[发明专利]零部件表面缺陷的识别方法和装置

说明书

一种零部件表面缺陷的识别方法和装置，其中，该方法包括：获取多个样品图像，其中，多个样品图像包括：多个无缺陷零部件的样品图像和多个有缺陷零部件的样品图像；根据多个样品图像，建立用于识别表面缺陷的卷积神经网络；获取待检测的零部件图像；根据待检测的零部件图像和用于识别表面缺陷的卷积神经网络，确定待检测的零部件是否存在表面缺陷。由于该方案通过先利用多个样品图像建立用于识别表面缺陷的卷积神经网络，再利用上述卷积神经网络识别零部件表面缺陷，从而解决了现有方法中存在的无法准确地识别零部件表面缺陷的技术问题，达到可以在光照较差的环境中快速、准确地识别零部件表面缺陷的技术效果。

技术领域

本发明涉及机械部件检测技术领域，特别是涉及一种零部件表面缺陷的识别方法和装置。

背景技术

在生产施工中，往往需要对大批量的机械零部件进行检测，以快速地从众多零部件中剔除不符合生产要求、质量不合格的零部件。例如，快速剔除存在表面缺陷的零部件。

目前，为了快速地识别零部件表面缺陷，现有方法大多是采集零部件图像，通过检测灰度阈值的方法将零部件的图像进行二值化处理，再将上述二值化处理后的图像与模板进行比对，以确定零部件的表面质量情况。但是，由于上述检测灰度阈值的方法本身相对比较简单，分辨率相对较低，导致具体实施时，识别零部件表面缺陷的准确度不高。并且，现有方法在实施的过程中通常对于光照环境的要求较高。在光照环境较弱的情况下，现有方法往往无法有效地识别出缺陷。综上可知，现有方法具体实施时，往往存在无法准确地识别零部件表面缺陷的技术问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施方式提供了一种零部件表面缺陷的识别方法和装置，以解决有方法中存在的无法准确地识别零部件表面缺陷的技术问题。

本申请实施例提供了一种零部件表面缺陷的识别方法，包括：

获取多个样品图像，其中，所述多个样品图像包括：多个无缺陷零部件的样品图像和多个有缺陷零部件的样品图像；

根据所述多个样品图像，建立用于识别表面缺陷的卷积神经网络；

获取待检测的零部件图像；

根据所述待检测的零部件图像和所述用于识别表面缺陷的卷积神经网络，确定待检测的零部件是否存在表面缺陷。

在一个实施方式中，所述零部件包括以下至少之一：轴承、螺钉、齿轮、气动元件、密封件、紧固件。

在一个实施方式中，根据所述多个样品图像，建立用于识别表面缺陷的卷积神经网络，包括：

根据所述多个无缺陷零部件的样品图像和多个有缺陷零部件的样品图像，建立第一训练集和第一测试集；

利用所述第一训练集和所述第一测试集进行训练，以建立零部件缺陷识别网络，并将所述零部件缺陷识别网络作为所述用于识别表面缺陷的卷积神经网络。

在一个实施方式中，所述多个有缺陷零部件的样品图像包括多种零部件缺陷类型图像。

在一个实施方式中，所述多种零部件缺陷类型图像包括：裂纹类型图像、划痕类型图像、孔洞类型图像、斑迹类型图像。

在一个实施方式中，所述根据所述多个样品图像，建立用于识别表面缺陷的卷积神经网络，包括：

根据所述多个无缺陷零部件的样品图像和多个有缺陷零部件的样品图像，建立第一训练集和第一测试集；

利用所述第一训练集和所述第一测试集进行训练，以建立所述零部件缺陷识别网络；

根据所述多种零部件缺陷类型图像，建立第二训练集和第二测试集；