一种用于机械零件异常检测的电数据处理方法及系统技术方案

本发明专利技术公开了一种用于机械零件异常检测的电数据处理方法及系统，涉及缺陷检测领域。主要包括：对存在缺陷的机械零件的灰度图像进行标注获得二值标注图像；将存在缺陷的各机械零件的灰度图像及对应的各二值标注图像作为神经网络的训练集，并根据机械零件的灰度图像以及二值标注图像构造神经网络的训练过程的损失函数，完成对神经网络的训练；将待测机械零件的灰度图像输入至训练完成的神经网络中，将神经网络输出结果作为待测机械零件对应的边缘图像；根据待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，判断待测机械零件边缘是否存在缺陷。本发明专利技术实施例能够提高对机械零件的边缘部分存在的缺陷的检测精度。度。度。

【技术实现步骤摘要】
一种用于机械零件异常检测的电数据处理方法及系统


[0001]本申请涉及缺陷检测领域，具体涉及一种用于机械零件异常检测的电数据处理方法及系统。

技术介绍

[0002]机械零件及各种工业产品中，往往包含各种形状的边缘，机械产品的边缘部分的质量对机械产品的成品率具有重要影响，当机械产品的边缘出现毛刺、凹痕等缺陷时，将会导致机械零件的尺寸与设计尺寸存在较大差异，从而影响后续使用。
[0003]机械产品边缘缺陷检测主要是检测零件边缘的一致性，主要对机械零件边缘是否存在凸起毛刺、边缘缺失等进行检测。现有技术中对于机械零件边缘中存在的缺陷的检测，利用边缘检测算法获取机械零件的表面图像中边缘区域，进而利用边缘区域进行缺陷检测和判定。专利技术人在实现本专利技术实施例的过程中，发现
技术介绍
中至少存在以下缺陷：常用的边缘检测算法得到的边缘图像中，易出现边缘检测不精确、边界轮廓模糊以及边缘过分割或欠分割等情况。

技术实现思路

[0004]针对上述技术问题，本专利技术实施例提供了一种用于机械零件异常检测的电数据处理方法及系统，通过构造损失函数对神经网络训练过程进行监督，能够获得更具显著性的机械零件的边缘图像，进而提高对机械零件的边缘部分中可能存在的缺陷的检测精度。
[0005]第一方面，本文专利技术实施例提出了一种用于机械零件异常检测的电数据处理方法，包括：对存在缺陷的机械零件的灰度图像进行机械零件区域的像素点标注获得二值标注图像。
[0006]将存在缺陷的各机械零件的灰度图像及对应的各二值标注图像作为神经网络的训练集，并分别对神经网络训练过程中的输出图像进行相同大小区域划分，得到训练过程中输出图像中的各第一区域，以及二值标注图像中的各第二区域，将相对应的第一区域及第二区域组成区域对。
[0007]将交叉熵损失函数作为第一损失函数，并根据各区域对中第一区域及第二区域的协方差、像素均值及方差构造第二损失函数。
[0008]根据像素点分别在二值标注图像以及神经网络训练过程输出图像中对应位置的像素值构造第三损失函数，并对第一损失函数、第二损失函数以及第三损失函数进行加权求和，获得加权求和后的第四损失函数，以利用第四损失函数对神经网络的训练过程进行监督，完成对神经网络的训练。
[0009]将待测机械零件的灰度图像输入至训练完成的神经网络中，将神经网络输出结果作为待测机械零件对应的边缘图像，将正常机械零件图像对应的神经网络的输出结果作为标准边缘图像。
[0010]根据待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，判断待测机械零件边缘是否存在缺陷。
[0011]可选的，一种用于机械零件异常检测的电数据处理方法中，待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，包括：式中，为待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，为边缘图像中图像块的数量，为待检测机械零件的边缘图像中第i个图像块与其在标准边缘图像中对应的图像块之间的灰度协方差。
[0012]为待检测机械零件的边缘图像中第i个图像块的灰度标准差，为标准边缘图像中的图像块的灰度标准差，图像块为标准边缘图像中与待检测机械零件的边缘图像中第i个图像块所对应的图像块，为预设第一参数。
[0013]可选的，一种用于机械零件异常检测的电数据处理方法中，根据各区域对中第一区域及第二区域的协方差、像素均值及方差构造第二损失函数，包括：其中，为第二损失函数，为区域对的数量，为第个区域对中第一区域及第二区域的协方差，为第个区域对中第一区域中各像素点的像素均值，为第个区域对中第二区域中各像素点的像素均值，第个区域对中第一区域中各像素点的像素值方差，第个区域对中第二区域中各像素点的像素值方差，为预设第二参数，为预设第三参数。
[0014]可选的，一种用于机械零件异常检测的电数据处理方法中，各区域对中第一区域及第二区域的协方差，包括：其中，为第个区域对中第一区域及第二区域的协方差，为第个区域对中第一区域中第个像素点的像素值，为第个区域对中第一区域中各像素点的像素均值，为第个区域对中第二区域中第个像素点的像素值，为第个区域对中第二区域中各像素点的像素均值，为第一区域中像素点的数量。
[0015]可选的，一种用于机械零件异常检测的电数据处理方法中，各区域对中第一区域及第二区域的协方差，包括：其中，为第个区域对中第一区域及第二区域的协方差，为第个区域对中第一区域中第个像素点的像素值， 为第个区域对中第一区域中各像素点的像素均值，为第个区域对中第二区域中第个像素点的像素值，为第个区域对中第二区域中各像素点的像素均值，为第一区域中像素点的数量。
[0016]可选的，一种用于机械零件异常检测的电数据处理方法中，根据像素点分别在二值标注图像以及神经网络训练过程输出图像中对应位置的像素值构造第三损失函数，包括：其中，为第三损失函数，为二值标注图像中像素值为1的像素点的数量，为二值标注图像中第j个像素值为1的像素点的像素值，为二值标注图像中第j个像素值为1的像素点在神经网络训练过程中输出图像中对应位置的像素值，为交运算。
[0017]可选的，一种用于机械零件异常检测的电数据处理方法中，对存在缺陷的机械零件的灰度图像进行机械零件区域的像素点标注前，所述方法还包括：获取存在缺陷的机械零件的表面图像。
[0018]将表面图像中像素点在RGB三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值。
[0019]可选的，一种用于机械零件异常检测的电数据处理方法中，二值标注图像中机械零件部分的像素值为1，且二值标注图像中机械零件以外部分的像素值为0。
[0020]可选的，一种用于机械零件异常检测的电数据处理方法中，根据待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，判断待测机械零件边缘是否存在缺陷，包括：判断相似度是否大于预设相似性阈值，若判断结果为是，判定待测机械零件边缘不存在缺陷，若判断结果为否，判定待测机械零件边缘存在缺陷。
[0021]可选的，一种用于机械零件异常检测的电数据处理方法中，所述相似性阈值为0.75。
[0022]第二方面，本专利技术实施例提出了一种用于机械零件异常检测的电数据处理系统，包括：存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现本专利技术实施例中一种用于机械零件异常检测的电数据处理方法。
[0023]本专利技术实施例提供了一种用于机械零件异常检测的电数据处理方法及系统，相比
于现有技术，本专利技术实施例的有益效果在于：通过构造损失函数对神经网络训练过程进行监督，能够获得更具显著性的机械零件的边缘图像，进而提高对机械零件的边缘部分中可能存在的缺陷的检测精度。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于机械零件异常检测的电数据处理方法，其特征在于，包括：对存在缺陷的机械零件的灰度图像进行机械零件区域的像素点标注获得二值标注图像；将存在缺陷的各机械零件的灰度图像及对应的各二值标注图像作为神经网络的训练集，并分别对神经网络训练过程中的输出图像进行相同大小区域划分，得到训练过程中输出图像中的各第一区域，以及二值标注图像中的各第二区域，将相对应的第一区域及第二区域组成区域对；将交叉熵损失函数作为第一损失函数，并根据各区域对中第一区域及第二区域的协方差、像素均值及方差构造第二损失函数；根据像素点分别在二值标注图像以及神经网络训练过程输出图像中对应位置的像素值构造第三损失函数，并对第一损失函数、第二损失函数以及第三损失函数进行加权求和，获得加权求和后的第四损失函数，以利用第四损失函数对神经网络的训练过程进行监督，完成对神经网络的训练；将待测机械零件的灰度图像输入至训练完成的神经网络中，将神经网络输出结果作为待测机械零件对应的边缘图像，将正常机械零件图像对应的神经网络的输出结果作为标准边缘图像；根据待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，判断待测机械零件边缘是否存在缺陷。2.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法，其特征在于，待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，包括：式中，为待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度，为边缘图像中图像块的数量，为待检测机械零件的边缘图像中第个图像块与其在标准边缘图像中对应的图像块之间的灰度协方差；为待检测机械零件的边缘图像中第i个图像块的灰度标准差，为标准边缘图像中的图像块的灰度标准差，图像块为标准边缘图像中与待检测机械零件的边缘图像中第个图像块所对应的图像块，为预设第一参数。3.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法，其特征在于，根据各区域对中第一区域及第二区域的协方差、像素均值及方差构造第二损失函数，包括：其中，为第二损失函数，为区域对的数量，为第个区域对中第一区域及第二
区域的协方差，为第个区域对中第一区域中各像素点的像素均值，为第个区域对中第二区域中各像素点的像素均值，第个区域对中第一区域中各像素点的像素值方差，第个区域对中第二区域中...

【专利技术属性】
技术研发人员：张丽霞，
申请(专利权)人：启东普力马机械有限公司，
类型：发明
国别省市：