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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。