[发明专利]基于多特征融合机器学习的汽车座椅缺陷检测方法

说明书

本发明涉及机器视觉检测领域，尤其涉及一种基于多特征融合机器学习的汽车座椅缺陷检测方法。本发明公开了一种基于多特征融合机器学习的汽车座椅缺陷检测方法，适用于不同颜色、材质的物料，无需多模板匹配，工业机器人根据检测结果自动分拣至指定区域。通过提取多类别汽车座椅物料的颜色和纹理特征，训练多特征融合分类器以识别物料类别信息，筛选物料类别异常；根据分类结果，结合Blob分析进行缺陷检测，判断是否存在破损、污渍；工业机器人接收缺陷检测结果，抓取工件，自动分拣至物料类别异常、破损、污渍、合格品指定区域。本发明无需多模板匹配，时效性高，实现高效分拣多类别汽车座椅物料缺陷。

技术领域

本发明涉及机器视觉检测领域，尤其涉及一种基于多特征融合机器学习的汽车座椅缺陷检测方法。

背景技术

工业机器人作为面向工业领域的多关节机械手或多自由度机器装置，现今已广泛应用于各行各业，旨在实现工业生产线上各类应用的自动化操控，如码垛、搬运、分拣等，从而节省时间和经济成本。随着人工智能和工业4.0的发展，机器视觉作为代替人眼的辅助工具，对图像进行处理、分析、计算，配合工业机器人，被广泛应用于工业领域外观检测、识别、定位，实现上下料、分拣等功能。

不同行业，相似的视觉应用需求，机器视觉方案会有所不同。例如3C行业物料缺陷检测方案较简单、通用，由于物料种类单一，只需要模板匹配，即可获取物料位置信息，将来料图像进行仿射变换，与模板图像对齐，并作差分比较，实现缺陷检测。然而，该方法在汽车制造业并不适用，例如同一汽车座椅生产线会处理不同品牌的汽车座椅，而每一品牌的汽车座椅在形状、颜色、材质等方面也会有所区别，因此，同一生产线的汽车座椅物料非常多，甚至多达几十种，通过单一模板匹配无法解决物料种类丰富的视觉应用问题。

中国发明专利申请CN106226325B公开了一种基于机器视觉的汽车座椅表面缺陷检测系统及检测方法，系统包括光源装置、单片机数控系统装置、图像采集装置、图像处理和分析平台、数据库系统和硬件装置，在此系统基础上，结合颜色识别、模板匹配等机器视觉算法，判断座椅是否存在缺陷，提供了一套完整的汽车座椅表面缺陷检测系统及方案。该缺陷检测视觉方案的关键在于通过数据库系统，对检测图像进行多模板匹配，依次计算该来料在每个搜索空间与每个模板的相似度，确定检测图像类型，再获取检测图像颜色和材质特征，与模板数据进行比较。汽车座椅的形状、颜色、材质种类丰富，若每一种物料建立一个模板，对新的检测图像进行多模板匹配效率太低，上述方法适合种类单一或较少、时效性要求不高的场景。

发明内容

本发明旨在一种基于多特征融合机器学习的汽车座椅缺陷检测方法，无需多模板匹配，通过预训练的基于多特征融合机器学习算法识实现物料类别信息，检测物料类别异常缺陷；根据分类结果进行分组Blob分析判断是否存在破损、污渍缺陷，筛选不合格品。

为解决以上技术问题，本发明的技术方案为：基于多特征融合机器学习的汽车座椅缺陷检测方法，其步骤包括：

步骤1：通过提取多类别物料样本图像的颜色特征和纹理特征，采用机器学习算法训练多特征融合分类器；

步骤2：采集汽车座椅图像，提取汽车座椅当前物料的颜色特征和纹理特征，并将颜色和纹理特征变量融合为综合特征向量，运用训练的多特征融合分类器进行识别，输出当前物料所属类别；

步骤3：对汽车座椅图像的灰度图像进行动态阈值分割，获取目标区域和背景；对目标区域进行Blob分析，获取连通区域，并计算连通区域特征，设置用于筛选出不合格品的连通区域特征阈值，进行缺陷检测。

按以上方案，所述步骤1具体为：

步骤1.1：将每种物料的图像ColorImg进行类别标注Label，表征为ColorImg,Label,添加至样本集，每种类别包含Num张图像；

步骤1.2：对样本集彩色图像ColorImg进行高斯滤波预处理，作噪声平滑，高斯滤波的核函数为：