[发明专利]一种基于计算机视觉的机械零件表面气孔缺陷检测方法

说明书

本发明涉及机械零件缺陷检测领域，具体涉及一种基于计算机视觉的机械零件表面气孔缺陷检测方法，包括：获取待处理的机械零件表面图像对应的缺陷概率图；获取缺陷概率图中的不确定区域；对不确定区域中的像素点及其8邻域像素点进行缺陷概率值差异判断，获取不确定区域对应的图像分割图；利用图像分割图中边缘像素点的缺陷相似度和缺陷差异度，获取图像分割图对应的主要复制增强端和起始旋转方向；利用图像分割图对应的主要复制增强端和起始旋转方向，获取图像分割图对应的旋转复制的新图像；将旋转复制的新图像输入训练好的缺陷识别网络，完成对机械零件表面的气孔检测。通过上述方法可增强气孔缺陷的图像特征，有效提高气孔缺陷检测精度。

技术领域

本发明涉及机械零件缺陷检测领域，具体涉及一种基于计算机视觉的机械零件表面气孔缺陷检测方法。

背景技术

目前，对机械零件表面气孔缺陷检测主要依靠专业人员通过人眼进行识别，也出现了通过神经网络对机械零件缺陷表面的气孔缺陷进行识别，最终达到对机械零件表面气孔缺陷检测的要求。

现有技术中，存在的问题主要有：通过人工进行缺陷识别，容易造成误检测，自动化能力较差，需要大量的人力；通过现有的气孔缺陷识别算法识别缺陷时，往往遇到比较小的气孔会造成漏检，对微小的缺陷识别精度较低。针对上述问题，本发明提出了基于计算机视觉的机械零件表面气孔缺陷检测方法。在原有目标检测算法的基础上，利用缺陷概率图分析，将可能为缺陷的像素点位置作为标记，自动生成分割线，进行区域图像分割，将分割后的区域图像进行旋转复制，目的是为了增大缺陷区域大小，增强缺陷的图像特征，提高缺陷识别网络的检测能力。

发明内容

为了克服上述现有技术的缺点，本发明提供了一种基于计算机视觉的机械零件表面气孔缺陷检测方法，以提高气孔检测精度和检测效率。

为达到上述目的，本发明采用以下技术方案，一种基于计算机视觉的机械零件表面气孔缺陷检测方法，包括：

获取待处理的机械零件表面图像对应的缺陷概率图；

对获取的缺陷概率图进行阈值分割，获得缺陷概率图中的不确定区域；通过对该不确定区域中的像素点及其8邻域像素点进行缺陷概率值差异判断，获取不确定区域对应的图像分割图；

通过对分割后的区域图像中缺陷概率值较大的边缘像素点进行缺陷相似度计算，获取该区域图像对应的主要复制增强端；

通过对区域图像对应的主要复制增强端的边缘像素点进行缺陷差异度计算，获取该区域图像对应的起始旋转方向；

以主要复制增强端的最外边缘像素点为圆心，以区域图像为半径，沿着起始旋转方向进行旋转复制一周，获取不确定区域对应的旋转复制的新图像；

通过对不确定区域对应的旋转复制的新图像中增大的缺陷区域进行气孔检测，得到该不确定区域对应的原始图像中新的气孔缺陷像素点的位置。

所述待处理的机械零件表面图像对应的缺陷概率图是按照如下方式获取：

将采集到的待处理的机械零件表面图像进行灰度处理，获取该机械零件表面图像对应的灰度图；

对灰度图中的气孔缺陷位置的像素点进行标记，将标记好的灰度图输入缺陷识别网络进行训练，得到训练好的缺陷识别网络；

将待处理的机械零件表面图像对应的灰度图输入训练好的缺陷识别网络进行特征提取，获取待处理的机械零件表面图像对应的缺陷概率图。

所述缺陷概率图中的不确定区域是按照如下方式获取：

设定缺陷分类阈值M₁，对缺陷概率图中的像素点进行初步缺陷识别：当缺陷概率图中第i个像素点的缺陷概率值P_i＞M₁时，将该像素点识别为缺陷像素点；