一种利用光强判定被测物表面差异的方法与流程

本发明属于测量技术改进领域，尤其涉及一种利用光强判定被测物表面差异的方法。

背景技术：

物体表面的缺陷检测已经是自动化行业越来越侧重的方向。任何一件产品，包括电子行业，汽车行业，建筑行业，都有着对于表面检测的强烈需求。常规工业化检测大多使用ccd图像采集，之后进行影响分析比对达到检测目的，对缺陷本身的种类和大小有一定限制，且成本比较高昂。本文中算法基于采用感光传感器扫描被测物表面，利用传感器的模拟量输出值结合被测物表面位置进行矩阵分割与系数关联，通过感光强度输出值的预测及差值分析，达到表面差异点的检测效果。

技术实现要素：

本发明的目的在于提供一种利用光强判定被测物表面差异的方法，旨在解决上述的技术问题。

本发明是这样实现的，一种利用光强判定被测物表面差异的方法，所述方法包括以下步骤：

s1、利用感光传感器模组对被测物表面发光区域进行数据采集；

s2、根据不同pwm照度与感光传感器模组模拟输出之间的规律进行曲线拟合；

s3、根据标准样本和被测样本的特性曲线推导两者的关联公式；

s4、根据两者之间的关系对被测样本的对应点的位置的理论值进行计算，理论值＝(mg_c/rm_c)*rm_t*x；

s5、根据理论值与实测值之间偏差值范围确定差异；

其中，c为参考基准点，t为被预测计算的点，g为标准样本，d为待测物，mg为标准样本的pwm曲线的斜率；md为被测样本的pwm曲线的斜率；rm＝mg/md。

本发明的进一步技术方案是：所述步骤s1中还包括以下步骤：

s11、感光传感器模组依据不同被测物特征进行动态扫描获取采样数据并对采样数据进行软件滤波处理；

s12、将获取的数据与被测物发光区域进行匹配得到有效数据矩阵。

本发明的进一步技术方案是：所述步骤s12中还包括以下步骤：

s121、根据被测物表面各个区域的特性不同，相应地将整个数据矩阵划分成不同的数据区域。以便进一步针对性处理。

本发明的进一步技术方案是：所述步骤s2中还包括以下步骤：

s21、采集在pwm可调区间范围内不同pwm照度下的传感器输出值；

s22、将不同pwm照度下采集的数据进行平均值和rms值计算；

s23、分别根据平均值和rms值进行特性曲线拟合获取拟合曲线，拟合曲线：y＝m*x+b，其中，x：pwm数值，m：pwm曲线的斜率，b：系统噪音。

本发明的进一步技术方案是：所述步骤s5中还包括以下步骤：

s51、根据理论值与实测值计算偏差值比率，其e＝(理论值实测值)/理论值；

s52、根据步骤s51中的公式分别计算预设值个标准样本的数据矩阵e值并找出最大e值；

s53、根据步骤s51中的公式计算被测物数据矩阵e值矩阵；

s54、比较标准样本和待测物的e值数据矩阵确定差异。

本发明的有益效果是：该方法简化了差异点的测量，测试成本低廉，感光传感器模组的硬件成本更加低，制作生产更加方便；因为没有涉及的图像数据处理，所以软件算法上的数学运算量大大减少，有助于整个软件的处理速度提高。

附图说明

图1是本发明实施例提供的利用光强判定被测物表面差异的方法的流程图。

图2是本发明实施例提供的无差异检测数据矩阵图。

图3是本发明实施例提供的有差异检测数据矩阵图。

图4是本发明实施例提供的无差异标准样本和实测样本对应图。

图5是本发明实施例提供的有差异标准样本和实测样本对应图。

具体实施方式

图1示出了本发明提供的利用光强判定被测物表面差异的方法，其详述如下：

步骤s1，利用感光传感器模组对被测物表面发光区域进行数据采集；将被测物和标准样本准备好，将标准样本导入系统中，在系统中生成一个标准样本数据库，并在数据库中对样本数据进行编号和生成索引信息；将被测物置于测试台上，利用感光传感器模组依据不同被测物表面特征进行动态扫描，获取采样数据并进行软件滤波处理；将处理后数据与被测物发光区域进行精确匹配，得到有效数据矩阵；被测物表面特性不一致，需针对不同区域将数据矩阵进行相应分割；根据被测物表面各个区域的特性不同，相应地将整个数据矩阵划分成不同的数据区域。以便进一步针对性处理。

步骤s2，根据不同pwm照度与感光传感器模组模拟输出之间的规律进行曲线拟合；在将被测物采样的数据经过处理后，将采集pwm可调区间范围内不同pwm强度下的传感器模拟输出值；例：pwm0～100，可采集20，40，60，80，100pwm照度的输出值，视待测物而定；对不同pwm照度下的采样数据进行平均值和rms(均方根)值计算；平均值计算过程：假如被测物表面同一个位置连续采集n次数据，将这n次数据从小到大进行排序：data_1，data_2，……data_99，data_n，忽略最大的n1个数据和最小的n2个数据，然后对剩余的数据求取平均值rms计算过程：假如被测物表面同一个位置连续采集n次数据，将这n次数据从小到大进行排序：

data_1，data_2，……data_99，data_n，忽略最大的n1个数据和最小的n2个数据，然后对剩余的数据求取rms值，

分别根据平均值和rms值进行特性曲线拟合，曲线拟合过程：要求的曲线方程为：y＝m*x+b(y＝传感器模拟输出值，x＝pwm值)，在同一种pwm照度(x)下，采集n次数据(y)，对这n次数据，我们分别计算它的平均值和rms值，y1和y2。那么，针对n种pwm照度(x)，就可以得到n组平均值原始散点数据(xi，y1i)和n组rms原始散点数据(xi，y2i)，其中，i＝1...n。基于最小二乘法，进行曲线(y＝m*x+b)拟合，可以求得以下系数的值：

m＝(∑xi*yi-(∑xi*∑yi)/n)/(∑xi²-(∑xi)²/n)；

b＝(∑yi)/n-m*(∑xi)/n。

其中，i＝1…n。

根据拟合出来的曲线系数和原来的xi值，计算预测数据：ypi＝m*xi+b原始散点数据平均值yai＝(∑yi)/n，xai＝(∑xi)/n；

曲线拟合方程的确定系数r²＝∑(ypi-yai)²/∑(yi-yai)²。

其中，i＝1…n。

r²越接近1，表示拟合的程度越好。分别把两种原始散点数据带入以上公式计算其m和b的系数以及r²，选取r²接近1的一组m和b的系数作为最终的曲线方程系数。选取最佳的拟合曲线：y＝m*x+b。(y＝传感器模拟输出值，x＝pwm值)。

步骤s3，根据标准样本和被测样本的特性曲线推导两者的关联公式；根据pwm拟合曲线公式y＝m*x+b(y＝传感器模拟输出值，x＝pwm值)，那么，对于标准样本，yg＝mg*x+bg(1)，对于被测样本，yd＝md*x+bd(2)，因为是同一个测量系统，那么，bg＝bd(3)。其中，y为感光传感器采样输出值，x为pwm数值，b为系统噪音，m为pwm曲线的斜率，g为标准样本，d为待测物。将公式(1)和公式(2)相减，结合公式(3)的关系，我们可以得出yg-mg*x＝yd-md*x，经过变换，可以得到md＝(yd-yg+mg*x)/x，再进一步变换，最终可以得到两者的关联，md＝mg+(yd-yg)/x。

步骤s4，根据关联系数利用标准样本对应点位置的数据对实测样本关联的点位置的理论值进行计算，理论值＝(mg_c/rm_c)*rm_t*x；其中，c为参考基准点，t为被预测计算的点，g为标准样本，d为待测物，mg为标准样本的pwm曲线的斜率；md为被测样本的pwm曲线的斜率；rm＝mg/md。

步骤s5，根据理论值与实测值之间偏差值范围确定差异；在计算出理论值后，根据得到的理论值与实测值之间的偏差值差异点，理论值与实测值之间的偏差值比率计算方法：e＝(理论值实测值)/理论值(4)；用公式4分别计算10个标准样本的数据矩阵的e，找出最大e值，形成标准样本的e值矩阵：eg_max；用公式4计算被测物数据矩阵的e值矩阵：ed；比较标准样本和待测物的e数据矩阵，确定差异。对于某个位置点，如果其对应|eg_max[i]|＜|ed[i]|，那么该点就是差异点。

如图2所示，感光传感器对没有差异的被测物表面其中一个区域进行检测，经过处理所得到的3*3数据矩阵，中心位置的数据为3288.809。

根据步骤s5所述的方法，其位置对应的dut_e＝-30.43，如图4所示，

|eg_max[i]|＞|ed[i]|，无差异点参照步骤s5进行判断。

在被测物表面选定的区域中心位置，人为制造一个差异点，这个差异点对应3*3数据矩阵的中心位置数据。

如图3所示，感光传感器对上述有差异的被测物表面进行检测，经过处理所得到的3*3数据矩阵，中心位置的数据为3438.809。

根据步骤5所述的方法，其位置对应的dut_e＝-30.43如图5所示，|eg_max[i]|＜|ed[i]|，存在差异点参照步骤s5进行判断。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。