[发明专利]一种变速鼓零件缺陷图像特征提取以及检测分类方法

说明书

本发明涉及一种变速鼓零件缺陷图像特征提取以及检测分类方法，属于机器视觉领域，包括步骤：S1：获取特征点，计算出特征点区域的主方向，进行坐标变换，分为8个方向，计算出周围4×4区域的方向描述子，形成128维描述向量；S2：采用K‑means聚类，设计词库数量为1000，生成词频向量；S3：将最初缺陷图片转为HSV格式，按通道在每块图像上提取一阶、二阶和三阶颜色矩特征，形成颜色矩特征向量；S4：将步骤S2的词频向量与步骤S3的颜色矩特征向量分别输入SVM进行训练，按照不同的兴趣区域以及计算出的可信度，得到对应的融合模型，实现准确分类。

技术领域

本发明属于机器视觉领域，涉及一种变速鼓零件缺陷图像特征提取以及检测分类方法。

背景技术

随着人们的生活水平不断的提高，人们的出行方式一直在发生变化，其中摩托车作为一种传统而便利的代步工具，受到全世界人们的广泛喜爱，也具有很大的市场。然而在摩托车中有一个重要的零件，就是变速鼓。变速鼓也叫变速凸轮轴，它是摩托车发动机变速机构的关键部件。变速鼓的顺时针或逆时针旋转来促使拨叉在其变速型线凹槽内上下移动从而拨动主副轴齿轮，以达到换挡目的。倘若变速鼓出现缺陷，对摩托车的质量问题以及安全问题将是一个严重的打击。因此，研究变速鼓零件缺陷特征提取以及检测分类方法具有重要意义。

近年来，零件的缺陷检测得到了快速发展，主要以基于机器视觉的检测方法为主。研究人员提出了许多不同的基于机器视觉的检测方法。主要包括边缘检测技术，比如Sobel边缘检测方法、Canny算子方法、普利维特方法和罗伯茨交叉边缘检测。这类方法虽然能够一定程度的检测出零件缺陷，但是这类算法对缺陷的描述并不是特别准确，同时对于不规则零件的检测往往达不到预期，所达到的检测精度也不高。而在分类阶段，传统分类往往采取单一特征，所得到的分类模型也达不到很好的分类效果。因而相对理想的方案就是，特征提取采用特征点描述方式，而分类采用局部与全局的多特征融合分类方式。目前这类方案的问题在于如何采集特征点以及如何融合多特征。

发明内容

有鉴于此，本发明的目的在于提供一种变速鼓零件缺陷图像特征提取以及检测分类方法为达到上述目的，本发明提供如下技术方案：

一种变速鼓零件缺陷图像特征提取以及检测分类方法，采用改进的SIFT算法方案找到最优的变速鼓缺陷图像缺陷特征向量，以及采用颜色矩特征进行多特征融合，具体包括以下步骤：

S1：获取特征点，计算出特征点区域的主方向，进行坐标变换，再将方向分为8个方向，计算出周围4×4区域的方向描述子，从而形成128维描述向量；

S2：根据步骤S1的128维描述向量，采用K-means聚类，设计词库数量为1000，从而生成词频向量；

S3：将最初缺陷图片从RGB格式转为HSV格式，按通道在每块图像上提取一阶(mean)、二阶(variance)和三阶(skewness)颜色矩特征，从而形成颜色矩特征向量；

S4：将步骤S2的词频向量与步骤S3的颜色矩特征向量分别输入SVM进行训练，按照不同的兴趣区域以及计算出的可信度，得到对应的融合模型，从而实现准确分类。

进一步，步骤S1中，所述特征点的检测采用FAST算法，与周围点进行比较，找出差异大的角点。

进一步，步骤S1具体包括以下步骤：

S11：通过FAST算法检测特征点：

其中p为候选特征点，I为像素的灰度值，t为阈值，x是以P为中心，r为半径的圆周上的任意一点像素值；

由公式(1)得到，每个像素点都有一个状态与之相对应，通过计算状态为darker或brighter的像素点的个数，如果个数大于n，则该点被视为特征点；