到不同分辨率的图像，不同分辨率的图像由代表不同方向信息的频率子带图像构成。进一步地，所述用非线性小波变换阈值法对压铸件的缺陷图像进行去噪处理的步骤包括：选择小波基和小波分解层数对压铸件的缺陷图像进行小波变换，得到相应的小波分解系数，对于每个小波分解层，自适应的选择一个阈值，将分解得到的高频系数进行阈值量化，根据小波分解后的低频系数和阈值量化处理后的高频系数进行小波逆变换，再利用重构算法进行小波重构，得到去噪后的信号。进一步地，对所述缺陷特征进行分类，对各种所述缺陷特征的分类建立对应的语义标签的步骤包括：将所述缺陷图像输入Alexnet卷积神经网络中进行训练，采用反向传播算法求得损失函数f(χ,b)的最小值，其中χ为权重值，b为偏置，采用sigmoid函数作为激活函数，通过多梯度下降迭代法更新权重值求得最优权重值，根据不同的缺陷特征输入相对应的权重值{χ1,χ2,…χn}，浅层提取压铸件缺陷的初步特征，深层提取压铸件缺陷的细节特征，训练卷积网络模型后，对压铸件缺陷特征分类，在深度卷积网络的末端用softmax分类器标记各类压铸件缺陷特征，建立对应的语义标签。将压铸件缺陷特征进行分类并建立语义标签，便于后续缺陷检测过程中搜索对应缺陷特征，及对检测到的缺陷特征进行分类统计，以输出检测结果。进一步地，所述利用核相关滤波器跟踪算法对所述图片数据进行跟踪的步骤包括：通过对压铸件缺陷跟踪目标区域进行循环移位，构造密集样本训练分类器，计算候选区域与跟踪目标的相似程度，选取相似度最大的候选区域为新的跟踪目标，利用离散傅里叶变换降低分类器训练和检测过程中的运算量。采用核相关滤波器跟踪算法可以对边缘信息形态学变化，使其变得更加清晰，达到增强压铸件缺陷特征边缘特征的目的，经过边缘形态学加强的图像可以更好地描述压铸件的局部细节，可以消除外界环境如光源、遮挡等对压铸件图像的影响。进一步地，所述核相关滤波器跟踪算法为基于自适应的核相关滤波器跟踪算法，其步骤包括：通过对分类器进行更新来调整当前帧的权重值，将目标进行分块，计算每个分块的PSR值，自适应改变每个局部块对目标位置的权重。在对压铸件进行跟踪的过程中，压铸件的表面可能会随着某些环境因素如光照的变化而变化，这有可能使追踪准确性降低，而自适应的核相关滤波器跟踪算法可避免出现这种情况，提高跟踪效果，避免外界干扰。本专利技术还提供一种压铸件缺陷检测装置，包括：用于获取实际生产中压铸件的缺陷图像数据的装置；用于提取所述缺陷图像中的缺陷特征的装置；用于对所述缺陷特征进行分类的装置；用于对各种所述缺陷特征的分类建立对应的语义标签的装置；用于将所述缺陷特征以及对应的语义标签存入特征数据库的装置；用于拍摄压铸件表面的视频图像的装置及将其转化为图片数据的装置；用于通过核相关滤波器跟踪算法对所述图片数据进行跟踪的装置，及记录跟踪到的所述图片数据中具有的标准缺陷特征的装置；用于统计所述图片数据的标准缺陷特征数据及不同的标准缺陷特征所占的比例的装置。进一步地，本专利技术还提供一种可读储存介质，其上储存有控制程序，其特征在于：该控制程序被处理器执行时实现如上述任意一项所述的压铸件缺陷检测方法。进一步地，本专利技术还提供一种计算机控制系统，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的控制程序，其特征在于：所述处理器执行所述控制程序时实现如上述任意一项所述的压铸件缺陷检测方法。为了能更清晰的理解本专利技术，以下将结合附图说明阐述本专利技术的具体实施方式。附图说明图1为本专利技术实施例的一种压铸件缺陷检测方法流程图。图2为基于自适应的核相关滤波器跟踪算法流程图。具体实施方式请参阅图1，其为本专利技术实施例的一种压铸件缺陷检测方法流程图。本专利技术所述的一种压铸件缺陷检测方法，包括：S1获取实际生产中压铸件本文档来自技高网...

【技术保护点】
1.一种压铸件缺陷检测方法，包括：获取实际生产中压铸件的缺陷图像数据；提取所述缺陷图像中的缺陷特征；对所述缺陷特征进行分类；对各种所述缺陷特征的分类建立对应的语义标签；将所述缺陷特征以及对应的语义标签存入特征数据库；拍摄压铸件表面的视频图像，并转化为图片数据；利用核相关滤波器跟踪算法对所述图片数据进行跟踪，以所述特征数据库中的缺陷特征为标准缺陷特征，记录跟踪到的所述图片数据中具有的标准缺陷特征；统计所述图片数据的标准缺陷特征数据及不同的标准缺陷特征所占的比例。

【技术特征摘要】
1.一种压铸件缺陷检测方法，包括：获取实际生产中压铸件的缺陷图像数据；提取所述缺陷图像中的缺陷特征；对所述缺陷特征进行分类；对各种所述缺陷特征的分类建立对应的语义标签；将所述缺陷特征以及对应的语义标签存入特征数据库；拍摄压铸件表面的视频图像，并转化为图片数据；利用核相关滤波器跟踪算法对所述图片数据进行跟踪，以所述特征数据库中的缺陷特征为标准缺陷特征，记录跟踪到的所述图片数据中具有的标准缺陷特征；统计所述图片数据的标准缺陷特征数据及不同的标准缺陷特征所占的比例。2.根据权利要求1所述的一种压铸件缺陷检测方法，其特征在于：以所述特征数据库中的缺陷特征为标准缺陷特征的步骤包括：输入需要检测的压铸件缺陷名称，在特征数据库中搜索与之匹配的缺陷特征，将搜索到的缺陷特征作为所述标准缺陷特征。3.根据权利要求1所述的一种压铸件缺陷检测方法，其特征在于：在对所述缺陷特征进行分类前，使用小波去噪算法和图像增强技术处理缺陷图像中的缺陷特征；其中，所述小波去噪算法包括用非线性小波变换阈值法对压铸件的缺陷图像进行去噪处理，用伸缩和平移运算操作对压铸件图像进行多尺度细化分析，自动适应处于不同类型压铸件及光照环境的要求，显示压铸件的局部特征；所述图像增强技术包括用对数图像增强算法，区分压铸件图像的缺陷和背景。4.根据权利要求3所述的一种压铸件缺陷检测方法，其特征在于：所述用非线性小波变换阈值法对压铸件的缺陷图像进行去噪处理的步骤包括：选择小波基和小波分解层数对压铸件的缺陷图像进行小波变换，得到相应的小波分解系数，对于每个小波分解层，自适应的选择一个阈值，将分解得到的高频系数进行阈值量化，根据小波分解后的低频系数和阈值量化处理后的高频系数进行小波逆变换，利用重构算法进行小波重构，得到去噪信号。5.根据权利要求1所述的一种压铸件缺陷检测方法，其特征在于：对所述缺陷特征进行分类，对各种所述缺陷特征的分类建立对应的语义标签的步骤包括：将所述缺陷图像输入Alexnet卷积神经网络中进行训练，采用反向传播算法求得损失函数f(χ,b)的最小值，其中χ为权重值，...

【专利技术属性】
技术研发人员：胡松喜，李璞，余志兵，周玲，
申请(专利权)人：韶关学院，
类型：发明
国别省市：广东,44