一种基于图像分析的刹车片表面缺陷检测系统的制作方法

本发明涉及工业缺陷检测，尤其涉及一种基于图像分析的刹车片表面缺陷检测系统。

背景技术：

1、刹车片是汽车制动系统中重要的安全部件，其质量直接影响到刹车系统的刹车性能。在压制生产的过程中，刹车片的摩擦块表面容易出现凹陷、凸刺等缺陷。目前生产厂家主要靠人工目视筛选摩擦面出现缺陷的产品，但是人工检测方法效率低下，无法适应于工厂大规模的生产环境。

2、随着计算机视觉和图像处理技术的发展，基于机器视觉的自动检测方法正逐渐代替人工目视检测法，并得到越来越广泛的应用。目前，主流的机器视觉检测方法是基于模板匹配的检测方法，该方法需要提前制作标准刹车片样本的模板用于比对分析。由于现代化工业工艺流程不断优化导致缺陷样本越来越少，即缺陷图像的数量越来越少，为负样本制作标准模板也变得越来越困难。并且，基于模板匹配的检测方法每次只能检测单一型号，对其他型号需要重新制作标准模板，费时费力。综上所述，目前已有的刹车片缺陷检测方法由于种种限制，并不能广泛应用于现代工业化生产，因此需要一种能够适用于多种型号、缺陷样本较少等情况的自动、快速检测方法。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种基于图像分析的刹车片表面缺陷检测系统，通过结合光学与深度学习图像处理技术，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于图像分析的刹车片表面缺陷检测系统，包括刹车片缺陷检测光学模块、刹车片摩擦面成像模块、刹车片缺陷图像检测模块、电机驱动模块和控制系统模块；所述刹车片缺陷图像检测模块包括图像分割组件、图像增强组件、wsl框架组件及刹车片缺陷图像库；图像分割组件用于对光滑度图像p1进行分割，为后续缺陷检测提供形状和结构特征；图像增强组件使用平移、旋转、镜像对比度调整和数据合成方法，获得大量待检样本图像{p}；wsl框架组件首先使用定位网络(lnet)对待检样本图像{p}进行训练并输出潜在缺陷位置的热图，然后决策网络(dnet)使用rsam对潜在缺陷位置的热图进行加权处理并将检测结果进行图像拼接，得到基于弱监督深度学习的刹车片表面缺陷检测结果p3，将p3和光学缺陷检出图像p2进行叠加融合处理，以得到最终的缺陷检测结果p4；刹车片缺陷图像库用于存储合格刹车片图像和缺陷刹车片图像，刹车片缺陷包括刹车片表面密集凹凸不平、掉肉、表面凹凸、表面裂纹、杂质共计5种缺陷。

3、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述wsl框架组件是指一套自定义弱监督深度学习网络，包括用于定位缺陷位置的lnet和用于判定是否存在缺陷的dnet，lnet使用像素级标签训练并输出潜在缺陷位置的热图作为dnet输入，dnet参考resnet中的残差块设计，通过引入残差空间注意力机制模块(rsam)固定网络权重，以此来判定是否存在缺陷；wsl框架网络目标调优函数lw定义如下：

4、lw＝α*[-log(1-q(y|x,φ)2)*(1-y(x))]*y(x)+q(y|x,φ)log(q(y|x,φ))+(1-q(y|x,φ))(log(1-q(y|x,φ)))；

5、式中，α为网络调节因子，α>0，x为输入样本，φ为模型参数，y(x)为样本x的标签值，取值范围为[0,1]，q(y|x,φ)为样本x在模型参数φ下的预测值。

6、图像p2和p3融合叠加处理是指通过建立p2和p3的高斯金字塔，然后通过拉普拉斯金字塔融合算法得到最终的缺陷检测结果图像p4；wsl框架网络算法实现如下：

7、从样本集d中获得一个正样本；代入公式：

8、lw＝α*[-log(1-q(y|x,φ)2)*(1-y(x))]*y(x)+q(y|x,φ)log(q(y|x,φ))+(1-q(y|x,φ))(log(1-q(y|x,φ)))，并更新模型参数φ；

9、从样本集d中获得一个负样本；代入公式：

10、lw＝α*[-log(1-q(y|x,φ)2)*(1-y(x))]*y(x)+q(y|x,φ)log(q(y|x,φ))+(1-q(y|x,φ))(log(1-q(y|x,φ)))，并更新模型参数φ。

11、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述刹车片摩擦面成像模块获得待检刹车片摩擦面光学缺陷检出图像p2如下：记待检刹车片摩擦面光滑度图像p1在刹车片表面密集凹凸不平、掉肉、表面凹凸、表面裂纹得分分别为ρ1、ρ2、ρ3、ρ4，则p1图像加权得分为ρ＝(ρ1+ρ2+ρ3+ρ4)/4，式中ρ2＝rz/c，，ρ3＝(c-ra)/c，ρ4＝(c-rz)/c，其中lr表示取样长度，c表示轮廓截面高度；若0.25≤ρ≤1，则判定p1为缺陷图像，也即是p2；若0≤ρ<0.25，则判定p1不是缺陷图像。

12、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述刹车片缺陷检测光学模块包括支架、电动载物台、投光组件、受光组件以及照明组件；支架用于承载整个检测系统组件，为整个检测系统提供基本水平面；电动载物台用于放置待检刹车片；投光组件用于发射检测光线；受光组件用于接收折射光线；照明组件为检测台提供基础照明。

13、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述刹车片摩擦面成像模块包括两组1英寸cmos传感器和监视器；两组1英寸cmos传感器用于捕捉折射的光线并转换成数字信号，得到p1和p2；监视器用于实时显示检测图像。

14、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述电机驱动模块包括三组永磁同步电机，分别为电动载物台、投光组件和受光组件提供高精度电机驱动。

15、作为本发明所述基于图像分析的刹车片表面缺陷检测系统的一种优选方案，其中：所述控制系统模块包括操作系统组件、光学解算组件、图像检测组件和驱动组件；光学解算组件为刹车片摩擦面成像模块提供解算功能的算法实现；图像检测组件为刹车片缺陷图像检测模块提供图像预处理以及wsl框架的算法实现；驱动组件为电机驱动模块提供电机旋转速度及角度控制参数。

16、本发明的有益效果：

17、1、本发明通过高精度刹车片缺陷检测光学模块和刹车片摩擦面成像模块获得两幅图像p1和p2，并通过自定义弱监督深度学习wsl框架对p1进行检测，检测结果为p3，将p2和p3做叠加融合处理，以得到最终的检测结果p4，通过多次检测以提高检出率；

18、2、本发明的自定义弱监督深度学习wsl框架只需要制作少量样本，这大大减少了检测前置工作量，并且wsl框架为弱监督类型，即具有无监督特性，这意味着其适应性极高，能适用于多种型号刹车片。

技术特征：

1.一种基于图像分析的刹车片表面缺陷检测系统，包括刹车片缺陷检测光学模块、刹车片摩擦面成像模块、刹车片缺陷图像检测模块、电机驱动模块和控制系统模块，其特征在于：刹车片缺陷检测光学模块利用投光镜头照射的条纹状光线在待检刹车片的摩擦面上扩散反射，得到待检刹车片摩擦面的粗糙度参数ra、rz及rsm，刹车片摩擦面成像模块对待检刹车片摩擦面的粗糙度参数ra、rz及rsm进行视觉化处理，得到待检刹车片摩擦面光滑度图像p1和光学缺陷检出图像p2，并将光滑度图像p1传输给刹车片缺陷图像检测模块，刹车片缺陷图像检测模块利用自定义弱监督深度学习(wsl框架)对光滑度图像p1进行缺陷检测，得到基于自定义弱监督深度学习的刹车片表面缺陷检测结果p3，将p3和光学缺陷检出图像p2进行叠加融合处理，得到缺陷检测结果p4，电机驱动模块用于驱动刹车片缺陷检测光学模块和刹车片摩擦面成像模块的镜头转动电机以及电动载物台升降电机，控制系统模块为整个检测系统提供操作系统组件、光学解算功能组件、电机驱动模块组件以及图像检测模块组件。

2.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述刹车片缺陷图像检测模块包括图像分割组件、图像增强组件、wsl框架组件及刹车片缺陷图像库；图像分割组件用于对光滑度图像p1进行分割，为后续缺陷检测提供形状和结构特征；图像增强组件使用平移、旋转、镜像对比度调整和数据合成方法，获得大量待检样本图像{p}；wsl框架组件首先使用定位网络(lnet)对待检样本图像{p}进行训练并输出潜在缺陷位置的热图，然后决策网络(dnet)使用rsam对潜在缺陷位置的热图进行加权处理并将检测结果进行图像拼接，得到基于弱监督深度学习的刹车片表面缺陷检测结果p3，将p3和光学缺陷检出图像p2进行叠加融合处理，以得到最终的缺陷检测结果p4；刹车片缺陷图像库用于存储合格刹车片图像和缺陷刹车片图像，刹车片缺陷包括刹车片表面密集凹凸不平、掉肉、表面凹凸、表面裂纹、杂质共计5种缺陷。

3.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述wsl框架组件是指一套自定义弱监督深度学习网络，包括用于定位缺陷位置的lnet和用于判定是否存在缺陷的dnet，lnet使用像素级标签训练并输出潜在缺陷位置的热图作为dnet输入，dnet参考resnet中的残差块设计，通过引入残差空间注意力机制模块(rsam)固定网络权重，以此来判定是否存在缺陷；

4.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：图像p2和p3融合叠加处理是指通过建立p2和p3的高斯金字塔，然后通过拉普拉斯金字塔融合算法得到最终的缺陷检测结果图像p4；wsl框架网络算法实现如下：

5.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述刹车片摩擦面成像模块获得待检刹车片摩擦面光学缺陷检出图像p2如下：

6.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述刹车片缺陷检测光学模块包括支架、电动载物台、投光组件、受光组件以及照明组件；支架用于承载整个检测系统组件，为整个检测系统提供基本水平面；电动载物台用于放置待检刹车片；投光组件用于发射检测光线；受光组件用于接收折射光线；照明组件为检测台提供基础照明。

7.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述刹车片摩擦面成像模块包括两组1英寸cmos传感器和监视器；两组1英寸cmos传感器用于捕捉折射的光线并转换成数字信号，得到p1和p2；监视器用于实时显示检测图像。

8.如权利要求1所述的基于图像分析的刹车片表面缺陷检测系统，其特征在于：所述电机驱动模块包括三组永磁同步电机，分别为电动载物台、投光组件和受光组件提供高精度电机驱动。

技术总结
本发明公开了一种基于图像分析的刹车片表面缺陷检测系统，包括包括刹车片缺陷检测光学模块、刹车片摩擦面成像模块、刹车片缺陷图像检测模块、电机驱动模块和控制系统模块；本发明通过刹车片缺陷检测光学模块和刹车片摩擦面成像模块获得待检刹车片摩擦面光滑度图像P1和光学缺陷检出图像P2，利用自定义弱监督深度学习框架WSL对P1进行缺陷检测，得到基于自定义弱监督深度学习的刹车片表面缺陷检测结果P3，将P3和光学缺陷检出图像P2进行叠加处理，以得到最终的缺陷检测结果P4；通过多步检测，大大提高了检出率。

技术研发人员：赵冰清,赵彬勇
受保护的技术使用者：安徽相驰车业有限公司
技术研发日：
技术公布日：2024/1/15