一种切割小件自动光学检测方法及系统与流程

本技术涉及光学检测，更具体的说，本技术涉及一种切割小件自动光学检测方法及系统。

背景技术：

1、切割小件指的是对某种材料进行切割，以制作出所需形状和尺寸的小型零件的一项关键的生产工艺，广泛应用于各种行业，包括金属加工、纺织业、电子制造等，这项工艺通过将原材料或半成品切割成特定尺寸或形状的小件，为后续加工和制造提供基础材料，切割小件的切割过程中可能存在各种缺陷，如裂纹、变形和毛刺等，因此，高效准确的缺陷检测对于确保切割小件质量至关重要。

2、切割小件自动光学检测技术是一种基于光学原理和先进的图像处理技术的智能化检测方法，该技术通过搭载光学传感器、图像采集装置和高效的算法系统，这个系统通常用于识别切割小件的图像特征，进而通过算法系统检测切割小件的缺陷，实现对切割小件的缺陷检测，在现有的自动光学检测技术中，通常依赖于图像的亮度、对比度等基本特征进行缺陷检测，导致背景、光照变化和目标表面材质差异过大，从而造成切割小件的缺陷检测的精度过低，因此，如何提高切割小件的缺陷检测的精度成为当前需要解决的技术难题。

技术实现思路

1、本技术提供一种切割小件自动光学检测方法及系统，用以解决切割小件的缺陷检测的精度过低的技术问题。

2、为解决上述技术问题，本技术采用如下技术方案：

3、第一方面，本技术提供一种切割小件自动光学检测方法，包括下述步骤：

4、启动自动光学检测，获取光学检测样本图像集，确定所述光学检测样本图像集中每个检测样本图像的切割双显因子；

5、选取一个检测样本图像，根据该个检测样本图像的切割双显因子确定该个检测样本图像的切割小件双显图像，重复上述步骤，确定剩余检测样本图像的切割小件双显图像，进而确定每两个切割小件双显图像之间的描述子共性衍射量；

6、对所有描述子共性衍射量进行多维对角数组化，得到缺陷逆共性值数组，根据所述缺陷逆共性值数组确定所述光学检测样本图像集的显著毛刺缺陷耦合系数；

7、通过所述显著毛刺缺陷耦合系数确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值；

8、根据每个检测样本图像的切口缺陷关联特征值对该个检测样本图像对应的切割小件进行自动光学异常检测标定。

9、结合第一方面，在第一方面的某些实现方式中确定所述光学检测样本图像集中每个检测样本图像的切割双显因子具体包括：

10、选取所述光学检测样本图像集中一个检测样本图像；

11、确定该个检测样本图像的各个切割双显因子；

12、将所有的切割双显因子中最大的切割双显因子作为该个检测样本图像的切割双显因子；

13、重复上述步骤，确定所述光学检测样本图像集中剩余检测样本图像的切割双显因子。

14、结合第一方面，在第一方面的某些实现方式中根据该个检测样本图像的切割双显因子确定该个检测样本图像的切割小件双显图像具体包括：

15、获取该个检测样本图像的切割双显因子对应的正负明度分离界限；

16、根据所述切割双显因子对应的正负明度分离界限对该个检测样本图像进行分类，得到该个检测样本图像的切割小件双显图像。

17、结合第一方面，在第一方面的某些实现方式中确定每两个切割小件双显图像之间的描述子共性衍射量具体包括：

18、确定每个切割小件双显图像的切口缺陷描述子；

19、将所有切口缺陷描述子进行切口缺陷描述子多元协调化，得到协调切口缺陷描述子集；

20、根据所述协调切口缺陷描述子集确定每两个切割小件双显图像之间的描述子共性衍射量。

21、结合第一方面，在第一方面的某些实现方式中对所有描述子共性衍射量进行多维对角数组化，得到缺陷逆共性值数组具体包括：

22、将所有描述子共性衍射量进行对角数组化，得到描述子共性值数组；

23、根据所述描述子共性值数组确定缺陷逆共性值数组。

24、结合第一方面，在第一方面的某些实现方式中根据所述缺陷逆共性值数组确定所述光学检测样本图像集的显著毛刺缺陷耦合系数具体包括：

25、根据所述缺陷逆共性值数组将所述协调切口缺陷描述子集转换为多个缺陷描述子层次；

26、根据所有缺陷描述子层次确定所述光学检测样本图像集的显著毛刺缺陷耦合系数。

27、结合第一方面，在第一方面的某些实现方式中通过所述显著毛刺缺陷耦合系数确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值具体包括：

28、确定每个检测样本图像对应的协调切口缺陷描述子的平均毛刺缺陷描述因子；

29、获取所述光学检测样本图像集中第个检测样本图像对应的协调切口缺陷描述子的毛刺缺陷描述因子；

30、获取所述显著毛刺缺陷耦合系数；

31、确定第个检测样本图像对应的缺陷关联修正系数；

32、根据每个检测样本图像对应的协调切口缺陷描述子的平均毛刺缺陷描述因子、所述光学检测样本图像集中第个检测样本图像对应的协调切口缺陷描述子的毛刺缺陷描述因子、所述显著毛刺缺陷耦合系数、所述第个检测样本图像对应的缺陷关联修正系数确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值，其中切口缺陷关联特征值可采用下述公式确定：

33、

34、其中，表示所述光学检测样本图像集中第个检测样本图像的切口缺陷关联特征值，表示所述光学检测样本图像集中切割小件双显图像的总个数。

35、第二方面，本技术提供一种切割小件自动光学检测系统，包括：

36、切割双显因子确定模块，用于在启动自动光学检测后，获取光学检测样本图像集，确定所述光学检测样本图像集中每个检测样本图像的切割双显因子；

37、描述子共性衍射量确定模块，用于选取一个检测样本图像，根据该个检测样本图像的切割双显因子确定该个检测样本图像的切割小件双显图像，重复上述步骤，确定剩余检测样本图像的切割小件双显图像，进而确定每两个切割小件双显图像之间的描述子共性衍射量；

38、显著毛刺缺陷耦合系数确定模块，用于对所有描述子共性衍射量进行多维对角数组化，得到缺陷逆共性值数组，根据所述缺陷逆共性值数组确定所述光学检测样本图像集的显著毛刺缺陷耦合系数；

39、切口缺陷关联特征值确定模块，用于通过所述显著毛刺缺陷耦合系数确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值；

40、切割小件标定模块，用于根据每个检测样本图像的切口缺陷关联特征值对该个检测样本图像对应的切割小件进行自动光学异常检测标定。

41、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的切割小件自动光学检测方法。

42、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的切割小件自动光学检测方法。

43、本技术公开的实施例提供的技术方案具有以下有益效果：

44、本技术提供的一种切割小件自动光学检测方法及系统中，首先启动自动光学检测，获取光学检测样本图像集，确定所述光学检测样本图像集中每个检测样本图像的切割双显因子，选取一个检测样本图像，根据该个检测样本图像的切割双显因子确定该个检测样本图像的切割小件双显图像，重复上述步骤，确定剩余检测样本图像的切割小件双显图像，进而确定每两个切割小件双显图像之间的描述子共性衍射量，对所有描述子共性衍射量进行多维对角数组化，得到缺陷逆共性值数组，根据所述缺陷逆共性值数组确定所述光学检测样本图像集的显著毛刺缺陷耦合系数，通过所述显著毛刺缺陷耦合系数确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值，根据每个检测样本图像的切口缺陷关联特征值对该个检测样本图像对应的切割小件进行自动光学异常检测标定。

45、上述方案与现有依赖于图像的亮度、对比度等基本特征进行缺陷检测相比，通过确定所述光学检测样本图像集中每个检测样本图像的切割双显因子，进而根据所述切割双显因子确定每两个切割小件双显图像之间的描述子共性衍射量，所述描述子共性衍射量是衡量两个切割小件双显图像的协调切口缺陷描述子之间的相似程度的量化值，通过全面地评估两个切割小件双显图像的相似程度，将切割小件双显图像的缺陷特征进行相互补充，提高切割小件的缺陷检测的精度，再根据所述描述子共性衍射量，确定所述光学检测样本图像集的显著毛刺缺陷耦合系数，进而确定所述光学检测样本图像集中每个检测样本图像的切口缺陷关联特征值，所述切口缺陷关联特征值是表征所述显著毛刺缺陷耦合系数分别与每个协调切口缺陷描述子的相似程度的量化值，实现了对每个检测样本图像对应的切割小件进行自动光学异常检测标定，能够更精确地量化切割小件之间的关联度，提高对潜在缺陷的检测准确性，进而提高切割小件的缺陷检测的精度，综上所述，该方案优化了切割小件的图像特征提取方法，能够更精准地检测切割小件中的缺陷，从而提高切割小件的缺陷检测的精度。