[发明专利]工业零部件的缺陷检测方法、缺陷检测装置

说明书

本发明提供一种工业零部件的缺陷检测方法、缺陷检测装置，所述方法包括：对工业零部件的检测数据进行预处理；采用CART算法对预处理后的检测数据进行物理量特征筛选；根据工业零部件的缺陷分布情况和筛选出的每个物理量特征的基尼系数对筛选出的物理量特征进行由大至小排序，以获取排序结果；根据排序结果进行工业零部件的缺陷物理量特征选择；根据缺陷物理量特征进行工业零部件的缺陷检测。该检测方法在进行物理量特征选择时，先采用CART算法进行物理量特征筛选，再结合工业零部件的缺陷分布情况对筛选出的物理量特征进行进一步选择，从而可以获取得到了缺陷的决定性特征物理量特征，完成对多项目多缺陷的缺陷精准检测及划分。

技术领域

本发明涉及工业质检技术领域，具体涉及一种工业零部件的缺陷检测方法、工业零部件的缺陷检测装置。

背景技术

目前，基于工业质检的缺陷检测方法大多是人为根据历史经验选取对缺陷影响大的物理量特征进行数据分析，但由于工业质检数据本身存在特殊性，比如为了尽量减少缺陷漏检，多角度多次拍摄获取同一缺陷的数据；不同相机型号，不同光照湿度等环境下通过图像识别缺陷的清晰程度；工件本身的材质、颜色、工艺差异等原因造成缺陷物理量描述不一，不同缺陷特征物理量个数较多，进而会导致检测模型的运行时间长、精度差。

并且，人为根据历史经验选取物理量特征存在很多局限性，考虑不够全面，例如，线状缺陷的长宽物理量权重较大，而不考虑面积物理量；块状缺陷则是缺陷的面积物理量权重较大，而不考虑长宽物理量；毛絮、指纹等污渍可能判定为缺陷，从而会导致物理量特征选择不到决定性特征物理量特征，进而导致检测模型可能存在欠拟合或预测不出较优的结果。

发明内容

为解决上述技术问题，本发明的第一个目的在于提出一种工业零部件的缺陷检测方法，该检测方法在进行物理量特征选择时，先采用CART（Classification AndRegression Tree，分类回归树）算法进行物理量特征筛选，再结合工业零部件的缺陷分布情况对筛选出的物理量特征进行进一步选择，从而可以获取得到了缺陷的决定性特征物理量特征，减少工业零部件的不同缺陷特征物理量个数，从而提高模型精确度，减少运行时间的目的，且可以剔除不相关或冗余的特征，克服了由于光照条件、相机角度、工件差异、亮度湿度等导致的缺陷物理量描述不一的不利因素，完成对多项目多缺陷的缺陷精准检测及划分。

本发明的第二个目的在于提出一种工业零部件的缺陷检测装置。

本发明采用的技术方案如下：

本发明第一方面的实施例提出了一种工业零部件的缺陷检测方法，包括以下步骤：获取所述工业零部件的检测数据；对所述检测数据进行预处理，所述预处理包括：数据清洗、平衡数据分布和标准化处理；以基尼系数作为特征评分标准，采用CART算法对预处理后的检测数据进行物理量特征筛选；根据所述工业零部件的缺陷分布情况和筛选出的每个物理量特征的基尼系数对筛选出的物理量特征进行由大至小排序，以获取排序结果；根据所述排序结果进行所述工业零部件的缺陷物理量特征选择，其中选择排序结果中前预设个物理量特征作为所述工业零部件的缺陷物理量特征；根据所述缺陷物理量特征进行所述工业零部件的缺陷检测。

本发明上述提出的工业零部件的缺陷检测方法还可以具有如下附加技术特征：