[发明专利]一种五金零件缺陷检测方法及系统

说明书

本发明涉及数据识别处理技术领域，具体涉及一种五金零件缺陷检测方法及系统。该方法对经由图像识别电子设备所识别得到的螺栓表面灰度图像进行数据获取，进而对获取的数据进行处理分析，侧重点是对数据处理方法进行改进，以低亮度像素点属于缺陷区域像素点的隶属度区分缺陷区域低亮度像素点和非缺陷区域低亮度像素点，并对缺陷区域低亮度像素点聚类，以聚类簇中低亮度像素点的隶属度相似性及低亮度像素点的密度确定聚类簇属于缺陷区域的可信度，筛选出属于缺陷区域的聚类簇区域并在其中进行缺陷检测。该方法排除了非缺陷区域上低亮度像素点对检测的干扰，缩小了检测的范围，实现了精确高效检测，解决了螺栓表面缺陷检测精确度不足的问题。

技术领域

本发明涉及数据识别处理技术领域，具体涉及一种五金零件缺陷检测方法及系统。

背景技术

螺栓在日常生活和工业生产制造过程中是十分常用且必不可少的五金零件，当前对螺栓检测的方法都是基于阈值分割进行异常识别，对螺栓上明显的缺陷检测的效果较好，但对于螺栓表面裂纹之类的微小不明显的缺陷则经常会漏检与错检，这是因为螺栓本就不属于精密加工五金零件，其表面常见因锻造或车削而形成的不平整、不光滑区域与车削痕迹，对裂纹这种螺栓表面微小缺陷的识别造成严重干扰，导致当前对螺栓该种五金零件的缺陷检测精确度不足。

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，用以解决现有技术对螺栓缺陷检测精确度不足的问题，所采用的技术方案具体如下：

本发明的一种五金零件缺陷检测方法，包括以下步骤：

识别螺栓表面，得到螺栓表面灰度图像；

根据灰度图像上所有像素点的灰度值中的最大值以及所有像素点的灰度值中的最小值，确定用于区分高亮度像素点以及低亮度像素点的灰度分界值，以所述灰度分界值确定灰度图像上所有的低亮度像素点；

根据低亮度像素点邻域内所存在的低亮度像素点的数量以及该低亮度像素点邻域内灰度值结构的熵值，确定该低亮度像素点属于可疑像素点的隶属度，并在该低亮度像素点属于可疑像素点的隶属度不小于隶属度阈值时，将该低亮度像素点作为可疑像素点；

对所有可疑像素点进行聚类，得到若干聚类簇，根据每个聚类簇中所有可疑像素点的隶属度以及所有可疑像素点的密度，确定该聚类簇属于可疑缺陷区域的可信度，并在该聚类簇属于可疑缺陷区域的可信度不小于可信度阈值时，将该聚类簇作为可疑缺陷区域；

确定每个可疑缺陷区域的最小外接矩形，对每个最小外接矩形进行平滑滤波，然后在平滑滤波后的各个最小外接矩形区域内进行边缘检测，确定螺栓表面缺陷。

本发明的有益效果为：

本发明该方法首先根据缺陷的灰度特征在螺栓表面灰度图像中找出了符合缺陷灰度特征的低亮度像素点，然后根据并不属于缺陷区域的干扰低亮度像素点与缺陷区域中低亮度像素点各自周围像素点的灰度结构熵值以及低亮度像素点的存在数量确定每个低亮度像素点属于可疑像素点的隶属度，确定出可能为缺陷像素点的可疑像素点，然后对可疑像素点聚类后通过每个聚类簇中可疑像素点的密度和对应隶属度的方差确定聚类簇属于可疑缺陷区域的可信度，以最终所确定的可疑缺陷区域作为缺陷检测的目标区域完成螺栓表面缺陷检测，不但排除了非缺陷区域上因螺栓表面不平滑特点而存在的干扰低亮度像素点的干扰影响，而且缩小了需检测的螺栓表面的区域范围，实现了对螺栓表面缺陷的高效准确检测。

进一步的，所述灰度分界值为，其中与分别为灰度图像上所有像素点的灰度值中的最小值以及最大值。

进一步的，所述低亮度像素点属于可疑像素点的隶属度为：