基于视频高光谱成像技术的产品质量实时无损检测方法技术

本发明专利技术针对现有的基于推扫式高光谱成像仪的检测系统成像速度慢，现有的传统机器学习模型无法充分表达高光谱特征的问题，公开了一种基于视频高光谱成像技术的产品质量实时无损检测方法。主要包括：使用质量检测仪器进行产品的理化性质检测；搭建硬件平台，使用视频高光谱成像技术获取产品光谱的三维立方；对原始高光谱数据进行预处理，提取产品感兴趣目标区域部分的平均光谱；对检测样本打标签，训练一维光谱分类模型，使用模型对检测样本中测试样本进行预测；将产品品质检测结果实时展示在系统软件上。本方法可实时获取产品待测样本的高光谱数据，可实现产品品质的实时检测，并保持较高的检测精度。该方法无需人工干预，可自动化处理。动化处理。动化处理。

【技术实现步骤摘要】
基于视频高光谱成像技术的产品质量实时无损检测方法


[0001]本专利技术涉及图像数据处理领域和监督预测系统领域，特别涉及一种基于视频高光谱成像技术的产品质量无损检测方法。

技术介绍

[0002]随着我国市场经济的高速发展，我国制造业不断向着大规模、高质量、自动化等方向扩展提升，人民日益提升的美好生活需求也不断催生出更多、更广、更好的产品。在生产过程中，产品质量作为建设制造强国的生命线，是衡量产品是否满足规定与潜在等指标要求的关键。为控制产品质量，目前国家已颁布了《中华人民共和国产品质量法》、ISO9000质量体系认证等相关法律法规与国家标准，同时设立了各级面向各类产品质量监督体系与检测机构，涉及工业、农业、矿业、消费品制造业、化学工业、食品行业等众多领域。因此为保证产品质量合乎要求，产品质量检测是生产与检验领域的重要一环。
[0003]传统的产品质检手段依靠人工手动进行查验与分离，消耗大量人力物力的同时，准确性与专注度相关性较大，漏分误分等情况较多，无法满足产品制造业大规模自动化的要求。因此逐渐使用各种传感器或仪器手段代替肉眼进行判别，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频高光谱成像技术的产品质量实时无损检测方法，其特征在于，包括以下步骤：步骤1，测定产品待检测的理化性质，作为样本打标签的依据；步骤2，搭建硬件平台，使用视频高光谱成像技术获取检测对象光谱的三维立方，构建高光谱数据集；步骤3，对原始高光谱数据进行预处理，提取检测对象的感兴趣待测区域部分的平均光谱；步骤4，利用步骤1中得到的产品的理化性质对检测对象样本打标签，构建一维光谱分类模型并训练，使用一维光谱分类模型进行光谱识别，实现产品品质的实时检测，包括以下子步骤：步骤4.1，利用步骤1得到的产品的理化性质对产品品质进行分类，利用分类结果给步骤3得到的感兴趣待测区域平均光谱打标签；步骤4.2，构建一维光谱分类模型用于光谱识别，实现端到端的产品品质分类，使用带标签的平均光谱数据对模型进行训练；所述一维光谱分类模型包括卷积神经网络部分和光谱注意力模块；步骤4.3，使用训练好的一维光谱分类模型对测试样本进行预测，并计算检测精度；步骤4.4，调整模型参数与拟合程度，再对产品样本进行预测，直到精度符合要求；步骤5，将产品品质检测结果实时展示在系统软件上。2.如权利要求1所述的一种基于视频高光谱成像技术的产品质量实时无损检测方法，其特征在于：步骤2的具体实现方式如下；步骤2.1，构建硬件平台，硬件平台由传送带、金属骨架、卤素灯、相机支架、视频高光谱相机构成，金属骨架固定在传送带中央的上方，金属骨架上固定卤素灯和相机支架，视频高光谱相机固定在相机支架上；步骤2.2，将视频高光谱相机通过USB接口与笔记本电脑相连，启动数据采集软件，利用软件控制相机开始采集高光谱数据，数据采集软件可以实时显示相机视野范围内的物体，方便相机对准拍摄目标，设置相机的曝光时间从而调节影像亮度，使视野在不过曝的前提下足够明亮，点击采集软件的拍摄按钮开始保存影像，再次点击结束录制，这段时间内拍摄的视频影像将保存到指定的路径下；步骤2.3，将检测对象样本放置于黑色卡纸上，使用视频高光谱相机在上方对准后为样本拍摄一段影像，获取检测对象样本的高光谱数据；步骤2.4，在照明光源下将校正白板置于视频高光谱相机下方，采集校正白板n个通道的高光谱图像；步骤2.5，用镜头盖盖住视频高光谱相机的镜头，采集视频高光谱相机的暗场图像。3.如权利要求2所述的一种基于视频高光谱成像技术的产品质量实时无损检测方法，其特征在于：步骤3的具体实现方式如下；步骤3.1，将步骤2采集到的高光谱数据进行解算与黑白版校正，将检测对象和校正白板的高光谱图像分别扣除暗场图像，利用校正白板的高光谱图像逐通道校正检测对象的高光谱图像，得到光谱反射率数据，即得到校正的高光谱影像；步骤3.2，对步骤3.1得到的校正后的高光谱影像，使用3个波段进行假彩色合成得到
RGB图像；步骤3.3，对步骤3.2得到的假彩色RGB图像，使用显著性目标检测算法在场景中锁定检测对象位置，并去除背景得到检测对象区域；步骤3.4，对步骤3.3得到的检测对象区域的图像，使用HSV阈值分割方法进一步提取检测对象感兴趣待测区域，去除其余的非待测干扰区域，避免其对产品品质检测的干扰，得到二值化掩膜；步骤3.5，对步骤3.1得到的校正后高光谱影像，使用步骤3.4得到的二值化掩膜提取检测对象感兴趣待测区域；步骤3.6，对每个样本提取出的检测对象感兴趣待测区域影像使用SEEDS算法进行超像素分割，选取若干个超像素作为样本集，计算每个超像素内的平均光谱得到若干条平均光谱，按照一定的比例划分训练集与验证集。4.如权利要求3所述的一种基于视频高光谱成像技术的产品质量实时无损检测方法，其特征在于：所述步骤3.3的实现方式如下，步骤3.3.1，对步骤3.2得到的假彩色RGB图像，使用基于深度学习的CSF+Res2net显著性检测算法进行处理，得到检测对象的显著性图；步骤3.3.2，对步骤3.3.1得到的显著性图，以最大显著性值的0.8倍作为阈值，将显著性图中不小于阈值的区域作为前景区域，小于阈值的区域作为背景区域，进行阈值分...

【专利技术属性】
技术研发人员：钟燕飞，刘梓盈，孙晨，王心宇，刘桢杞，田凯，冯静宜，覃宇庭，
申请(专利权)人：武汉大学，
类型：发明
国别省市：