一种工业视觉检测中的产品缺陷在线分类方法技术

本发明专利技术公开了一种工业视觉检测中的产品缺陷在线分类方法，包括以下工艺步骤：S1、建立基于流形正则化的分类目标函数：采用one vs the rest策略建立分类目标函数；S2、从工业相机图像中获取瑕疵区域：采用Blob分析从工业相机图像中获取瑕疵区域；S3、提取瑕疵区域特征：采用Blob分析提取瑕疵区域特征；S4、将样本投入在线分类器学习：将瑕疵区域特征作为样本投入在线分类器学习；S5、返回缺陷分类结果：将样本通过在线分类器分类，得出缺陷分类的返回结果。本发明专利技术通过Blob分析得到缺陷产品的瑕疵区域特征，能够实时统计缺陷产品数据信息；通过基于流形正则化的在线学习方法进行缺陷产品分类，能够减少算法复杂度，降低算法错误率，有效提升分类效率。

【技术实现步骤摘要】
一种工业视觉检测中的产品缺陷在线分类方法
本专利技术涉及工业视觉检测领域，特别指一种工业视觉检测中的产品缺陷分类方法。
技术介绍
视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。视觉检测一般采用机器学习。传统的机器学习算法是批量模式（离线学习）的，假设所有的训练数据预先给定，通过最小化定义在所有训练数据上的经验误差得到分类器。这种学习方法在小规模规模上取得了巨大成功，但当数据规模大时，其计算复杂度高、响应慢，无法用于实时性要求高的应用。另外，机器学习又分为监督学习、无监督学习及半监督学习等几种不同类别的学习方式；其中，监督学习虽然精度较高，但是人们需要手工标注样本，太累，离人们理本文档来自技高网...

【技术保护点】
1.一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：包括以下工艺步骤：/nS1、建立基于流形正则化的分类目标函数：采用one vs the rest策略建立分类目标函数；/nS2、从工业相机图像中获取瑕疵区域：步骤S1建立分类目标函数后，采用Blob分析从工业相机图像中获取瑕疵区域；/nS3、提取瑕疵区域特征：步骤S2获取瑕疵区域后，采用Blob分析对瑕疵区域的特征进行提取；瑕疵区域特征包括面积、长宽、平均灰度、最大灰度、最小灰度；/nS4、将样本投入在线分类器学习：步骤S3提取瑕疵区域特征后，将瑕疵区域特征作为样本投入在线分类器学习；/nS5、返回缺陷分类结果：步骤S4投入样本后，将步...

【技术特征摘要】
1.一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：包括以下工艺步骤：
S1、建立基于流形正则化的分类目标函数：采用onevstherest策略建立分类目标函数；
S2、从工业相机图像中获取瑕疵区域：步骤S1建立分类目标函数后，采用Blob分析从工业相机图像中获取瑕疵区域；
S3、提取瑕疵区域特征：步骤S2获取瑕疵区域后，采用Blob分析对瑕疵区域的特征进行提取；瑕疵区域特征包括面积、长宽、平均灰度、最大灰度、最小灰度；
S4、将样本投入在线分类器学习：步骤S3提取瑕疵区域特征后，将瑕疵区域特征作为样本投入在线分类器学习；
S5、返回缺陷分类结果：步骤S4投入样本后，将步骤S4投入的样本通过在线分类器分类，得出缺陷分类的返回结果。


2.根据权利要求1所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的onevstherest策略为一对多训练方法，onevstherest策略依次将至少两个类别中一个类别的样本归为一类,将剩余的样本归为另一类，以便构造出至少两个二项分类器；分类时，将未知样本分类为具有最大分类函数值的类。


3.根据权利要求1所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的Blob分析的Blob为工业相机图像中一块连通区域，即瑕疵区域；Blob分析将工业相机图像进行二值化并分割得到目标像素与背景像素，然后对目标像素进行连通域分析，并计算连通域区域特征。


4.根据权利要求3所述的一种工业视觉检测中的产...

【专利技术属性】
技术研发人员：谢昌锋，孙博良，涂丹，肖波，王威，龙志斌，肖贤军，朱为，谢伟强，
申请(专利权)人：深圳市睿阳精视科技有限公司，
类型：发明
国别省市：广东;44