一种基于机器视觉的工件表面缺陷识别系统及方法

本发明涉及机器视觉，具体而言，涉及一种基于机器视觉的工件表面缺陷识别系统及方法。

背景技术：

1、工业生产加工是一个复杂的过程，由于加工工艺或周围工作环境等多方面原因，使得各个加工工序难以处于绝对的稳定状态，这将导致工件表面的质量特性产生波动，极易产生裂纹、划痕、凹坑、麻点等表面缺陷，不仅会影响产品外观，还会造成工件产品的性能指标低。基于机器视觉技术的缺陷检测系统，由于其非接触检测测量，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，提高了工作效率，可对工件表面的多种缺陷进行检测。

2、如申请号为202111014225.9的中国发明专利公开了一种基于机器视觉的工件表面缺陷快速识别系统及方法，其可识别出斑点、凹坑、划痕、色差、缺损等缺陷，方便快速识别表面存在不同缺陷的不合格工件。又如申请号为202210238900.4的中国发明专利公开了一种基于机器视觉的工件表面缺陷检测方法，其能够代替人工检测，将工件的图像输入到网络中进行表面缺陷检测，提高了精度和效率。再如申请号为202210754869.x的中国发明专利公开了一种基于机器视觉的实时工件表面缺陷检测评价系统及方法，其通过集成化的缺陷检测系统可全面智能的评估工件表面质量水平，并采用远程人机交互控制方法，有效保证系统运行的安全性与便捷性。

3、由此可见，对于工件表面缺陷检测系统在实际应用中亟待解决的许多技术问题，还存在许多未提出的技术方案。

技术实现思路

1、基于此，为了实现对工件表面缺陷的识别，本发明提供了一种基于机器视觉的工件表面缺陷识别系统及方法，其具体技术方案如下：

2、一种基于机器视觉的工件表面缺陷识别系统，其包括图像获取模块、神经网络模型、控制模块以及处理模块。

3、所述图像获取模块用于以预设频率获取工件的实时表面图像；所述神经网络模型用于根据所述实时表面图像对所述工件进行缺陷识别，获取缺陷类型以及实时缺陷程度等级。

4、所述控制模块用于在所述实时缺陷程度等级大于预设阈值时，根据所述缺陷类型生成控制指令；所述处理模块用于响应所述控制指令，对所述工件的缺陷进行处理。

5、所述基于机器视觉的工件表面缺陷识别系统通过对所述工件进行缺陷识别，获取缺陷类型以及实时缺陷程度等级，并在所述实时缺陷程度等级大于预设阈值时，根据所述缺陷类型生成控制指令，对所述工件的缺陷进行处理，不仅可以自动识别出工件表面的缺陷类型以及实时缺陷程度等级，还可以根据实时缺陷程度等级以及缺陷类型对工件进行相应的缺陷处理，提高了缺陷处理效率。

6、进一步地，所述基于机器视觉的工件表面缺陷识别系统还包括：

7、机械臂，用于根据分拣指令对处理后的所述工件进行分拣；

8、其中，所述控制模块还用于在所述实时缺陷程度等级小于或等于预设阈值时，生成分拣指令。

9、进一步地，所述控制模块在所述实时缺陷程度等级小于或等于预设阈值时，根据所述实时表面图像获取所述工件的处理痕迹程度等级，根据所述处理痕迹程度等级以及缺陷类型生成所述分拣指令。

10、进一步地，一种基于机器视觉的工件表面缺陷识别方法，应用于所述的工件表面缺陷识别系统，其包括如下步骤：

11、以预设频率获取工件的实时表面图像；

12、根据所述实时表面图像对所述工件进行缺陷识别，获取缺陷类型以及实时缺陷程度等级；

13、在所述实时缺陷程度等级大于预设阈值时，根据所述缺陷类型生成控制指令；

14、响应所述控制指令，对所述工件的缺陷进行处理。

15、进一步地，所述基于机器视觉的工件表面缺陷识别方法还包括如下步骤：

16、在所述实时缺陷程度等级小于或等于预设阈值时，生成分拣指令；

17、根据分拣指令对处理后的所述工件进行分拣。

18、进一步地，所述在所述实时缺陷程度等级小于或等于预设阈值时，生成分拣指令的具体方法包括如下步骤：

19、在所述实时缺陷程度等级小于或等于预设阈值时，根据所述实时表面图像获取所述工件的处理痕迹程度等级；

20、根据所述处理痕迹程度等级以及缺陷类型生成所述分拣指令。

21、进一步地，所述基于机器视觉的工件表面缺陷识别方法还包括如下步骤：

22、获取不同类型工件的缺陷表面图像以及与所述缺陷表面图像对应的缺陷类型以及缺陷程度等级；

23、根据所述缺陷表面图像、所述缺陷类型以及所述缺陷程度等级对神经网络模型进行训练。

24、进一步地，一种计算机可读存储介质，其存储有计算机程序，当所述计算机程序被处理器执行时实现所述的基于机器视觉的工件表面缺陷识别方法。

技术特征：

1.一种基于机器视觉的工件表面缺陷识别系统，其特征在于，所述基于机器视觉的工件表面缺陷识别系统包括：

2.如权利要求1所述的一种基于机器视觉的工件表面缺陷识别系统，其特征在于，所述基于机器视觉的工件表面缺陷识别系统还包括：

3.如权利要求2所述的一种基于机器视觉的工件表面缺陷识别系统，其特征在于，所述控制模块在所述实时缺陷程度等级小于或等于预设阈值时，根据所述实时表面图像获取所述工件的处理痕迹程度等级，根据所述处理痕迹程度等级以及缺陷类型生成所述分拣指令。

4.一种基于机器视觉的工件表面缺陷识别方法，应用于如权利要求1-3任一项所述的工件表面缺陷识别系统，其特征在于，所述基于机器视觉的工件表面缺陷识别方法包括如下步骤：

5.如权利要求4所述的一种基于机器视觉的工件表面缺陷识别方法，其特征在于，所述基于机器视觉的工件表面缺陷识别方法还包括如下步骤：

6.如权利要求5所述的一种基于机器视觉的工件表面缺陷识别方法，其特征在于，所述在所述实时缺陷程度等级小于或等于预设阈值时，生成分拣指令的具体方法包括如下步骤：

7.如权利要求6所述的一种基于机器视觉的工件表面缺陷识别方法，其特征在于，所述基于机器视觉的工件表面缺陷识别方法还包括如下步骤：

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求4-7任一项所述的基于机器视觉的工件表面缺陷识别方法。

技术总结
本发明提供了一种基于机器视觉的工件表面缺陷识别系统及方法，该基于机器视觉的工件表面缺陷识别系统包括：图像获取模块，用于以预设频率获取工件的实时表面图像；神经网络模型，用于根据所述实时表面图像对所述工件进行缺陷识别，获取缺陷类型以及实时缺陷程度等级；控制模块，用于在所述实时缺陷程度等级大于预设阈值时，根据所述缺陷类型生成控制指令；处理模块，用于响应所述控制指令，对所述工件的缺陷进行处理。本发明不仅可以自动识别出工件表面的缺陷类型以及实时缺陷程度等级，还可以根据实时缺陷程度等级以及缺陷类型对工件进行相应的缺陷处理，提高了缺陷处理效率。

技术研发人员：黄小龙,李向宇,邹为明,谌俊,丁阳杰,林志伟
受保护的技术使用者：清远职业技术学院
技术研发日：
技术公布日：2024/1/13