一种基于机器学习的汽车零件生产检测方法及系统技术方案

本发明专利技术涉及图像处理领域，更具体地，本发明专利技术涉及一种基于机器学习的汽车零件生产检测方法及系统，方法包括：采集轮毂图像并进行预处理，将预处理后的轮毂图像划分多个分块，获取每个分块的轮毂特征量；根据分块内每个像素点与所有像素点以及每个像素点与邻域内像素点之间的梯度差异与位置距离，以获取分块的相关序列和各像素点的近似区域序列；根据相关序列与近似区域序列之间的梯度差异以及轮毂特征量，计算每个像素点相关特征，以获取像素点的特征偏差程度；根据特征偏差程度计算轮毂缺陷度，并进行灰度增强，得到增强图像，根据增强图像进行脏污区域检测。本发明专利技术通过轮毂缺陷度对轮毂灰度图像进行增强，以得到精准的脏污位置。

【技术实现步骤摘要】

本专利技术涉及图像处理领域。更具体地，本专利技术涉及一种基于机器学习的汽车零件生产检测方法及系统。

技术介绍

1、基于机器学习的汽车零件生产检测方法可以在多个方面发挥重要作用，可以提高质量检测的准确性和效率，机器学习模型可以通过训练识别零件的正常和异常特征，如表面缺陷、尺寸偏差等，从而比传统方法更准确地检测出问题。自动化的检测过程可以大大提高检测的效率，减少人工检验的需求，同时避免人为误判带来的问题。

2、现有公开号为cn116205919a的中国专利申请文件公开了基于人工智能的五金零件生产质量检测方法及系统，包括：采集标准图像以及不同光照角度下的齿轮区域图像；获取每个图像块中的目标区域以及非目标区域，进一步得到光照影响灰度分布曲线，根据光照影响灰度分布曲线获取光照影响区域，进一步获取光照角度的影响程度；根据图像块在不同光照角度下的目标区域中的灰度分布获取灰度趋势分布曲线，进一步得到图像块的显著性值的特征影响因子；通过特征影响因子获取区域差异值，进一步得到显著性图像；根据显著性图像识别缺料缺陷，实现五金零件的生产质量检测。</p>

3、上述本文档来自技高网...

【技术保护点】

1.一种基于机器学习的汽车零件生产检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块的轮毂特征量，包括：

3.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块的相关序列，包括：

4.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块内各像素点的近似区域序列，包括：

5.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取每个像素点相关特征，包括：

6.根据权利要求1所述的一种基于机...

【技术特征摘要】

1.一种基于机器学习的汽车零件生产检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块的轮毂特征量，包括：

3.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块的相关序列，包括：

4.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取分块内各像素点的近似区域序列，包括：

5.根据权利要求1所述的一种基于机器学习的汽车零件生产检测方法，其特征在于，获取每个像素点相关特征，包括...

【专利技术属性】
技术研发人员：冷慧慧，张雪松，何琛，王明，卢高洋，李志帅，李嘉源，
申请(专利权)人：武汉优力克自动化系统工程股份有限公司，
类型：发明
国别省市：