[发明专利]外观视觉检测方法

说明书

本发明提供了一种外观视觉检测方法，包括：光学引导步骤：通过以基准图像作为标准，计算出待比较图像相似度，从而确保同一批次产品在不同机台上采集到图像的光学成像一致性；视觉引导步骤：对于小零件产品上料需要达到预设的高精准度，否则机械臂就无法进行正常上料的场景，产品上料前需要通过视觉引导算法获取产品的偏离角度、X位置及Y位置，通知机械进行调整来确保产品上料精准性。本发明创新性的采用深度学习加传统图像处理的机器视觉检测方法，所以才存在图像采集阶段的相似性比较的需求，用于确保采集到一致的图像，从而确保后续用于深度模型检测的数据的准确性以及图像检测的准确率。

技术领域

本发明涉及图形检测领域，具体地，涉及一种外观视觉检测方法。

背景技术

传统光学引导主要是依靠实施工程师的主观经验，通过调节相机焦距、光圈及工作距离等方式控制光学成像质量，效果一般、不同机台的成像光学一致性差。

传统的视觉引导流程一般为：带有工业相机的上料机构(机械手、吸盘等)，每次抓取物料前拍照，通过视觉软件计算待抓取物料的位置偏差、角度偏差的信息，以保证在下料时能符合下料精度。存在的缺陷主要是精度无法保证。

传统的目标检测算法常采用滑动窗口的策略对整幅图像进行遍历，然后用Haar、SIFT、HOG等特征提取器对目标对象进行提取，再利用SVM,Adaboost等分类器对提取的目标进行分类，这种穷举的策略虽然包含了目标所有可能出现的位置，但是缺点也是显而易见的：时间复杂度太高，产生冗余窗口太多，这也严重影响后续特征提取和分类的速度和性能。而且，由于目标的形态多样性，光照变化多样性，背景多样性等因素使得设计一个鲁棒的特征并不是那么容易。

传统的目标检测算法常采用滑动窗口的策略对整幅图像进行遍历，然后用Haar、SIFT、HOG等特征提取器对目标对象进行提取，再利用SVM,Adaboost等分类器对提取的目标进行分类，这种穷举的策略虽然包含了目标所有可能出现的位置，但是缺点也是显而易见的：时间复杂度太高，产生冗余窗口太多，这也严重影响后续特征提取和分类的速度和性能。而且，由于目标的形态多样性，光照变化多样性，背景多样性等因素使得设计一个鲁棒的特征并不是那么容易。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种外观视觉检测方法。

根据本发明提供的一种外观视觉检测方法，包括：

光学引导步骤：通过以基准图像作为标准，计算出待比较图像相似度，从而确保同一批次产品在不同机台上采集到图像的光学成像一致性；

视觉引导步骤：对于小零件产品上料需要达到预设的高精准度，否则机械臂就无法进行正常上料的场景，产品上料前需要通过视觉引导算法获取产品的偏离角度、X位置及Y位置，通知机械进行调整来确保产品上料精准性；

产品图像获取步骤：通过针对不同产品及同一产品不同的光学面进行相机设置，获得与基准光学面一致的相机原图，获得原图之后传送给图像处理模块进行图像处理，最终得到可以进行模型检测的图像；

模型检测步骤：将获得的可以进行模型检测的图像发送给深度模型及灰度检测模型进行检测，最终获取产品每个光学面返回的检测结果；

物理量过滤步骤：对于返回的检测结果进阈值或者缺陷长度、缺陷宽度及缺陷亮度物理量进行过滤；

产品下料步骤：根据检测结果判断工件是否为良品，针对良品及不同缺陷的不良品进行分类下料到不同下料口。

优选地，所述光学引导步骤：

步骤S101：分别对标准图像和待比较图像进行平滑滤波，滤除随机性的噪声；