【技术实现步骤摘要】
本专利技术涉及聚氨酯滚轮，特别涉及一种聚氨酯滚轮的缺陷检测方法及相关设备。
技术介绍
1、聚氨酯滚轮在现代工业中扮演着不可或缺的角色，广泛应用于物流传输、自动化生产线以及各类机械设备中。随着制造业对产品品质要求的不断提高，确保这些滚轮的质量变得愈加关键。传统的质量检测方法通常依赖于人工目视检查或简单的接触式测量工具，这种方法不仅效率低下，而且难以发现细微或隐藏的缺陷，这可能导致设备运行不稳定甚至故障，影响生产效率和产品质量。因此，研发一种高效且精确的非接触式检测技术成为提升滚轮制造质量和可靠性的重要课题。
2、现有的图像处理技术和机器视觉算法为解决上述问题提供了新的思路。通过利用先进的成像技术获取滚轮表面的多角度图像，并借助机器学习算法进行特征提取与分析，可以实现对滚轮表面缺陷的自动识别。然而，在实际应用中，由于光照条件、拍摄角度及表面纹理复杂性等因素的影响，获得高质量的初始表面图像并非易事，这对后续的特征提取和缺陷识别提出了挑战。此外，尽管已有的一些研究工作尝试结合三维重建技术来增强缺陷检测的效果，但如何准确地将二维图像中的缺陷映射到三维空间，形成逼真的缺陷模型，依然是一个亟待解决的技术难题。
3、针对这些问题，提出了一种基于图像成像技术和机器视觉算法相结合的聚氨酯滚轮缺陷检测方法。该方法首先通过优化的成像系统从不同角度捕捉滚轮表面的图像，以确保能够全面覆盖可能存在的缺陷区域。接着，采用改进的机器视觉算法对采集到的图像进行深入分析，不仅提高了特征提取的准确性，还增强了对于微小或不明显缺陷的识别能力。最后
技术实现思路
1、本专利技术的主要目的为提供一种聚氨酯滚轮的缺陷检测方法及相关设备，解决了传统方法不仅效率低下，而且难以发现细微或隐藏的缺陷，导致设备运行不稳定甚至故障，影响生产效率和产品质量的技术问题。
2、为实现上述目的，本专利技术提供一种聚氨酯滚轮的缺陷检测方法，包括以下步骤：
3、通过预设的图像成像技术对目标聚氨酯滚轮进行多角度表面拍摄，得到初始表面图像；
4、通过机器视觉算法对所述初始表面图像进行特征提取，得到滚轮表面提取特征；
5、基于所述滚轮表面提取特征分析所述初始表面图像是否存在缺陷，若存在，则通过预设的识别算法对所述初始表面图像进行缺陷检测和识别，得到缺陷识别区域；
6、将所述缺陷识别区域与所述初始表面图像进行像素级的映射，生成缺陷三维模型。
7、进一步的，所述通过预设的图像成像技术对目标聚氨酯滚轮进行多角度表面拍摄，得到初始表面图像，包括：
8、对目标聚氨酯滚轮表面进行多视角高分辨率成像采集，得到多视角图像序列；
9、利用预设的几何校正算法对所述多视角图像序列进行相机畸变校正和投影变换，以消除镜头畸变和视角差异，得到几何校正图像；
10、对所述几何校正图像进行光谱响应修正，得到光谱校正图像；
11、将多个视角的所述光谱校正图像进行图像合成处理，得到整体合成图像；
12、采用适应增强算法对所述整体合成图像进行图像增强，得到增强后的整体合成图像；
13、对所述增强后的整体合成图像进行边缘滤波处理，得到初始表面图像。
14、进一步的，所述通过机器视觉算法对所述初始表面图像进行特征提取，得到滚轮表面提取特征，包括：
15、通过多尺度三维点云分析技术对所述初始表面图像进行点云分解，得到分解点云图；
16、通过几何形状的特征提取算法对所述分解点云图进行形状描述，得到表面形状描述图；
17、对所述表面形状描述图进行拓扑特征提取，得到表面拓扑特征图；
18、对所述表面拓扑特征图进行多尺度分析，得到非线性尺度特征；
19、通过机器视觉算法对所述非线性尺度特征进行滚轮表面特征点提取，得到滚轮表面提取特征；其中；所述滚轮表面提取特征包括纹理特征、形状特征及拓扑特征。
20、进一步的，所述通过几何形状的特征提取算法对所述分解点云图进行形状描述，得到表面形状描述图，包括：
21、对所述分解点云图进行主曲率估算，得到点云主曲率数据；其中，所述点云主曲率数据包括最大主曲率及最小主曲率；
22、基于所述点云主曲率数据对所述分解点云图进行形状指数计算，得到形状指数映射图；
23、基于形状指数映射图对所述分解点云图进行曲面类型分类，得到曲面类型分布图，其中，所述曲面类型分布图包括凹球面、凹鞍面、凸鞍面、凸球面形状类型的分布；
24、利用香农熵公式对曲面类型分布图进行局部形状熵分析，得到形状熵特征图；
25、使用预设的区域生长算法对所述形状熵特征图进行几何特征分段，得到分段特征图；其中，所述分段特征图是相似形状特征的连通区域图；
26、对所述分段特征图进行空间统计分析，以量化所述分段特征图之间的关系及关联性，得到表面形状描述图。
27、进一步的，所述通过预设的识别算法对所述初始表面图像进行缺陷检测和识别，得到缺陷识别区域，包括：
28、将所述初始表面图像输入预设的识别算法内，所述识别算法包括gsconv模块、c3ghost模块、轻量级的hs-fpn模块、高效解耦合头模块、cbam模块及yolov5s模块；
29、通过所述gsconv模块对所述初始表面图像进行特征提取，得到丰富空间缺陷特征；
30、通过所述c3ghost模块对所述丰富空间缺陷特征进行深度特征增强处理，得到缺陷增强特征；
31、通过所述轻量级的hs-fpn模块对所述缺陷增强特征进行多尺度特征融合，得到多尺度融合特征；
32、通过所述高效解耦合头模块对所述多尺度融合特征进行任务解耦，得到解耦特征；
33、通过所述cbam模块对所述解耦特征图进行通道和空间注意力加权，得到注意力强化特征图；
34、通过所述yolov5s模块对所述注意力强化特征图进行缺陷检测和识别，得到缺陷识别区域。
35、进一步的，所述将所述缺陷识别区域与初始表面图像进行像素级的映射，生成缺陷三维模型，包括：
36、通过三维点云配准算法对所述初始表面图像进行点云配准，得到三维点云数据；
37、基于三维点云数据，对所述缺陷识别区域进行三维重建，得到缺陷三维重建数据；
38、通过预设的三维网格生成算法对所述缺陷三维重建数据进行网格生成，得到缺陷三维网格模型；
39、对所述缺陷三维网格模型进行缺陷几何特征提取，得到缺陷几何特征数据；
40、通过缺陷几何特征数据对所述缺陷三维网格模型进行语义分割，得到缺陷语义分割结果；
41、基于缺陷本文档来自技高网...
【技术保护点】
1.一种聚氨酯滚轮的缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过预设的图像成像技术对目标聚氨酯滚轮进行多角度表面拍摄，得到初始表面图像，包括：
3.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过机器视觉算法对所述初始表面图像进行特征提取，得到滚轮表面提取特征，包括：
4.根据权利要求3所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过几何形状的特征提取算法对所述分解点云图进行形状描述，得到表面形状描述图，包括：
5.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过预设的识别算法对所述初始表面图像进行缺陷检测和识别，得到缺陷识别区域，包括：
6.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述将所述缺陷识别区域与初始表面图像进行像素级的映射，生成缺陷三维模型，包括：
7.根据权利要求6所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过缺陷几何特征数据对缺陷三维网格模型进行语义分割，得到缺陷
8.一种聚氨酯滚轮的缺陷检测装置，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种聚氨酯滚轮的缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过预设的图像成像技术对目标聚氨酯滚轮进行多角度表面拍摄，得到初始表面图像，包括：
3.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过机器视觉算法对所述初始表面图像进行特征提取，得到滚轮表面提取特征，包括：
4.根据权利要求3所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过几何形状的特征提取算法对所述分解点云图进行形状描述，得到表面形状描述图，包括：
5.根据权利要求1所述的聚氨酯滚轮的缺陷检测方法，其特征在于，所述通过预设的识别算法对所述初始表面图像进行缺陷检测和识别，得到缺陷识别区域，包括：...
【专利技术属性】
技术研发人员：符子洋，李万君，周绪红，陈尚廷，
申请(专利权)人：东莞市鹏博盛实业有限公司，
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。