[发明专利]一种基于机器视觉的涂层缺陷检测系统与方法

权利要求书

1.一种基于机器视觉的涂层缺陷检测系统，其特征在于，所述检测系统包括：图像采集模块、图像采集卡、工控机计算平台、工件传送装置、筛选执行装置、基于神经网络的检测模型；所述图像采集模块包括亮度补偿装置、工业相机、相机夹持装置，所述工件传送装置负责将待检测工件传输至检测区域和筛选区域，所述图像采集卡连接工业相机和工控机计算平台，所述工控机计算平台将所采集到的待测工件的涂层检测图像进行随机裁切与尺度缩放并实时输入到基于神经网络的检测模型内输出检测分类结果，并将分类结果转换为控制信号发送给筛选执行装置。

2.根据权利要求1所述的一种基于机器视觉的涂层缺陷检测系统，其特征在于，所述筛选执行装置根据工控机计算平台发送信号对有涂层缺陷的工件进行分批剔除筛选。

3.一种基于机器视觉的涂层缺陷检测方法，其特征在于，包括如下步骤：

s1.工件传送装置将待检测工件传送至图像采集模块下方的待检测区域；

s2.图像采集模块对待检测工件表面涂层图像进行采集，并通过图像采集卡将采集到的涂层表面图像传输至工控机计算平台；

s3.工控机计算平台上运行程序对当前读入的涂层图像进行预处理，并将其加载到已部署在工控机计算平台上的涂层表面缺陷检测神经网络模型内，对当前工件的涂层缺陷类型进行实时识别分类；

s4.检测模型将分类结果实时反馈至与工控机计算平台连接的筛选执行装置，对当前工件进行分批筛选。

4.根据权利要求3所述的一种基于机器视觉的涂层缺陷检测方法，其特征在于，所述步骤s3中涂层表面缺陷检测神经网络模型的构建步骤包括：

s1.采集正常涂层和有缺陷涂层样本的涂层样本原始图像；

s2.将采集到的涂层样本原始图像进行图像裁切和尺度缩放处理，生成涂层样本图像数据集；

s3.利用步骤s2中涂层样本图像数据集对神经网络模型进行训练，构建神经网络模型。

5.根据权利要求4所述的一种基于机器视觉的涂层缺陷检测方法，其特征在于，所述步骤s1中采集的涂层样本为人为制作的缺陷涂层或喷涂过程中自然形成的缺陷涂层，涂层样本包括正常涂层样本、橘皮缺陷涂层样本、露底缺陷涂层样本、龟裂缺陷涂层样本、流挂缺陷涂层样本。

6.根据权利要求4所述的一种基于机器视觉的涂层缺陷检测方法，其特征在于，所述步骤s2中图像裁切的方法包括：均匀网格裁切、随机裁切、随机旋转裁切；尺度缩放方法包括：最近邻算法、双线性插值算法、双三次插值算法。

7.根据权利要求4所述的一种基于机器视觉的涂层缺陷检测方法，其特征在于，所述步骤s3中神经网络模型包括：Resnet50、Xception、DenseNet121。