【技术实现步骤摘要】
本专利技术属于零件智能加工制造领域，特别地，涉及基于神经网络模型的的一体化硅胶材料表带成型检测方法。
技术介绍
1、随着手表种类的多样化，硅胶作为表带材质的新型材料，开始在各类手表如运动表与潜水表中出现。硅橡胶是有机硅胶的一种。硅橡胶作为表带的新型材料，除了耐高低温，与天然橡胶相比，它不会滋生细菌，且其表面张力很低，不易被汗水和雨水侵泡变形，具有较强的防水腐蚀性能。因此，利用硅橡胶制作的手表表带在一般人群的使用环境下的寿命可达几十年。此外，硅橡胶还有良好的耐光抗老化性、耐氧抗老化性、电绝缘性、防霉性、化学稳定性、耐磨损以及不变形、无毒、无味、对人体无副作用等特性。
2、由于制作工艺与材料的特性，硅胶材料表带通常包括多层复合层，而这些复合层成型时，在人工切割处例如表带的卡孔处容易出现贴合不紧密、不整齐的问题，导致有瑕疵的产品。由于表带生产批次包含的产品数量较多，因此检测起来非常耗时耗力。此时，采用自动检测的方法可以大幅降低检测成本，提高检测效率。随着技术的进步，机器视觉的检测方法在工业界取得广泛应用，在表带质量检测方面，被用于金属表带质量测试（一种金属表带质量测试机及测试方法专利技术专利cn202210357593.1）、智能手表表带色彩调节（智能手表表带色彩调节的控制方法和智能手表专利技术专利cn202210612004.x）等。相较于现有案例，硅橡胶表带材质为柔性，与金属表带相比其缺陷外观表现更为复杂，为检测带来难度，故不能使用现有方法；相对于色彩检测，缺陷检测需要对被检测品的图像细节信息进行建模，相对于色彩宏观建
3、虽然采用机器视觉和神经网络模型的方法检测零件的缺陷目前也有人提及，但是大多数是针对刚性零件，且未考虑零件的色彩。对于硅胶表带的检测还没有专门成熟的算法。由于硅胶表带在生产工艺中产生的缺陷与其他零件差异较大（例如存在硅胶斑纹、孔柔性形状等），使用其他零件检测算法来进行硅胶表带缺陷检测效果不佳，容易受到生产线上环境的干扰。由此，无法自动、准确检测生产线上产品的良率。
技术实现思路
1、为解决上述技术问题，本专利技术提出一种基于神经网络模型的一体化硅胶材料表带成型检测方法，通过建立图像数据的机器视觉模型，对一体化硅胶材料表带成型的效果实施自动检测，有助于发现一体化硅胶材料表带成型产品的缺陷，提高一体化硅胶材料表带成型批次质量。
3、步骤1：对一体化硅胶材料表带图像进行分离，采集位于检测台上的表带图像，对其进行处理获得分离后的表带图像区域，具体方法如下：
4、1-1采集图像为三通道彩色图像，其三通道的值分别为、、，则图像的颜色按下式计算：
5、
6、图像的亮度按照下式计算：
7、
8、根据图像的颜色分布、亮度分布，建立联合高斯模型进行粗分离；
9、1-2经过粗分离步骤后，对分离后的图像再次处理，在图像的局部空间 s中选取一对候选像素，其坐标分别是、，计算：
10、
11、其中，根据公式（1）表示图像像素的颜色值；计算：
12、
13、其中，根据公式（2）表示图像像素的亮度值；常数、为经验阈值。
14、记录像素、是否同时满足公式（5）、（6）；继续随机选取一对候选像素，按上述步骤计算公式（5）、（6）的测试值并统计是否满足；反复 k次，假设其中符合条件的点对数为个，不符合条件的为个；如果成立，则局部空间 s是潜在的边缘区域；对于潜在的边缘区域，利用滤波模板进行边缘优化，最终得到分离的表带图像；
15、步骤2、基于神经网络模型的对分离的表带图像局部特征进行检测。
16、步骤1之前还包括利用固定器将表带固定于检测台上，检测台放置表带一侧安装摄像机拍摄检测台面及表带图像。
17、步骤1中的模板包括：
18、
19、步骤1中的模板还包括：
20、
21、边缘优化的步骤包括：
22、
23、表示粗分离图像，表示卷积运算，表示边缘优化后的图像；
24、所述神经网络模型包括：输入层、隐藏层、全连接层和输出层。
25、将图像从像素空间变换到梯度空间，求步骤1得到的分离表带图像的梯度图像，作为神经网络模型的输入。
26、图像的梯度空间定义为：
27、
28、其中 q表示输入图像，x,y是图像的两个方向。
29、对于q图像，则梯度图记为：。
30、输出层输出两个结果j和p，其中j为1代表为表带面，j为0代表为表带插孔；q为1代表合格，q为0代表不合格。
31、本专利技术专利技术点及技术效果：
32、1、本专利技术针对硅胶表带的特点，优化了在工厂生产线环境下硅胶表带的图像分离算法。采用粗分离和边缘优化相结合的方式，从而保证了分离的准确性，从而为后续表达缺陷检测提供了支持，极大减少了运算数据量和模型复杂程度，且能够实现准确的检测。
33、2、本专利技术对局部噪声进行过滤，提高对表带图像区域的提取性能。优化表带边缘的提取效果，同时去除背景中局部噪声（主要是检测台面上与表带颜色相近的局部图像块），为后续步骤的表带检测提供无干扰的数据源。
34、3、本专利技术针对硅胶表带的特点，优化了神经网络模型，特别是输入层、激励函数的构成，使得整个模型在较小的规模下实现了对产线环境中硅胶表带缺陷的准确检测。
本文档来自技高网...【技术保护点】
1.一种基于神经网络模型的一体化硅胶表带成型检测方法，其特征在于：
2.如权利要求1所述的方法，其特征在于：步骤1之前还包括利用固定器将表带固定于检测台上，检测台放置表带一侧安装摄像机拍摄检测台面及表带图像。
3.如权利要求1所述的方法，其特征在于：步骤1中的模板包括：
4.如权利要求3所述的方法，其特征在于：步骤1中的模板还包括：
5.如权利要求4所述的方法，其特征在于：边缘优化的步骤包括：
6.如权利要求1所述的方法，其特征在于：所述神经网络模型包括：输入层、隐藏层、全连接层和输出层。
7.如权利要求6所述的方法，其特征在于：将图像从像素空间变换到梯度空间，求步骤1得到的分离表带图像的梯度图像，作为神经网络模型的输入。
8.如权利要求7所述的方法，其特征在于：图像的梯度空间定义为：
9.如权利要求8所述的方法，其特征在于：对于Q图像，则梯度图记为：。
10.如权利要求9所述的方法，其特征在于：输出层输出两个结果j和p，其中j为1代表为表带面，j为0代表为表带插孔；q为1
...【技术特征摘要】
1.一种基于神经网络模型的一体化硅胶表带成型检测方法，其特征在于：
2.如权利要求1所述的方法，其特征在于：步骤1之前还包括利用固定器将表带固定于检测台上，检测台放置表带一侧安装摄像机拍摄检测台面及表带图像。
3.如权利要求1所述的方法，其特征在于：步骤1中的模板包括：
4.如权利要求3所述的方法，其特征在于：步骤1中的模板还包括：
5.如权利要求4所述的方法，其特征在于：边缘优化的步骤包括：
6.如权利要求1所述的方法，其特征在于：所述神经网络模...
【专利技术属性】
技术研发人员：罗勇，刘双喜，刘贯良，蔡雄伟，陈仁秋，
申请(专利权)人：深圳市捷超行模具有限公司，
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。