法兰表面缺陷检测方法及系统和设备技术方案

本发明专利技术属于工业化产品外观检测技术领域，特别涉及一种法兰表面缺陷检测方法及系统和设备，该方法中包含：获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓孔和法兰背面；对目标区域进行语义分割，确定待检测区域；利用像素邻域块灰度阶差异获取待检测区域具有缺陷特征的候选像素点；对候选像素点进行形态学操作与连通域分析，得到候选缺陷位置图像；利用已训练优化的图像识别网络模型对候选缺陷位置图像进行分类识别，去除法兰表面伪缺陷和统计缺陷特征信息。本发明专利技术可有效提升法兰表面检测自动化程度，提高法兰产品表面缺陷检测的准确率，降低劳动强度，具有较好的应用价值。

【技术实现步骤摘要】
法兰表面缺陷检测方法及系统和设备
本专利技术属于工业化产品外观检测
，特别涉及一种法兰表面缺陷检测方法及系统和设备。
技术介绍
目前，法兰因其具有连接方便，可承受压力大等特点，在机械领域有着广泛应用。特别在各种工业管道中，法兰连接使用非常广泛，对法兰盘的需求量特别大，由此对法兰质量也提出了更高的要求。然而，由于法兰在生产过程中，由于铸造材料、温度、设备挤压、摩擦和传输过程中的物理划伤、磕碰等因素，导致法兰表面会出现砂眼、未磨出、划伤，碰伤等各种缺陷。这些缺陷不仅会影响产品的外观，还可能会影响产品的实际使用寿命，甚至对法兰产品生产商的声誉也会遭受不良影响。因此，如何快速准确检出法兰表面的各种缺陷成为了亟待解决的问题。表面缺陷检测以往通常采用人工目视方式检测，它存在一些弊端：如，检测精度低且易疲劳；在高温、噪声、粉尘和震动的环境下工作，对身体及心理健康会产生不良影响。近年来，大量学者开始对表面缺陷检测算法开展研究，大多先使用边缘检测技术或小波分解或局部二值化分析等技术分割缺陷，而后通过形态学等方法对分割后的图像进行连通域分析，最后根据缺陷特征信息，采用传统机器学习方式对最终分割结构进行缺陷类别判断。但是，由于产品种类繁多、背景复杂性等因素，导致缺陷形态各异，且传统机器学习表征学习能力有限，难以达到较高的准确性和鲁棒性。
技术实现思路
为此，本专利技术提供一种法兰表面缺陷检测方法及系统和设备，可提升自动化程度，提高法兰产品表面缺陷检测的准确率，降低劳动强度。按照本专利技术所提供的设计方案，一种法兰表面缺陷检测方法，包含如下内容：获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓孔和法兰背面；并对目标区域进行语义分割，确定待检测区域；利用像素邻域块灰度阶差异获取待检测区域具有缺陷特征的候选像素点；并通过对候选像素点进行形态学操作与连通域分析，得到候选缺陷位置图像；利用已训练优化的图像识别网络模型对候选缺陷位置图像进行分类识别，去除法兰表面伪缺陷和统计缺陷特征信息。作为本专利技术法兰表面缺陷检测方法，进一步的，利用已训练的目标区域检测模型来获取输入图像的目标区域；该目标区域检测模型为YOLOV4网络模型。作为本专利技术法兰表面缺陷检测方法，进一步地，目标区域的语义分割至少包含定位销区域、中心螺栓孔区域和排气孔区域语义分割；将定位销区域、中心螺栓孔区域和排气孔区域作为待检测区域。作为本专利技术法兰表面缺陷检测方法，进一步地，对法兰图像通过图像增强和边缘分割方式来获取区域轮廓信息，确定待检测区域；将待检测区域外的非检测区域进行定位填充，获取掩膜图。作为本专利技术法兰表面缺陷检测方法，进一步地，利用HUBER加权方法与迭代最小二乘法相结合方式获取待检测区域，其中，HUBER加权公式表示为：其中，Wi表示各像素点距离权重系数，C表示离群点阈值，disi表示点到圆心的距离。作为本专利技术法兰表面缺陷检测方法，进一步地，将图像划为成互不重合的网格区域，通过卷积操作进行特征提取得到特征映射图；针对特征映射图，通过类别预测和边界框回归得到检测目标类别和位置信息，进而确定目标中心点所在方向；将中心点所在方向通过扩大处理来获取搜索目标区域角度范围，得到目标区域图像的二值图像；将二值图像通过领域像素灰度差值确定候选像素点位置，依据在同一方向达到预设满足条件像素数获取目标区域候选边界；将候选边界进行非极大值抑制，得到目标区域两个边界，将两个边界所在像素点进行最小二乘法直线拟合，确定待检测区域与所在内外圆交点，填充直线与圆弧所组成的不规则区域，获取掩膜图。作为本专利技术法兰表面缺陷检测方法，进一步地，候选像素点获取中，计算待检测区域积分图像，将积分图像划分为多个图像块，统计各图像块区域均值，标准方差和阈值等纹理信息。作为本专利技术法兰表面缺陷检测方法，进一步地，图像识别网络模型采用卷积神经网络模型结构来对输入图像进行分类识别，获取输入图像的缺陷类别，对缺陷连通区域进行特征分析和统计。进一步地，本专利技术还提供一种法兰表面缺陷检测系统，包含：目标区域定位模块、候选区域生成模块和缺陷分类识别模块，其中，目标区域定位模块，用于获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓孔和法兰背面；并对目标区域进行语义分割，确定待检测区域；候选区域生成模块，用于利用像素邻域块灰度阶差异获取待检测区域具有缺陷特征的候选像素点；通过对候选像素点进行形态学操作与连通域分析，得到候选缺陷位置图像；缺陷分类识别模块，用于利用已训练优化的图像识别网络模型对候选缺陷位置图像进行分类识别，去除法兰表面伪缺陷和统计缺陷特征信息。进一步地，本专利技术还提供一种法兰表面缺陷检测设备，包含上下料系统、清洗系统、翻转系统、运转系统、检测系统，与上下料系统、清洗系统、翻转系统、运转系统及检测系统信号连接的电控系统，法兰产品随上料系统流水线输送至清洗系统进行表面清洗，通过流水线移送至翻转系统位置，通过翻转系统并利用环形输送线分别对法兰产品表面各端面进行视觉采集，将视觉采集图像输送至检测系统，所述检测系统采用上述的法兰表面缺陷检测系统，将检测完毕的法兰产品移动至下料系统后，通过转运系统进行分拣。本专利技术的有益效果：本专利技术采用传统图像处理算法与深度学习技术相结合方式，来提高法兰产品表面缺陷的检测准确率和效率，提高整个表面缺陷检测系统的鲁棒性。其中，上述缺陷检测可利用多种深度神经网络模型与传统算法相结合，例如目标检测与纹理分析结合，缺陷特征信息与对象分类模型结合；也可根据业务需求训练不同的网络模型，在检测流程中，将待检测对象通过上述已训练网络模型进行推理预测，得到最终的检测结果。不仅利用传统算法可解释性强和精度高等特点，还利用深度学习技术学习能力和泛化能力强等特点，可达到缺陷检出率高、误检率低的效果，提高整个表面缺陷检测系统的鲁棒性，具有较好的应用前景。附图说明：图1为实施例中法兰表面检测方法流程示意；图2为实施例中法兰表面检测部位示意图；图3为实施例中法兰表面缺陷检测方法流程示意图；图4为实施例中法兰排气孔区域对象检测示意图；图5为实施例中法兰排气孔掩膜示意图；图6为实施例中法兰语义分割前示意图；图7为实施例中法兰表面非检测区域掩膜示意图；图8为实施例中法兰语义分割后的二值化示意图；图9为实施例中法兰表面缺陷检测区域缺陷示意图；图10为实施例中法兰表面缺陷检测装置示意图；图11为实施例中缺陷识别流程示意图；图12为实施例中设备结构示意图。具体实施方式：为使本专利技术的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本专利技术作进一步详细的说明。本专利技术实施例，参见图1所示，提供一种法兰表面缺陷检测方法，包含如下内容：S101、获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓本文档来自技高网...

【技术保护点】
1.一种法兰表面缺陷检测方法，其特征在于，包含如下内容：/n获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓孔和法兰背面；对目标区域进行语义分割，确定待检测区域；/n利用像素邻域块灰度阶差异获取待检测区域具有缺陷特征的候选像素点；通过对候选像素点进行形态学操作与连通域分析，得到候选缺陷位置图像；/n利用已训练优化的图像识别网络模型对候选缺陷位置图像进行分类识别，去除法兰表面伪缺陷和统计缺陷特征信息。/n

【技术特征摘要】
1.一种法兰表面缺陷检测方法，其特征在于，包含如下内容：
获取待检测法兰图像并定位目标区域，该目标区域至少包含：法兰端面、中心螺栓孔和法兰背面；对目标区域进行语义分割，确定待检测区域；
利用像素邻域块灰度阶差异获取待检测区域具有缺陷特征的候选像素点；通过对候选像素点进行形态学操作与连通域分析，得到候选缺陷位置图像；
利用已训练优化的图像识别网络模型对候选缺陷位置图像进行分类识别，去除法兰表面伪缺陷和统计缺陷特征信息。


2.根据权利要求1所述的法兰表面缺陷检测方法，其特征在于，利用已训练的目标区域检测模型来获取输入图像的目标区域；该目标区域检测模型为YOLOV4模型。


3.根据权利要求1所述的法兰表面缺陷检测方法，其特征在于，目标区域的语义分割至少包含定位销区域、中心螺栓孔区域和排气孔区域语义分割；将定位销区域、中心螺栓孔区域和排气孔区域作为待检测区域。


4.根据权利要求1所述的法兰表面缺陷检测方法，其特征在于，对法兰图像通过图像增强和边缘分割方式获取区域轮廓信息，确定待检测区域；将待检测区域外的非检测区域进行定位填充，获取掩膜图。


5.根据权利要求4所述的法兰表面缺陷检测方法，其特征在于，利用HUBER加权方法与迭代最小二乘法相结合方式获取待检测区域，其中，HUBER加权公式表示为：



其中，Wi表示各像素点距离权重系数，C表示离群点阈值，disi表示点到圆心的距离。


6.根据权利要求4所述的法兰表面缺陷检测方法，其特征在于，将图像划分为互不重合的网格，通过卷积操作对其进行特征提取得到特征映射图；针对特征映射图，通过类别预测和边界框回归得到检测目标类别和位置信息，进而确定目标中心点所在方向；将中心点所在方向通过扩大处理来获取搜索目标区域角度范围，并得到目标区域图像的二值图像；将二值图像通过领域灰度差值确定每个候选像素点位置，依据在同一方...

【专利技术属性】
技术研发人员：张晨民，李丙涛，栗芳，陈众威，
申请(专利权)人：郑州金惠计算机系统工程有限公司，
类型：发明
国别省市：河南;41