[发明专利]基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法

说明书

本发明公开了一种基于GFV‑SIFT特征的振动环境注塑模具异常缺陷检测方法。采集模板图像和实时图像，使用局部特征向量提取初始匹配点，计算两幅图像初始匹配点之间的初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；构造各自的全局向量并作归一化处理；构造新向量计算最终相似性，用最终匹配阈值对最终相似性分割判断获得最终匹配对；用最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。本发明实现了在振动环境下，模具异常状态检测精度可得到提高。

技术领域

本发明涉及计算机视觉及工业自动化技术领域，具体涉及一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法。

技术背景

随着定制产品多样性和生产自动化的发展，注塑模具保护装置在制造业中使用得越来越广泛。模具保护装置是一种对各种注塑机生产过程进行实时保护、测试和控制的系统，它能有效检测产品是否存在缺陷及合模前是否有塑料件残留以防止损坏模具。因此，确保模具保护系统准确高效地工作已经成为一个重要的任务。

现有基于视觉的模具保护系统通过分析注塑期间捕获的图像来智能保护注塑模具，主要通过将实时图像与模板图像匹配来获取其异常状态。图像配准步骤的准确性和效率直接影响后续结果，然而，在注塑机加工过程中，总是存在明显振动，使得实时图像与模板图像位置的变化会引起系统误报警。因此，提高系统中图像配准的准确率是一个亟待解决的问题。近年来许多图像配准研究广泛使用局部特征点，如SIFT、PCA-SIFT和SURF。这些局部特征在大多数情况下是鲁棒的，但它们无法满足图像局部区域存在多处类似时的情况。模具结构表面纹理信息少，局部区域结构相似或对称，使得模具图像直接使用现有局部特征匹配会导致大量误匹配，从而导致模具检测系统误报警频繁。因此，这些基于局部信息的特征不能直接用于模具保护系统中的图像匹配。另有一些仅基于全局特征的图像匹配方法，可以一定程度解决局部特征的问题，但它们配准效果不够鲁棒。现有这些算法都不能满足生产过程中模具保护系统的准确率要求。

发明内容

为解决上述模具检测系统的不足，本发明提出一种基于GFV-SIFT特征的振动环境注塑模具异常缺陷检测方法，以解决现有模具保护系统误报警频繁的问题。

如图1所示，本发明的技术方案包括以下步骤：

1)采集获得无缺陷注塑模具的模板图像和待测注塑模具的实时图像，针对两幅图像使用局部特征向量提取初始匹配点，将同一个局部特征向量在两幅图像分别获得的两个初始匹配点作为一对匹配对，计算一对匹配对的两个初始匹配点之间的欧氏距离并作为初始相似性，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对；

模板图像是指预先已采集的无缺陷的注塑模具表面图像。

实时图像是指待测注塑模具表面图像。

具体实施中，通过相机拍摄获得的注塑模具生产过程的模具表面图像作为模板图像和实时图像，注塑完成后采集一次，脱模之后采集一次。

2)由步骤1)得到所有初始匹配对中的每一个初始匹配点构造各自的全局向量，然后对全局向量作归一化处理；

3)由步骤2)得到的归一化后的全局向量与其各自对应的局部特征向量用权重因子构造一个新向量，计算一对初始匹配对的两个初始匹配点之间的欧氏距离并作为最终相似性，用最终匹配阈值对所有最终相似性进行分割判断获得最终匹配对；

4)用步骤3)中得到的最终匹配对计算投影变换矩阵，用投影变换矩阵投影变换实时图像，然后差分处理变换后的实时图像与模板图像，再去噪声处理后提取区域判断是否存在异常缺陷。

所述步骤1)中，用初始匹配阈值对所有初始相似性进行分割判断获得初始匹配对，具体为：将初始相似性小于等于初始匹配阈值的匹配对保留，作为初始匹配对；否则剔除。