CN118608504B 一种基于机器视觉的零部件表面质量检测方法及其系统 （广州宏江智能装备有限公司）

一种基于机器视觉的零部件表面质量检测本发明公开了一种基于机器视觉的零部件2将提取的特征与预定义的模型进行比较，识别是否存在表面缺所述获取待检测零部件的图像，通过在预设位置安装图像获取设备对待检测零部件的图像进行预处理，所述去噪为使用高斯滤波器方;处的像素值，G'(x-x),(y-y)是经过归一化处理的高斯核在(x,y)相对于中心点(x.y)的权重，I'(x,y.)是滤波后图像在中心对待检测零部件的图像进行预处理，所述对比度调整包括通过直方;;S214、映射灰度级，使用归一化累积分布函数将原3Canny边缘检测算法使用一对卷积核来计算图像在水平和垂直方向的梯度幅值和方;和弱边缘w[i,j]；通过提取的特征组织成向量输入到聚类算法中，其中提取特征组织成所述预定义的模型是在深度学习中用于表面缺陷检测的各类训练好的神经网络模型，4使用ReLU激活函数增加非线性，对于多类分类任务，输出层通常使用softmax激活函其中，将提取的特征与预定义的模型进行比较，将特征向量;所述数据获取模块，在预设位置安装高精度的图像获取设备，并根据零所述特征分析模块，将提取轮廓特征和表面纹理特征组织成向量，与建56c(i)是灰度级i及其以下所有灰度级累积出现的概率，P()是灰度级i在图[0030]具体的，Canny算法使用一对卷积核来计算图像在水平和垂直方向的梯度幅值和[0033]再采用双阈值策略对强边缘进行连接，设定高阈值Th和低阈值，形成强边缘7[0047]S35、使用ReLU等激活函数增加非线性，对于多类分类任务，输出层通常使用8[0065]图1为本申请实施例1提供的一种基于机器视觉的零部件表面质量检测方法的流[0066]图2为本申请实施例1提供的一种基于机器视觉的零部件表面质量检测方法的使[0067]图3为本申请实施例1提供的一种基于机器视觉的零部件表面质量检测方法的直[0068]图4为本申请实施例1提供的一种基于机器视觉的零部件表面质量检测方法的建[0069]图5为本申请实施例1提供的一种基于机器视觉的零部件表面质量检测系统的结9[0071]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申含一个或多个相关联的列出项目的任何或所c(i)是灰度级i及其以下所有灰度级累积出现的概率，P()是灰度级i在图[0100]具体的，Canny算法使用一对卷积核来计算图像在水平和垂直方向的梯度幅值和[0117]通过Canny边缘检测算法结合灰度共生矩阵的特征提取，可以灵活地适应不同零的准确性和可靠性，Canny算法的非极大值抑制和双阈值策略确保了边缘的清晰性和轮廓[0126]S35、使用ReLU等激活函数增加非线性，对于多类分类任务，输出层通常使用个能够识别和分类不同表面缺陷的神经网络模型，结合ReLU与softmax激活函数来增加非过比较这些特征与学习到的缺陷特征，有效地识别出存在表面缺陷的区域。最后，利用[0138]本实施例应用于实施例1中一种基于机器视觉的零部件表面质量检测方法，具体c(i)是灰度级i及其以下所有灰度级累积出现的概率，P()是灰度级i在图[0160]具体的，对进行预处理的同时使用Canny边缘检测算法，识别出图像中的边缘信