一种基于图像检测的缺陷检测识别方法和装置制造方法及图纸

本申请公开了一种基于图像检测的缺陷检测识别方法，涉及图像处理技术领域，包括以下步骤：S1：工业相机与光源配合拍摄实际生产中的板材图像数据，S2：处理器接收工业相机拍摄的板材数据图像，并对板材数据图像进行预处理；S3：利用图像处理算法提取凹坑和阴影的特征，并对每个工业相机拍摄的图像，提取相应的特征，并进行特征匹配；S4：基于提取的特征匹配结果，使用图像配准算法将多个工业相机拍摄的图像对齐到相同的坐标系统；S5：对配准后的图像进行验证，最终输出对板材凹坑的检测结果；通过工业相机与光源的配合，以及图像预处理和特征提取等步骤，能够准确地捕捉和识别板材表面的凹坑等缺陷，减少漏检和误检的可能性。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于图像检测的缺陷检测识别方法和装置。

技术介绍

1、随着互联网技术在智能工厂中高效的应用，越来越多的工厂走向智能化的处理。在板材行业中，传统的板材缺陷进行分类主要依靠工人经验，主观性强，效率低，因此需引入自动化手段实现板材缺陷的准确分类；目前，对于板材缺陷的检测，一般采用的是图像进行检测，而图像无疑是效率最高、最易获得的信息，但是板材缺陷类别中朽节与死结之间的高相似性，树心、木裂、直纹理的高相似性，树结与山纹理之间的高相似性，使得利用算法进行图像检测难以识别上述板材缺陷。另外的，现有技术中基于迁移学习的卷积神经网络模型可以自动提取高阶特征，实现对高相似度图像的准确分类；但是卷积神经网络参数极多，若从头开始训练，其训练时间长、算力消耗大、且需要大量带标签数据，这为迁移学习模型的实施带来了限制。

2、现有技术中公告号为cn113610831b的中国专利技术专利公开了基于计算机图像技术和迁移学习的板材缺陷检测方法，首先对数据预处理；接着构建多层卷积神经网络迁移学习模型；然后利用构建的迁移学习模型对预处理后的数据进本文档来自技高网...

【技术保护点】

1.一种基于图像检测的缺陷检测识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤S3还包括以下步骤：

3.根据权利要求2所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤S3中阈值分割能够在阴影检测中将阴影与背景分离、简化图像处理，且阈值分割后获得二值图像，所述二值图像能够作为后续形态学处理、特征提取等步骤的输入，公式为：S(x,y)＝{255,if I(x,y)<T0,otherwise}，

4.根据权利要求3所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步...

【技术特征摘要】

1.一种基于图像检测的缺陷检测识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤s3还包括以下步骤：

3.根据权利要求2所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤s3中阈值分割能够在阴影检测中将阴影与背景分离、简化图像处理，且阈值分割后获得二值图像，所述二值图像能够作为后续形态学处理、特征提取等步骤的输入，公式为：s(x,y)＝{255,if i(x,y)<t0,otherwise}，

4.根据权利要求3所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤s3中形态学处理能够通过腐蚀操作将前景区域缩小，有助于去除小的噪点和干扰，使凹坑区域更加清晰，腐蚀操作能够使凹坑的边缘更加明显，膨胀操作能够增强凹坑的内部区域，

5.根据权利要求1所述的一种基于图像检测的缺陷检...

【专利技术属性】
技术研发人员：付伟，刘来彬，李新路，
申请(专利权)人：山东福茂装饰材料有限公司，
类型：发明
国别省市：