本发明涉及一种识别方法,尤其涉及一种基于智能图像算法的铝型材表面瑕疵识别方法。
背景技术:
在铝型材的实际生产过程中,由于各方面因素的影响,铝型材表面会产生裂纹、起皮、划伤等瑕疵,这些瑕疵会严重影响铝型材的质量。为保证产品质量,需要人工进行肉眼目测。然而,铝型材的表面自身会含有纹路,与瑕疵的区分度不高。传统人工肉眼检查十分费力,不能及时准确的判断出表面瑕疵,质检的效率难以把控。近年来,深度学习在图像识别等领域取得了突飞猛进的成果。铝型材制造商迫切希望采用最新的ai技术来革新现有质检流程,自动完成质检任务,减少漏检发生率,提高产品的质量,使铝型材产品的生产管理者彻底摆脱了无法全面掌握产品表面质量的状态。
技术实现要素:
本发明要解决的技术问题是为了克服现有技术中的缺陷,现提供一种基于智能图像算法的铝型材表面瑕疵识别方法,采用置信度高效识别99%以上的铝型材缺陷的方法,包括对应的前后处理方案,可以极大地节约相关产业的人工成本,所公开的铝型材检出方法,比roi检测的结果更准确,缺陷判别器分别比整体分类器的判别结果更准确方便。
本发明是通过下述技术方案来解决上述技术问题:
本发明一种基于智能图像算法的铝型材表面瑕疵识别方法,其特点在于,所述基于智能图像算法的铝型材表面瑕疵识别方法包括。
将铝型材设置于载板上,所述载板部分遮挡或裁剪;
对所述铝型材进行摄像,获取初始图片;
对所述初始图片利用对全图应用高斯模糊,得到第一处理图片;
根据所述第一处理图片再运用canny算子提取边缘,获取通过所述提取边缘的第二处理图片;
根据所述第二处理图片利用hough变换检测所述第二处理图片中的最外层检出直线,确定所述直线方向分布一致或不一致;
当所述直线的方向分布不一致,通过缺陷判别器来判别所述铝型材的缺陷类别。
优选地,所述缺陷判别器包括横条压凹判别器、桔皮判别器、凸粉判别器、涂层开裂判别器和碰伤判别器;
所述横条压凹判别器通过设定所述直线方向方差的阀值,所述阀值对应一个统计置信度,根据所述阀值确定所述直线方向是否一致;
所述桔皮判别器、所述凸粉判别器、所述涂层开裂判别器和所述碰伤判别器根据所述第一处理图将规格为2560mmx1920mm的图分成12mmx8mm规格的方块图,所述方块图通过vgg16模型提取深度特征,通过全连接和sigmoid函数进行判别,根据所述sigmoid函数输出数值采取概率,根据所述输出数值采取前k个数计算平均值。
优选地,所述sigmoid函数的输出数值为0到1之间的数。
优选地,所述桔皮判别器和涂层开裂判别器的k为30,所述凸粉判别器的k为5到10,碰伤判别器的k为1。
优选地,所述方格图的规格为224mmx224mm。
本发明的积极进步效果在于:
本发明采用置信度高效识别99%以上的铝型材缺陷的方法,包括对应的前后处理方案,可以极大地节约相关产业的人工成本,所公开的铝型材检出方法,比roi检测的结果更准确,缺陷判别器分别比整体分类器的判别结果更准确方便。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
本发明一种基于智能图像算法的铝型材表面瑕疵识别方法,包括将铝型材设置于载板上,将载板部分遮挡或裁剪,然后对铝型材进行摄像,获取初始图片,再对初始图片利用对全图应用高斯模糊,半径为5,然后得到第一处理图片,根据第一处理图片再运用canny算子提取边缘,获取通过提取边缘的第二处理图片,根据第二处理图片利用hough变换检测第二处理图片中的最外层检出直线,确定直线方向分布一致或不一致,当发现直线的方向分布不一致,再通过缺陷判别器来判别铝型材的缺陷类别。
优选地,缺陷判别器包括横条压凹判别器、桔皮判别器、凸粉判别器、涂层开裂判别器和碰伤判别器,横条压凹判别器通过设定直线方向方差的阀值,阀值对应一个统计置信度,所述阀值确定直线方向是否一致,桔皮判别器、凸粉判别器、涂层开裂判别器和碰伤判别器根据第一处理图将规格为2560mmx1920mm的图分成12mmx8mm规格的方块图,方块图通过vgg16模型提取深度特征,通过全连接和sigmoid函数进行判别,根据sigmoid函数输出数值采取概率,根据所述输出数值采取前k个数值计算平均值,sigmoid函数的输出数值为0到1之间的数,桔皮判别器和涂层开裂判别器的k为30,所述凸粉判别器的k为5到10,碰伤判别器的k为1,方格图的规格为224mmx224mm。
本发明采用置信度高效识别99%以上的铝型材缺陷的方法,包括对应的前后处理方案,可以极大地节约相关产业的人工成本,所公开的铝型材检出方法,比roi检测的结果更准确,缺陷判别器分别比整体分类器的判别结果更准确方便。
以上结合实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
1.一种基于智能图像算法的铝型材表面瑕疵识别方法,其特征在于,所述基于智能图像算法的铝型材表面瑕疵识别方法包括:
将铝型材设置于载板上,所述载板部分遮挡或裁剪;
对所述铝型材进行摄像,获取初始图片;
对所述初始图片利用对全图应用高斯模糊,得到第一处理图片;
根据所述第一处理图片再运用canny算子提取边缘,获取通过所述提取边缘的第二处理图片;
根据所述第二处理图片利用hough变换检测所述第二处理图片中的最外层检出直线,确定所述直线方向分布一致或不一致;
当所述直线的方向分布不一致,通过缺陷判别器来判别所述铝型材的缺陷类别。
2.根据权利要求1所述的基于智能图像算法的铝型材表面瑕疵识别方法,其特征在于,所述缺陷判别器包括横条压凹判别器、桔皮判别器、凸粉判别器、涂层开裂判别器和碰伤判别器;
所述横条压凹判别器通过设定所述直线方向方差的阀值,所述阀值对应一个统计置信度,根据所述阀值确定所述直线方向是否一致;
所述桔皮判别器、所述凸粉判别器、所述涂层开裂判别器和所述碰伤判别器根据所述第一处理图将规格为2560mmx1920mm的图分成12mmx8mm规格的方块图,所述方块图通过vgg16模型提取深度特征,通过全连接和sigmoid函数进行判别,根据所述sigmoid函数输出数值采取概率,根据所述输出数值采取前k个数计算平均值。
3.根据权利要求2所述的基于智能图像算法的铝型材表面瑕疵识别方法,其特征在于,所述sigmoid函数的输出数值为0到1之间的数。
4.根据权利要求2所述的基于智能图像算法的铝型材表面瑕疵识别方法,其特征在于,所述桔皮判别器和涂层开裂判别器的k为30,所述凸粉判别器的k为5到10,所述碰伤判别器的k为1。
5.根据权利要求2所述的基于智能图像算法的铝型材表面瑕疵识别方法,其特征在于,所述方格图的规格为224mmx224mm。