【技术实现步骤摘要】
本专利技术涉及一种基于图像识别的金属粉末中的杂物检测方法，属于图像数据处理。
技术介绍
1、当前主流检测方法依赖高分辨率成像系统结合复杂ai算法分析形态特征，这类技术面临三重本质局限：其一，显微级杂质与基材的光强对比度趋近消失，现有方法受限于单一光强信息维度，难以区分材质相近的异物；其二，在高速产线动态环境中，粉末流动导致运动模糊与图像配准失真，传统多传感器方案显著增加系统复杂度；其三，固定阈值判定机制无法适应光源老化、环境扰动等变量漂移，需频繁人工校准。
2、业界尝试通过多光谱成像或深度学习优化，却因硬件成本高昂或模型泛化性不足，未能突破信息捕获维度的物理瓶颈，尤其在增材制造粉末循环场景中，氧化颗粒与基材的形态灰度高度相似，现有技术难以实现可靠识别，更本质的矛盾在于：现有范式过度依赖提升图像清晰度→增强算法复杂度的路径，未能挖掘物质与光交互的深层物理特性。因此，如何基于图像数据处理技术实现金属粉末杂质的本质化区分，同步解决动态干扰与长期稳定性问题，成为本专利技术所要解决的技术问题。
技术实现思路
【技术保护点】
1.一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，步骤d中，识别包括：获取归一化差分图像的像素强度直方图；对像素强度直方图进行统计分析，确定代表合格金属粉末的主分布的均值和标准差；以及基于均值和标准差，动态生成判定阈值，其中，判定阈值，为一个预设的、数值范围在5至6之间的系数。
3.根据权利要求2所述的一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，偏振分光棱镜或者微偏振阵列滤光片的分光比，使得至少两个正交的线偏振分量图像在...
【技术特征摘要】
1.一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，步骤d中，识别包括：获取归一化差分图像的像素强度直方图；对像素强度直方图进行统计分析，确定代表合格金属粉末的主分布的均值和标准差；以及基于均值和标准差，动态生成判定阈值，其中，判定阈值，为一个预设的、数值范围在5至6之间的系数。
3.根据权利要求2所述的一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，偏振分光棱镜或者微偏振阵列滤光片的分光比，使得至少两个正交的线偏振分量图像在相机传感器的动态响应范围内获得均衡的强度分布。
4.根据权利要求3所述的一种基于图像识别的金属粉末中的杂物检测方法，其特征在于，所述步骤c中的归一化差分图像计算在嵌入式处理器上实时完成。
5.根据权利要求4所述的一种基于...
【专利技术属性】
技术研发人员：赵阳，张春礼，
申请(专利权)人：陕西宇光飞利金属材料有限公司，
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。