一种多视角机械缺陷视觉检测方法技术

本发明专利技术涉及机械缺陷检测的技术领域，公开了一种多视角机械缺陷视觉检测方法，所述方法包括：旋转拍摄角度获取待检测仪器的多视角仪器表面图像；对所获取多视角仪器表面图像进行图像去噪增强的预处理；基于缺陷提取目标函数对预处理后的多视角仪器表面图像进行缺陷部分提取；基于仪器表面缺陷特征检测指标体系，对不同视角下含有缺陷部分的子图像进行指标特征提取，检测不同视角下待检测仪器表面是否存在缺陷，并综合判断该仪器表面是否存在缺陷。本发明专利技术基于多重滤波弱化图像噪声并增强图像缺陷区域的信息强度以及边缘清晰度，利用自适应遗传优化策略快速求解缺陷提取目标函数，实现不同视角下仪器表面图像的缺陷部分提取以及缺陷检测。以及缺陷检测。以及缺陷检测。

【技术实现步骤摘要】
一种多视角机械缺陷视觉检测方法


[0001]本专利技术涉及缺陷检测的
，尤其涉及一种多视角机械缺陷视觉检测方法。

技术介绍

[0002]高精度工业器械生产过程中由于多种工艺因素影响导致产生表面缺陷，影响出厂品质及正常使用。尤其是精密仪器表面缺陷种类多样、尺度小、特征不明显，现有的人工目检难以达到高效、准确的检测要求。同时受客观物理条件限制，用于获取工业器械信息的视觉相机无法仅凭单一视角便获取工件整体表面数据，比如由于视角光线等原因造成仪器表面缺陷漏检等。为了检测到工件表面所有区域可能存在的缺陷，本专利技术提出一种多视角机械缺陷视觉检测方法，实现对精密器械的全方位精准检测。

技术实现思路

[0003]有鉴于此，本专利技术提供一种多视角机械缺陷视觉检测方法，目的在于：1)利用去噪滤波函数对待检测仪器表面图像的灰度矩阵依次进行行滤波以及列滤波，平滑表面图像的噪声信息，实现图像中由于视角光线等产生的图像噪声的弱化处理，但弱化噪声的同时也弱化了缺陷部分的信息强度，因此采用多尺度的高斯滤波模板卷积差分处理，对不同尺度下的高斯滤波处理像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多视角机械缺陷视觉检测方法，其特征在于，所述方法包括：S1：旋转拍摄角度获取待检测仪器的多视角仪器表面图像；S2：对所获取多视角仪器表面图像进行图像去噪增强的预处理，得到预处理后的多视角仪器表面图像，其中本征尺度分解融合为所述图像去噪增强处理的主要实施方法；S3：基于缺陷提取目标函数对预处理后的多视角仪器表面图像进行缺陷部分提取，得到不同视角下含有缺陷部分的子图像，其中自适应遗传优化策略为所述仪器表面图像缺陷提取的主要实施策略；S4：构建仪器表面缺陷特征检测指标体系，所述指标体系包括形状特征以及纹理特征；S5：基于仪器表面缺陷特征检测指标体系，对不同视角下含有缺陷部分的子图像进行指标特征提取，检测不同视角下待检测仪器表面是否存在缺陷，并基于不同视角下的缺陷检测结果综合判断该仪器表面是否存在缺陷。2.如权利要求1所述的一种多视角机械缺陷视觉检测方法，其特征在于，所述S1步骤中获取待检测仪器的多视角仪器表面图像，包括：利用摄像设备拍摄待缺陷检测仪器的表面图像，每次拍摄后顺时针旋转摄像设备的拍摄角度，得到不同视角下待检测仪器的仪器表面图像其中表示将摄像设备顺时针旋转度后，得到视角下待检测仪器的仪器表面图像，I0表示初始拍摄视角下待检测仪器的仪器表面图像，将不同视角下待检测仪器的仪器表面图像作为待检测仪器的多视角仪器表面图像。3.如权利要求2所述的一种多视角机械缺陷视觉检测方法，其特征在于，所述S2步骤中对所获取多视角仪器表面图像进行图像去噪增强的预处理，包括：根据所获取的多视角仪器表面图像，利用本征尺度分解融合方法对不同视角下待检测仪器的仪器表面图像进行不同尺度下图像特征分解融合的预处理，得到去噪增强后的仪器表面图像，其中本征尺度分解融合方法流程为：S21：对任意视角下待检测仪器的仪器表面图像进行图像灰度化处理，得到仪器表面图像的灰度矩阵Q，灰度矩阵的大小为M
×
N，其中M表示仪器表面图像中行像素的数目，N表示仪器表面图像中列像素的数目，灰度矩阵中的元素坐标为仪器表面图像中对应像素的像素坐标，元素值为对应像素的灰度值；S22：利用去噪滤波函数对灰度矩阵Q依次进行行滤波以及列滤波，得到灰度矩阵中任意元素的灰度滤波结果：Q
′
(x,y)＝q(x,y)[1
‑
α2/(Q(x,y))2],x∈[1,M],y∈[1,N]],x∈[1,M],y∈[1,N]],x∈[1,M],y∈[1,N]],x∈[1,M],y∈[1,N]
其中：e表示自然常数；ω(
·
)表示去噪滤波函数；Q(x,y)表示灰度矩阵Q中第x行第y列元素的元素值，q(x,y)表示灰度矩阵Q中第x行第y列元素的滤波系数，Q
′
(x,y)表示灰度矩阵Q中第x行第y列元素的灰度滤波结果；a表示滤波尺度，max
a∈[1,5]
{q
a
(x,y)}表示在a∈[1,5]尺度下灰度矩阵Q中第x行第y列元素的灰度滤波结果最大值；σ
Q
表示灰度矩阵Q中的元素值标准差；α表示预设置的滤波阈值；并将所有元素的灰度滤波结果构建为灰度滤波矩阵Q
′
；S23：构建不同尺度σ1,σ2,σ3的高斯滤波模板，其中高斯滤波模板为3
×
3的矩阵形式，σ1＝1，σ2＝2，σ3＝3；S24：将不同尺度的高斯滤波模板与灰度滤波矩阵Q
′
的任意元素进行卷积操作：其中：表示尺度为σ
i
的高斯滤波模板，表示经高斯滤波模板滤波处理后，第x行第y列元素的元素值；将所有元素的高斯滤波处理后结果构成矩阵Q
″
(σ
i
)；S25：计算灰度滤波矩阵Q
′
与不同尺度下矩阵Q
″
(σ
i
)的差分矩阵，其中矩阵中任意元素(x,y)的差分表示为：其中：表示第x行第y列元素与尺度σ
i
的差分表示；S26：基于不同尺度的差分表示，对灰度矩阵中的元素进行重构，将重构得到的矩阵作为预处理后仪器表面图像像素矩阵，其中任意元素(x,y)的重构元素值为：为预处理后仪器表面图像像素矩阵，其中任意元素(x,y)的重构元素值为：其中：Q
″′
(x,y)表示元素(x,y)的重构元素值；w
i,(x,y)
表示元素(x,y)在尺度σ
i
的梯度权重。4.如权利要求1所述的一种多视角机械缺陷视觉检测方法，其特征在于，所述S3步骤中确定缺陷提取目标函数，包括：为任意视角下的仪器表面图像确定缺陷提取目标函数视角下的仪器表面图像确定缺陷提取目标函数其中：表示视角下的仪器表面图像的缺陷灰度阈值，将仪器表面图像像素矩阵中元素
值高于缺陷灰度阈值的元素标记为缺陷元素，其余元素标记为非缺陷元素；表示任意视角下仪器表面图像像素矩阵中的平均灰度值；表示所标记缺陷元素的平均元素值，表示所标记非缺陷元素的平均元素值；表示所标记缺陷元素数目占矩阵元素总数的比例，表示所非标记缺陷元素数目占矩阵元素总数的比例。5.如权利要求4所述的一种多视角机械缺陷视觉检测方法，其特征在于，所述S3步骤中基于缺陷提取目标函数对预处理后的多视角仪器表面图像进行缺陷部分提取，包括：利用自适应遗传优化策...

【专利技术属性】
技术研发人员：王振宇，叶中英，
申请(专利权)人：无锡埃姆维工业控制设备有限公司，
类型：发明
国别省市：