[发明专利]一种五金零件缺陷检测方法及系统

说明书

本发明提出了一种五金零件缺陷检测方法及系统，所述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图像，并对所述图像进行像素变化处理与灰度化处理；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；利用区域形状定位方法确定缺陷位置及类别。所述系统包括所述步骤对应的模块。

技术领域

本发明提出了一种五金零件缺陷检测方法及系统，属于零件缺陷检测技术领域。

背景技术

在现代社会中，五金零件在化工、电子、航天航空等各个行业中有着广泛的应用，在我们的生活中无处不在。在高速发展的工业环境下，人们开始对五金零件的外观质量给予较多的关注，因此，检测零件缺陷是加工产业不可缺少的环节之一，这就迫使人们对产品进行更严格的质量检测。传统的检测方法是人眼检测，此方法不仅低效而且易因工作人员的视觉疲劳导致误检或者漏检的问题，即使工作人员找到五金零件的证明缺陷，也只能依靠肉眼定位进行再加工，易造成二次加工缺陷，若直接舍弃工件又会造成资源浪费。因此，人眼无法连续、稳定地完成这种重复性的质量检测工作，寻求新的产品缺陷检测方法来替代人眼检测成为许多企业迫切需要解决的问题之一。

发明内容

本发明提供了一种五金零件缺陷检测方法及系统，用以解决五金零件证明缺陷的问题：

本发明提出的一种五金零件缺陷检测方法及系统，其特征在于，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：

S201、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；

S202、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；

S203、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；

S204、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。

进一步地，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将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，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；