CN119086591B 一种基于机器视觉的橡胶整模外观缺陷检测方法及系统 （惠州杜一特精密制品有限公司）

甘陂大龙坑万里实业有限公司厂房B栋一种基于机器视觉的橡胶整模外观缺陷检及基于机器视觉的橡胶整模外观缺陷检测方法外径调整数据；根据橡胶整模内置O型圈内外径2步骤S2：对标准橡胶整模第一整体外观图像进行检测迹定位相机根据橡胶整模产品规格数据对标准橡胶整模第一整体外观图像进行轨迹定位，步骤S3：基于橡胶整模产品规格数据对缺陷相机进行镜定位标记数据和正常产品定位标记数据对标准橡胶整模第一整体外观图像进行颜色映射，步骤S4：根据橡胶整模第一整体外观缺陷检测图像对橡胶整模进行第二面整体拍摄，步骤S12：基于橡胶整模参数数据对橡胶整模进行O型圈步骤S13：根据橡胶整模内置O型圈内外径调整数据对橡胶整模进行第一面整体拍摄，数据小于预设的检测区域数量范围时，则将对应的橡胶整模标记为小规模橡胶整模产品；3步骤S25：基于轨迹定位相机根据橡胶整模产品规格数据对标准橡胶整模第一整体外步骤S251：基于橡胶整模产品规格数据对轨迹定位相步骤S252：通过轨迹定位相机像素调整数据对标准步骤S253：对重叠检测目标定位数据进行多维度特步骤S254：根据重叠目标置信度对重叠检测目步骤S255：对橡胶整模产品定位数据集进行轨迹生步骤S2552：对橡胶整模产品中心点坐标数据和橡胶整模检测区域数据进行检测区域步骤S34：通过缺陷产品定位标记数据和正常产品定位标记数据对标准橡胶整模第一4步骤S321：对橡胶整模外观缺陷检测图像进行查找步骤S322：通过橡胶产品精定位数据对橡胶整模外观缺步骤S323：通过橡胶整模缺陷特征提取数据对橡胶整步骤S324：根据橡胶整模产品外观显性缺陷区域图像对步骤S325：将橡胶整模产品外观隐性缺陷特征数据橡胶整模产品外观隐性缺陷区域图像进行深度AI视觉对橡胶整模产品外观隐性缺陷区域图像进行区域聚焦分析，通过深度学习分类算法对模型训练集进行模型训练，生成隐性缺陷分类预模通过隐性缺陷分类数据对橡胶整模产品外观隐性缺陷区域图像进行多模态缺陷验证，5步骤S43：将橡胶整模第一整体外观缺陷检测图像和橡胶整模第二整体外观缺陷检测图像上传至中央处理系统中进行外观缺陷数据存储，从而生成橡胶整模外观缺陷检测报求1所述的基于机器视觉的橡胶整模外观缺陷检测方法，该基于机器视觉的橡胶整模外观整体外观拍摄模块，用于获取橡胶整模参数数据；基于橡胶整产品轨迹定位模块，用于对标准橡胶整模第一整体外观图像进行检产品缺陷检测模块，用于基于橡胶整模产品规格数据对缺陷相机进行镜头焦距调整，体外观缺陷检测图像进行色彩标记，生成缺陷产品定位标记数据和正常产品定位标记数产品缺陷报告模块，用于根据橡胶整模第一整体外观缺6产品定位标记数据和正常产品定位标记数据对标准橡胶整模第一整体外观图像进行颜色78[0021]步骤S25：基于轨迹定位相机根据橡胶整模产品规格数据对标准橡胶整模第一整[0022]本发明通过对图像进行检测区域的划分，能够系统化地对橡胶整模进行局部检[0027]步骤S254：根据重叠目标置信度对重叠检测目标定位数据进行重叠目标定位过9[0032]步骤S2552：对橡胶整模产品中心点坐标数据和橡胶整模检测区域数据进行检测飞拍轨迹有助于制定优化的拍摄路径，从而确保在检测过程中每个关键区域都被有效覆[0039]步骤S34：通过缺陷产品定位标记数据和正常产品定位标记数据对标准橡胶整模[0050]通过深度学习分类算法对模型训练集进行模型训练，生成隐[0051]通过隐性缺陷分类数据对橡胶整模产品外观隐性缺陷区域图像进行多模态缺陷度学习分类算法生成隐性缺陷分类模型，使得模型能够识别和分类不同类型的隐性缺陷。[0054]步骤S41：根据橡胶整模第一整体外观缺陷检测图像对橡胶整模进行第二面整体整体外观图像；基于橡胶整模第二整体外观图像返回至步骤S21开始进行第二面外观缺陷[0056]步骤S43：将橡胶整模第一整体外观缺陷检测图像和橡胶整模第二整体外观缺陷外观缺陷的全面检测。这种多角度的拍摄方法有助于发现第一面无法检测到的隐蔽缺陷，[0060]产品轨迹定位模块，用于对标准橡胶整模第一整体外观[0063]本发明的有益效果在于通过确保O型圈的内外径设置符合设计要求，从而生成高术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范产品定位标记数据和正常产品定位标记数据对标准橡胶整模第一整体外观图像进行颜色[0082]本发明实施例中，通过确保已经获取并预处理了标准橡胶整模第一整体外观图产品定位标记数据和正常产品定位标记数据对标准橡胶整模第一整体外观图像进行颜色[0098]步骤S25：基于轨迹定位相机根据橡胶整模产品规格数据对标准橡胶整模第一整[0099]本发明实施例中，通过将步骤S14中生成的标准橡胶整模第一整体外观图像导入S24生成的橡胶整模产品规格数据，对标准橡胶整模第一整体外观图像进行详细的轨迹定[0104]步骤S254：根据重叠目标置信度对重叠检测目标定位数据进行重叠目标定位过[0106]本发明实施例中，通过将步骤S24中生成的橡胶整模产品规格数据导入轨迹定位[0109]步骤S2552：对橡胶整模产品中心点坐标数据和橡胶整模检测区域数据进行检测[0116]步骤S34：通过缺陷产品定位标记数据和正常产品定位标记数据对标准橡胶整模[0127]通过深度学习分类算法对模型训练集进行模型训练，生成隐[0128]通过隐性缺陷分类数据对橡胶整模产品外观隐性缺陷区域图像进行多模态缺陷[0129]本发明实施例中，通过使用高分辨率相机拍摄橡胶整模产品的外观隐性缺陷区[0131]步骤S41：根据橡胶整模第一整体外观缺陷检测图像对橡胶整模进行第二面整体整体外观图像；基于橡胶整模第二整体外观图像返回至步骤S21开始进行第二面外观缺陷[0133]步骤S43：将橡胶整模第一整体外观缺陷检测图像和橡胶整模第二整体外观缺陷成标准橡胶整模第二整体外观图像；基于橡胶整模第二整体外观图像返回至步骤S21开始一整体外观缺陷检测图像和橡胶整模第二整体外观缺陷检测图像转换为标准格式（如[0137]产品轨迹定位模块，用于对标准橡胶整模第一整体外观[0140]本发明的有益效