一种基于机器视觉的特种泡沫表面缺陷分类检测方法技术

技术编号:42606302 阅读:39 留言:0更新日期:2024-09-03 18:15
本发明专利技术公开了一种基于机器视觉的特种泡沫表面缺陷分类检测方法,涉及视觉检测技术领域,包括采集特种泡沫表面缺陷原始图像,构建训练数据集;对训练数据集中的原始图像进行预处理;构建改进GoogLeNet神经网络模型,使用训练数据集对改进GoogLeNet神经网络模型进行训练,生成权重文件;采集待检测图像并输入至训练完成的改进GoogLeNet神经网络模型中,并基于权重文件得到检测结果。本发明专利技术所涉及的图像中表面缺陷尺寸细小,故对传统GoogLeNet神经网络模型进行改进,优化其结构和参数量,以实现快速、准确地对泡沫表面缺陷进行检测识别。

【技术实现步骤摘要】

本专利技术涉及视觉检测,具体涉及一种基于机器视觉的特种泡沫表面缺陷分类检测方法


技术介绍

1、聚酰亚胺(pi)泡沫是聚酰亚胺树脂原材料与发泡剂、泡沫稳定剂等通过聚合发泡反应生成的特种泡沫材料,属于合成高分子材料中的芳杂环聚合物。这种材料具有很好的耐热性,除耐200~300℃的高温外,还具有良好的耐热氧化性、绝缘性、阻燃性、化学稳定性、耐辐照性和耐低温性等,被广泛应用于先进制造领域。

2、在实际生产中,泡沫产品残留存在的表面缺陷主要为凹坑和裂纹两种。在发泡过程中,原料里存在的酰胺基、酰亚胺键和其他杂质被热分解和蒸发而产生气泡,导致成品泡沫上残留有气孔凹坑;在烘烤、固化环节,由于烘箱等加热设备的自然损耗以及热处理参数选取不当,烘烤、固化过程中温度升高过快或过慢,容易使泡沫产生线性裂纹并最终导致材料失效。

3、目前现有的pi泡沫产品的表面缺陷识别方法主要为人工目检、图像对比和拍照。上述方法需要人工参与决策,分类判断主观性较强,并且在长时间检测任务中容易出现漏检、误检的问题。当前机器视觉和神经网络相关技术和方法在工业检测领域中已得到广泛的本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述S1中,采用工业相机作为图像采集设备对泡沫产品表面进行拍摄,得到凹坑缺陷的原始图像和裂纹缺陷的原始图像。

3.根据权利要求1所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述S2中,预处理包括数据增广扩充和图像尺寸缩小。

4.根据权利要求3所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述数据增广扩充包括对原始图像进行翻转、平移、对比度增强。...

【技术特征摘要】

1.一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述s1中,采用工业相机作为图像采集设备对泡沫产品表面进行拍摄,得到凹坑缺陷的原始图像和裂纹缺陷的原始图像。

3.根据权利要求1所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述s2中,预处理包括数据增广扩充和图像尺寸缩小。

4.根据权利要求3所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述数据增广扩充包括对原始图像进行翻转、平移、对比度增强。

5.根据权利要求3所述的一种基于机器视觉的特种泡沫表面缺陷分类检测方法,其特征在于,所述图像尺寸缩小为将图像的宽和高缩小至原始图像...

【专利技术属性】
技术研发人员:陆景宋先辉庹先国胡光忠李跃东荣文钲杨果
申请(专利权)人:四川轻化工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1