1.一种清洗质量评价方法,其特征在于,包括以下步骤:
s1、通过多个视觉相机采集清洗后的零部件图像,对零部件图像进行预处理和拼接,并采用卷积神经网络对零部件的污迹进行目标识别与分割;
s2、对污迹的颜色深度进行量化评分,并与污迹的面积相乘,得到每块污迹的评分,零部件的所有污迹的评分总和与零部件表面的总面积之比得到评分a;
s3、根据污迹的形状及分布,对二次补洗的能量消耗进行分析,根据分散的多个污迹的拓扑结构进行合并,采用形态学膨胀操作计算二次补洗时所需的清洗面积,获得无需清洗的面积与零部件表面的总面积之比,得到评分b;
s4、对评分a和评分b进行加权计算,得到零部件清洗质量总评分。
2.根据权利要求1所述的清洗质量评价方法,其特征在于,零部件图像的预处理包括采用中值滤波和高斯滤波进行降噪以及采用直方图均衡化消除亮度差异。
3.根据权利要求1所述的清洗质量评价方法,其特征在于,生成一系列的目标候选区域,使用卷积神经网络提取目标图像中的卷积特征,对目标图像数据进行分类,对调整后的样本候选框使用非极大值抑制,去除掉重合程度过大的样本候选框,得到样本目标候选框。
4.根据权利要求1所述的清洗质量评价方法,其特征在于,对识别出的污迹进行分类,在零部件内的污迹定义为有效污迹,在零部件外的污迹定义为环境污迹。
5.根据权利要求4所述的清洗质量评价方法,其特征在于,对每个有效污迹的颜色深度进行评分,污迹颜色深度的评分由深至浅分别为1分、2分、3分、4分和5分,清洗干净部分记为5分。
6.根据权利要求5所述的清洗质量评价方法,其特征在于,多个视觉相机获得的零部件表面的像素总和记为零部件表面的总面积,每块污迹的像素个数记为每块污迹的面积,计算得到评分
7.根据权利要求1所述的清洗质量评价方法,其特征在于,以清洗刷头的最小清洗面积所占像素个数作为卷积核,对污迹进行形态学膨胀操作,计算后续二次补洗时需要清洗的面积。
8.根据权利要求7所述的清洗质量评价方法,其特征在于,对污迹进行归一化处理,将所有污迹的颜色定义为白色,像素值为255,清洗干净部分定义为黑色,像素值为0,对图像进行形态学膨胀操作,填充污迹的小洞及连接相近的污迹,将目标像素的值替换成卷积核覆盖区域内的局部最大值,膨胀后,白色部分的面积为二次补洗的实际清洗面积,计算无需清洗的面积占零件总面积之比,评分
9.根据权利要求8所述的清洗质量评价方法,其特征在于,评分b的满分为5分,评分b越高,补洗代价越小,评分b越低,补洗代价越大。
10.根据权利要求1-9任一项所述的清洗质量评价方法,其特征在于,零部件清洗质量总评分为a*c+b*(1-c),其中c的取值范围为0至1。