一种镂空注塑件的拔模缺陷检测方法及系统技术方案

本发明专利技术涉及数据处理技术领域，尤其涉及一种镂空注塑件的拔模缺陷检测方法及系统，方法包括，在同等拍摄条件下采集拔模后的镂空注塑件图像；筛选出待定位置；分别建立工艺缺陷特征信息参考库和模具缺陷特征信息参考库；对所有参考信息进行打分，分别获得工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果；确定用于复检的镂空注塑件数量；将镂空注塑件的复检数据输入数学模型，输出拔模缺陷的检测结果。本发明专利技术中，通过图像采集、筛选待定位置、获取缺陷特征信息、建立参考库、进行统计和排序等多个步骤，可以全面了解镂空注塑件拔模缺陷的特点和出现情况，通过进行复检，最终输出拔模缺陷的检测结果，可实现对镂空注塑件拔模缺陷的快速、准确、高效的检测。高效的检测。高效的检测。

【技术实现步骤摘要】
一种镂空注塑件的拔模缺陷检测方法及系统


[0001]本专利技术涉及数据处理
，具体涉及一种镂空注塑件的拔模缺陷检测方法及系统。

技术介绍

[0002]镂空注塑件是广泛应用于电子、汽车等领域的塑料制品形式。以一种结构为例：镂空注塑件围绕特定轴线均匀分布，其中，镂空注塑件的镂空位置包括轴线方向上的贯通镂空区域，以及，侧壁上所形成贯通的镂空区域；针对上述结构现有的加工过程中，需要首先生产出一个实心模具，用于形成轴线方向上的贯通镂空区域，另外，还需要设置若干模具块，与侧壁上所形成的镂空区域一一对应设置。
[0003]将上述模具进行组合后进行注塑操作，在镂空注塑件成型完成后，可通过移动模具各部分的方式而取出最终产品。但是在上述过程中，由于镂空部分与镂空部分之间往往会形成截面尺寸相对较薄弱的筋体结构，因此极易在注塑过程中以及模具各部分移动的过程中产生缺陷，而上述缺陷包括但不限于由于注塑工艺的问题而带来的缺陷，以及因为模具各部分移动不当或模具问题而带来的缺陷，当然，上述缺陷均可在拔模后被识别。
[0004]目前，上述缺陷的识别通过人工检测的方式实现，极易产生漏检的情况，且缺陷的类型也难以被有效及准确的分类，使得检测效率和准确度都欠佳。

技术实现思路

[0005]本专利技术中提供了一种镂空注塑件的拔模缺陷检测方法及系统，从而有效解决
技术介绍
中所指出的问题。
[0006]为了达到上述目的，本专利技术所采用的技术方案是：
[0007]一种镂空注塑件的拔模缺陷检测方法，所述方法包括：<br/>[0008]在同等拍摄条件下采集拔模后的镂空注塑件图像；
[0009]根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置；
[0010]获取所述待定位置的缺陷特征信息，将所述缺陷特征信息区分为工艺缺陷和模具缺陷，且分别建立工艺缺陷特征信息参考库和模具缺陷特征信息参考库；
[0011]对所述工艺缺陷特征信息参考库和模具缺陷特征信息参考库中的参考信息分别进行出现频率和重要程度的统计，且根据统计结果对两个信息参考库中的所有参考信息进行打分，并按照分数从高到低进行排序，分别获得工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果；
[0012]根据所述工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果，确定用于复检的所述镂空注塑件数量；
[0013]将所述镂空注塑件的复检数据输入数学模型，输出拔模缺陷的检测结果。
[0014]进一步地，根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置，包括：
[0015]通过图像处理算法对所述镂空注塑件图像进行二值化处理，将所述缺陷位置与其
他区域进行分离；
[0016]对所述缺陷位置进行形态学操作，去除噪声且进行特征提取；
[0017]基于所述特征提取的结果，利用卷积神经网络对所述缺陷位置进行分类，以识别缺陷类型，对具有设定缺陷类型的所述缺陷位置进行标记而作为所述待定位置。
[0018]进一步地，根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置，还包括：
[0019]收集不同类型的镂空注塑件缺陷历史数据；
[0020]根据所述镂空注塑件缺陷历史数据，设定用于筛选所述待定位置的阈值；
[0021]根据已设置的所述阈值对每个所述待定位置进行比较，对标记出的所述缺陷位置进行判断和排除，获得筛选后的所述待定位置。
[0022]进一步地，根据统计结果对两个信息参考库中的缺陷特征信息进行打分，包括：
[0023]根据以下公式计算每类缺陷特征信息的综合评价指标：
[0024][0025]A为综合评价指标，E1为第一权重系数；N
i
为第i类缺陷特征信息在对应的信息参考库中的出现次数；N
总
为对应的信息参考库中的总数据量；E2为第二权重系数；X为第i类缺陷特征信息的重要程度的影响因素总数；E
X
为第i类缺陷特征信息的重要程度的第X个影响因素的权重系数；P
X
为第X个影响因素的分值；
[0026]将所述综合评价指标换算为缺陷特征信息的分值。
[0027]进一步地，将所述镂空注塑件的复检数据输入数学模型，输出拔模缺陷的检测结果，包括：
[0028]收集所述镂空注塑件的复检数据，且对所述复检数据进行预处理；
[0029]根据所述镂空注塑件的特点和复检数据的特征，选择神经网络模型；
[0030]使用预处理后的数据对已选定的所述神经网络模型进行训练，并调整模型参数；
[0031]使用验证数据对模型进行验证，将所述复检数据输入已验证过的神经网络模型中，预测出所述镂空注塑件的拔模缺陷情况，并给出相应的检测结果。
[0032]进一步地，还对所述复检数据进行迁移学习，包括：
[0033]选择在其他数据集上已经预训练完成的用于镂空注塑件拔模缺陷检测的卷积神经网络模型，且准备复检数据的数据集；
[0034]将所述卷积神经网络模型加载到代码中，并对卷积层进行更新，获得调整后的预训练模型；
[0035]使用所述复检数据的数据集对调整后的所述预训练模型进行训练；
[0036]训练结束后，采用经过训练的所述预训练模型预测新数据，将所述新数据添加到所述复检数据的数据集中。
[0037]进一步地，获取所述待定位置的缺陷特征信息，将缺陷特征信息区分为工艺缺陷和模具缺陷，且分别建立工艺缺陷特征信息参考库和模具缺陷特征信息参考库，包括：
[0038]对待定位置的缺陷图像进行预处理；
[0039]使用特征提取算法对处理后的缺陷图像进行特征提取，获得所需缺陷特征信息；
[0040]根据所述缺陷特征信息的类型，将提取的缺陷特征信息分别存储到工艺缺陷特征信息参考库和模具缺陷特征信息参考库中。
[0041]一种镂空注塑件的拔模缺陷检测系统，所述系统包括：
[0042]图像采集模块，在同等拍摄条件下采集拔模后的镂空注塑件图像；
[0043]位置筛选模块，根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置；
[0044]特征提取模块，获取所述待定位置的缺陷特征信息，将缺陷特征信息区分为工艺缺陷和模具缺陷；
[0045]参考数据模块，包括工艺缺陷特征信息参考库和模具缺陷特征信息参考库，对应存储工艺缺陷特征信息和模具缺陷特征信息；
[0046]统计分析模块，对所述工艺缺陷特征信息参考库和模具缺陷特征信息参考库中的参考信息分别进行出现频率和重要程度的统计，且根据统计结果对两个信息参考库中的所有参考信息进行打分，并按照分数从高到低进行排序，分别获得工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果；
[0047]数量选取模块：根据所述工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果，确定用于复检的所述镂空注塑件数量；
[0048]检测模块，将所述镂空注塑件的复检数据输入数学模型，输出拔模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种镂空注塑件的拔模缺陷检测方法，其特征在于，所述方法包括：在同等拍摄条件下采集拔模后的镂空注塑件图像；根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置；获取所述待定位置的缺陷特征信息，将所述缺陷特征信息区分为工艺缺陷和模具缺陷，且分别建立工艺缺陷特征信息参考库和模具缺陷特征信息参考库；对所述工艺缺陷特征信息参考库和模具缺陷特征信息参考库中的参考信息分别进行出现频率和重要程度的统计，且根据统计结果对两个信息参考库中的所有参考信息进行打分，并按照分数从高到低进行排序，分别获得工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果；根据所述工艺缺陷特征信息排序结果和模具缺陷特征信息排序结果，确定用于复检的所述镂空注塑件数量；将所述镂空注塑件的复检数据输入数学模型，输出拔模缺陷的检测结果。2.根据权利要求1所述的镂空注塑件的拔模缺陷检测方法，其特征在于，根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置，包括：通过图像处理算法对所述镂空注塑件图像进行二值化处理，将所述缺陷位置与其他区域进行分离；对所述缺陷位置进行形态学操作，去除噪声且进行特征提取；基于所述特征提取的结果，利用卷积神经网络对所述缺陷位置进行分类，以识别缺陷类型，对具有设定缺陷类型的所述缺陷位置进行标记而作为所述待定位置。3.根据权利要求2所述的镂空注塑件的拔模缺陷检测方法，其特征在于，根据所述镂空注塑件图像中缺陷位置的形态，筛选出待定位置，还包括：收集不同类型的镂空注塑件缺陷历史数据；根据所述镂空注塑件缺陷历史数据，设定用于筛选所述待定位置的阈值；根据已设置的所述阈值对每个所述待定位置进行比较，对标记出的所述缺陷位置进行判断和排除，获得筛选后的所述待定位置。4.根据权利要求1所述的镂空注塑件的拔模缺陷检测方法，其特征在于，根据统计结果对两个信息参考库中的缺陷特征信息进行打分，包括：根据以下公式计算每类缺陷特征信息的综合评价指标：A为综合评价指标，E1为第一权重系数；N
i
为第i类缺陷特征信息在对应的信息参考库中的出现次数；N
总
为对应的信息参考库中的总数据量；E2为第二权重系数；X为第i类缺陷特征信息的重要程度的影响因素总数；E
X
为第i类缺陷特征信息的重要程度的第X个影响因素的权重系数；P
X
为第X个影响因素的分值；将所述综合评价指标换算为缺陷特征信息的分值。5.根据权利要求1所述的镂空注塑件的拔模缺陷检测方法，其特征在于，将所述镂空注塑件的复检数据输入数学模型，输出拔模缺陷的检测结果，包括：收集所述镂空注塑件的复检数据，且对所述复检数据进行预处理；
根据所述镂空注塑件的特点和复检数据的特征，选择神经网络模型；使用预处理后的数据对已选定的所述神经网络模型进行训练，并调整模型参数；使用验证数据对模型进行验证，将所述复检数据输入已验证过的神经网络模型中，预测出所述镂空注塑件的拔模缺陷情况，并给出相应的检测结果。6.根据权利要求5所述的镂空注塑件的拔模缺陷检测方...

【专利技术属性】
技术研发人员：严越波，路嘉渊，刘敏，
申请(专利权)人：常州市升越模塑股份有限公司，
类型：发明
国别省市：