[发明专利]一种五金零件缺陷检测方法及系统

权利要求书

1.一种五金零件缺陷检测方法，其特征在于，所述五金零件缺陷检测方法包括：

采集五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片，利用像素变化处理和灰度化处理获取所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的图像；

构建五金零件三维模型，提取所述五金零件三维模型的特征点，得到五金零件的缺陷检测模型；获取五金零件被检测图片的图像信息并导入所述缺陷检测模型；

利用所述缺陷检测模型对所述五金零件被检测图片的图像信息进行检测识别，获取所述五金零件被检测图片对应的缺陷类别和缺陷区域；

识别所述缺陷区域的区域边缘线，并利用所述区域边缘线获取所述区域的区域形状，利用所述区域形状对所述五金零件被检测图片的缺陷区域进行定位，获得所述五金零件被检测图片的缺陷类型和位置，并通过智能终端显示。

2.根据权利要求1所述五金零件缺陷检测方法，其特征在于，所述采集五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片，利用像素变化处理和灰度化处理获取所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的图像包括：

通过工业相机采集完好的五金零件的标准图片及对应的有缺陷的五金零件的缺陷样本图片，对所述缺陷样本图片进行标号和定义缺陷类型；并对采集的所述五金零件的标准图片及对应的有缺陷的五金零件的缺陷样本图片进行图像去噪处理和降低像素处理；获得所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像；其中，所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像，像素达到16×16；

对所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像进行灰度化处理，获得所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的灰度化图像；

对所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的灰度化图像提高像素，获取所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的高像素图像；其中所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的高像素图像，像素达到800×600；

其中，获得所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的灰度化图像包括：

获得输入的所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像；基于海鸥算法计算图像的灰度化加权系数；利用图像灰度化加权系数对所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像进行灰度化处理；

基于海鸥算法计算图像的灰度化加权系数包括：在设定参数范围内，初始化海鸥位置；迭代海鸥目标位置；根据海鸥目标位置，确定图像灰度化加权系数；其中，所述设定参数包括：海鸥的巡优边界、海鸥的通道数量、海鸥种群的大小和最大迭代次数。

3.根据权利要求1所述五金零件缺陷检测方法，其特征在于，所述构建五金零件三维模型，提取所述五金零件三维模型的特征点，得到五金零件的缺陷检测模型；获取五金零件被检测图片的图像信息并导入所述缺陷检测模型包括：

通过获取的所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的高像素图像信息，利用特征建模方式建立五金零件三维模型；通过多个五金零件缺陷图片，获取缺陷三维模型库，确定每个所述缺陷图片对应的缺陷信息，从而生成训练数据集及验证数据集；运用所述训练数据集对所述缺陷检测模型进行初始化处理，将生成对比网络的权重参数固定，分别进行判别处理和生成处理，然后使所述生成对比网络的损失函数值在预设阈值范围内，得到训练后的缺陷检测模型；

将所述五金零件的三维模型输入至所述缺陷检测模型中，利用所述缺陷检测模型对所述三维模型进行缺陷检测识别，获得与所述三维模型对应的缺陷检测结果，将所述缺陷检测结果与所述验证数据集中的对应缺陷数据进行比较，获得所述缺陷检测结果与所述验证数据集中的对应缺陷数据之间的误差值；

当获取的误差值在预先设置好的误差范围内时，则证明缺陷检测精度符合标准，然后输出缺陷检测模型；

对所述缺陷检测模型进行初始化处理，获取五金零件被检测图片的图像信息，并将所述五金零件被检测图片的图像信息导入缺陷检测模型。