CN119510445A 玻璃扫光后的检测方法、装置及设备 （深圳市捷牛智能装备有限公司）

道宝龙社区新能源一路宝龙智造园4请提高了对扫光后玻璃进行质量检测的结果准2提取所述预处理后的多源原始传感数据中所述待检测基于所述优化特征矩阵，对所述待检测玻璃进行区域分割和区域构建出所述增强缺陷特征集合对应的区域相似性矩对所述分类标签集合进行多维度玻璃质量的评分，得到玻璃质量基于预设的玻璃采集速度，对所述多源原始传感数据进行窗口分对所述多尺度分段系数进行玻璃检测对应高频干扰分量的阈值筛选基于所述多传感器阵列对应采样时间戳，对所述滤波后的多源基于预设的玻璃划分区块单元，对所述预处理后的多源原始传对所述玻璃纹理特征矩阵、所述形貌特征矩阵和所述光学特征矩阵进行归一化变换，对所述玻璃特征张量进行对应矩阵维度的奇异值分解，得到张量分解计算出所述模态特征向量中各特征向量对应的方差贡献率对所述玻璃缺陷重要特征进行对应玻璃缺陷特征的矩阵重构和二维结构的外积运算，对所述优化特征矩阵进行缺陷区域的空间密度变换，得到密度分布图3对所述初始标记区域进行特征相似像素的聚集和区域扩张生长，得到初始分割区域，对所述区域边界轮廓进行形态学腐蚀膨胀与噪声碎片消除，得到平滑对所述合并检测区域进行多检测特征的异常度计算与检测，得到异常提取所述初始缺陷区域集合对应多图像采集时刻的时序特征，得到缺陷特征时序矩对所述关键时序特征进行预设玻璃表面特性的数值序列变换与缺陷组合特征序列；对所述组合特征序列进行缺陷特征显著性的计算与对所述增强特征向量进行缺陷位置特征与表面整体对所述增强缺陷特征集合中各玻璃缺陷特征进行数值差异计算与特对所述缺陷相似度矩阵进行各玻璃缺陷特征间的关联度统计与关对所述初步分类结果进行玻璃缺陷特征的统计与类别确认，得到分类对所述分类标签集合中对应的表面质量参数进行特征统计与数据基于所述分级标准表，对所述质量特征表进行等级评定与参数分级4对所述综合评分值进行玻璃表面区域的划分与缺陷分布统计，得到区域评分分布图，对所述玻璃质量评价数据中对应的表面质量参数进行二次分布特征的提取与缺陷特对所述工艺关联表进行数据对比与参数影响计算，得到影响程度矩阵对所述关键参数表与各所述玻璃缺陷特征进行整合和检测结果汇总，预处理模块，用于利用预设的多传感器阵列采集待特征优化模块，用于提取所述预处理后的多源原始传感特征组合模块，用于基于所述优化特征矩阵，对所述待检测玻类别判定模块，用于构建出所述增强缺陷特征集合对应的区报告生成模块，用于对所述分类标签集合进行多维度玻璃质所述至少一个处理器调用所述存储器中的所述指令，以使得所述玻备执行如权利要求1_8中任一项所述的玻璃扫光后5[0004]本发明的主要目的在于解决现有的玻璃扫光后的检测方法忽视了多维表面特征67缺陷特征表中的缺陷类型与预设的扫光工艺参数进行关联与关系统计，得到工艺关联表；对所述多源原始传感数据进行信号去噪和同步变换，得到预处理后的多源原始传感数据；得所述玻璃扫光后的检测设备执行上述的玻璃扫光后的检测方法的各89对应采样时间戳，对所述滤波后的多源原始传感数据进行时间对齐和数据流的归一化转列系统同时采集玻璃表面的多源数据，其中面阵相机以25fps的采集频率获取玻璃表面的凸起伏和粗糙度等三维形貌数据，光电传感器则以100Hz的采样频率测量玻璃表面的透光数据在时间轴上完全对应，并考虑不同传感器采集的数据具有不同的物理量纲和数值范量分解结果，并提取所述张量分解结果中各维度上特征值大于预设特征阈值的特征向量，保证捕获到局部的细节特征，又能保持计算效率并对每个区块内的数据进行分析处理，计算出每个模态特征向量对应的方差贡献率，即该特征向量能够解释原始数据变化的程度，并通过设定贡献度阈值（如90%选择那些方差贡献率大于贡献度阈值的特征向量组对平滑后的边界区域进行面积筛选，将面积小于设定阈值的区域视为噪声区域予以删除，缺陷区域：计算局部密度：在该点周围5×5的窗口内，计算特征值的局部密度。若得到ρ;式可计算得到该区域的时序特征值。进而提取缺陷特征时序矩阵中特征值随时间的变化趋势，并在变化曲线上标记出特征值发生显著变化的关键时间点，这些关键点能够反键时序特征进行数值变换和量化处理，即将时序数据转换为能够表征缺陷状态的数值序列将这些特征进行组合，得到能够全面表征缺陷特性的特征序列；进而计算出组合特征序列反映了不同特征在缺陷检测中的重要程度，通过这种方式以突出关键特征的作用，同时抑制次要特征的影响以得到权重特征集，并将多个传感器采集的特征数据进行整合，综合特征向量；进而将增强特征向量中的缺陷位置信息和玻璃表面的整体特征信息进行重组，构建反映缺陷分布和表面状态的特征结构集（其中，这个结构集既包含了局部缺陷的详细特征，又包含了玻璃表面的整体特性并通过分析缺陷特征之间的关联关系，将相关的特;如计算两个划痕缺陷的差异度：假设有特征[长度,深度,宽度]分别为[2.5算出它们的差异度D(,)，进而对这个差异矩阵进行相似度分析，即通过设定相似度阈值将相近的缺陷特征聚类，以初步区分出不同类型的缺陷，例如将深度和长度相近的划痕归为了缺陷之间的关联关系后，对网络中的缺陷特征进行类型判定，即基于前面建立的关联关特征且经常同时出现的划痕归为一类，将具有相似面积、深度特征且分布规律相近的凹坑分布特征以及典型特征值，形成详细的分类统计表，并根据分类统计表为每种类型的缺陷生成唯一的分类标签，并将这些标签与缺陷的具体属性关联起来陷的位置信息、几何特征、光学特征等从而将每个缺陷赋予了一个包含完整信息的标签类标签集合。是导致特定类型缺陷产生的主要原因，将这些关键参数及其影响程度记录在关键参数表预处理模块201，用于利用预设的多传感器阵列采集待检测玻璃的多源原始传感特征优化模块202，用于提取所述预处理后的多源原始传感数据中所述待检测玻[0039]上面图2从模块化功能实体的角度对本发明实施例中的玻璃扫光后的检测装置进[0040]图3是本发明实施例提供的一种玻璃扫光后的检测设备的结构示意图，该玻璃扫光后的检测设备300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上质330的程序可以包括一个或一个以上模块（图示没标出每个模块可以包括对玻璃扫光[0042]本发明还提供一种玻璃扫光后的检测设备，所述计算机设备包括存储器和处理述各实施例中的所述玻