System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及计算机视觉领域,尤其涉及一种用于金属凹陷结构底部的缺陷检测方法及装置。
技术介绍
1、一个完整的机械设备所涉及到的部件多种多样,其中有一类部件的特点为具有凹陷结构,并在凹陷结构底部进行加工。对于该类部件的待测金属产品,若其凹陷结构内存在缺陷,则会严重影响与其他部件的连接性。
2、目前,该类待测金属产品的缺陷检测主要依赖工人在灯光和放大镜下进行肉眼挑选。然而,由于零件的数量需求大,而零件口径小,人工检测面临巨大的挑战。工人需要长时间高强度地进行检测,容易导致视疲劳,从而出现漏检的情况。这种人工检测方式不仅效率低下,而且可能会漏检一些缺陷,存在严重的安全隐患。同时,人工检测的成本也非常高,对生产企业造成了不小的经济负担。
技术实现思路
1、本公开提供了一种用于金属凹陷结构底部的缺陷检测方法及装置,以至少解决现有技术中存在的以上技术问题。
2、根据本公开的第一方面,提供了一种用于金属凹陷结构底部的缺陷检测方法,所述方法包括:
3、针对待测金属产品的凹陷结构,确定采集的目标光照强度;
4、基于所述目标光照强度,利用相机获取与其对应的所述待测金属产品的目标初始凹陷底部图像;
5、基于所述目标初始凹陷底部图像的凹陷结构底部位置信息,确定所述待测金属产品的目标凹陷底部图像;
6、基于所述待测金属产品的目标凹陷底部图像,利用深度学习模型判断所述待测金属产品是否存在缺陷;其中,所述确定采集的目标光照强度,包括:在第一预
7、其中,所述通过计算所述中心图像的灰度平均值,确定采集所述待测金属产品的目标光照强度,包括:计算所述中心图像的灰度平均值;若所述灰度平均值满足预设灰度范围,则确定所述第一预设光照强度为所述待测金属产品的目标光照强度,其中,所述预设灰度范围包括第一灰度值和第二灰度值,其中,所述第一灰度值小于第二灰度值;若所述灰度平均值小于第一灰度值,则确定第二预设光照强度为所述待测金属产品的目标光照强度;若所述灰度平均值大于第二灰度值,则确定第三预设光照强度为所述待测金属产品的目标光照强度;其中,所述第二预设光照强度大于所述第一预设光照强度,所述第一预设光照强度大于所述第三预设光照强度。
8、在一可实施方式中,所述通过对所述第一初始图像进行预处理,得到所述待测金属产品的第一凹陷底部图像,包括:
9、将所述第一初始图像转换为第一灰度图像;
10、对所述第一灰度图像进行二值化处理,得到第一中间图像;
11、提取所述第一中间图像中的轮廓信息,得到所述待测金属产品外侧圆的最小外接矩形区域;
12、基于所述最小外接矩形区域,对所述第一初始图像进行裁剪,得到所述待测金属产品的第一初始凹陷底部图像;
13、在所述第一初始凹陷底部图像满足第一预设尺寸条件下,自适应调整所述第一初始凹陷底部图像的尺寸大小,以得到所述第一凹陷底部图像。
14、在一可实施方式中,所述对所述第一灰度图像进行二值化处理,得到第一中间图像,包括:
15、根据所述第一灰度图像内的背景灰度值和包含所述待测金属产品的图像区域的灰度值,确定灰度阈值;
16、基于所述灰度阈值,对所述第一灰度图像进行二值化处理,得到第一中间图像。
17、在一可实施方式中,所述确定所述第一凹陷底部图像内的中心图像,包括:
18、确定所述第一凹陷底部图像的中心点;
19、通过以所述中心点为圆心,预设长度为半径,确定所述第一凹陷底部图像内的中心图像。
20、在一可实施方式中,所述提取所述第一中间图像中的轮廓信息,得到所述待测金属产品外侧圆的最小外接矩形区域,包括:
21、在所述第一中间图像中,通过图像处理算法提取所述待测金属产品的轮廓坐标点集;在所述轮廓坐标点集中,通过x轴和y轴的坐标值确定所述待测金属产品外侧圆的最小外接矩形区域。
22、在一可实施方式中,所述基于所述目标光照强度,获取与其对应的所述待测金属产品的目标初始凹陷底部图像,包括:
23、若所述目标光照强度为所述第一预设光照强度,则基于所述第一凹陷底部图像裁剪所述第一初始图像,得到所述待测金属产品的目标初始凹陷底部图像;
24、若所述目标光照强度为所述第二预设光照强度/第三预设光照强度,则在所述第二预设光照强度/第三预设光照强度下,利用相机获取所述待测金属产品的第二初始图像/第三初始图像,其中,所述第二初始图像/第三初始图像为彩色图像;通过对所述第二初始图像/第三初始图像进行预处理,得到所述待测金属产品的第二凹陷底部图像/第三凹陷底部图像,基于所述第二凹陷底部图像/第三凹陷底部图像裁剪所述第二初始图像/第三初始图像,得到所述待测金属产品的目标初始凹陷底部图像。
25、在一可实施方式中,所述基于所述目标初始凹陷底部图像的凹陷结构底部位置信息,确定所述待测金属产品的目标凹陷底部图像,包括:
26、确定所述目标凹陷底部图像的目标中心点;
27、通过所述目标中心点和目标半径,确定所述目标凹陷底部图像的矩形框;
28、基于所述矩形框,对所述目标初始凹陷底部图像进行裁剪,得到所述待测金属产品的目标凹陷底部图像。
29、在一可实施方式中,在所述确定所述待测金属产品的目标凹陷底部图像之后,还包括:
30、将所述目标凹陷底部图像输入第一深度学习模型,以判断所述目标凹陷底部图像是否合格。
31、在一可实施方式中,在所述确定所述待测金属产品的目标凹陷底部图像之后,还包括:
32、将所述目标凹陷底部图像输入第二深度学习模型,以判断所述目标凹陷底部图像是否初始合格,其中,所述第二深度学习模型用于判断所述目标凹陷底部图像是否含有形状缺陷;
33、在所述目标凹陷底部图像满足初始合格的情况下,将所述目标凹陷底部图像输入第三深度学习模型,以判断所述目标凹陷底部图像是否完全合格,其中,所述第三深度学习模型用于判断所述目标凹陷底部图像是否含有亮度缺陷。
34、根据本公开的第二方面,提供了一种用于金属凹陷结构底部的缺陷检测装置,所述装置包括:
35、光照确定模块,用于针对待测金属产品的凹陷结构,确定采集的目标光照强;
36、第一确定模块,用于基于所述目标光照强度,利用相机获取与其对应的所述待测金属产品的目标初始凹陷底部图像;
37、第二确定模块,用于基于所述目标初始凹陷底部图像的凹陷结构底部位置信息,确定所述待测金属产品的目标凹陷底部图像;
38、缺陷检测模块,本文档来自技高网...
【技术保护点】
1.一种用于金属凹陷结构底部的缺陷检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过对所述第一初始图像进行预处理,得到所述待测金属产品的第一凹陷底部图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述第一灰度图像进行二值化处理,得到第一中间图像,包括:
4.根据权利要求2所述的方法,其特征在于,所述确定所述第一凹陷底部图像内的中心图像,包括:
5.根据权利要求2所述的方法,其特征在于,所述提取所述第一中间图像中的轮廓信息,得到所述待测金属产品外侧圆的最小外接矩形区域,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标光照强度,利用相机获取与其对应的所述待测金属产品的目标初始凹陷底部图像,包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标初始凹陷底部图像的凹陷结构底部位置信息,确定所述待测金属产品的目标凹陷底部图像,包括:
8.根据权利要求1或7所述的方法,其特征在于,所述基于所述待测金属产品的目标凹陷底部图像,利用
9.根据权利要求1或7所述的方法,其特征在于,所述基于所述待测金属产品的目标凹陷底部图像,利用深度学习模型判断所述待测金属产品是否存在缺陷,包括:
10.一种用于金属凹陷结构底部的缺陷检测装置,其特征在于,所述装置包括:
...【技术特征摘要】
1.一种用于金属凹陷结构底部的缺陷检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过对所述第一初始图像进行预处理,得到所述待测金属产品的第一凹陷底部图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述第一灰度图像进行二值化处理,得到第一中间图像,包括:
4.根据权利要求2所述的方法,其特征在于,所述确定所述第一凹陷底部图像内的中心图像,包括:
5.根据权利要求2所述的方法,其特征在于,所述提取所述第一中间图像中的轮廓信息,得到所述待测金属产品外侧圆的最小外接矩形区域,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述...
【专利技术属性】
技术研发人员:张正涛,孙二东,张武杰,沈飞,张峰,杨化彬,孔志营,
申请(专利权)人:中科慧远视觉技术洛阳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。