[发明专利]一种圆形零件缺陷检测方法

权利要求书

1.一种圆形零件缺陷检测方法，包括以下处理：

获取待检测产品的图像，所述待检测产品中包含圆形零件；

采用经训练的U-Net图像分割模型对所述图像进行分割，获得对应于所述圆形零件的目标区域的二值化图形；

提取所述二值化图形的边缘；

基于所述二值化图形的边缘提取特征数据；以及

基于所述特征数据采用经训练的SVM分类器进行分类，从而判别所述圆形零件是否有缺陷。

2.如权利要求1所述的圆形零件缺陷检测方法，其中，所述基于所述二值化图形的边缘提取特征数据包括：拟合计算所述边缘的圆心(a,b)、半径r，并按照下式计算定位误差ε_pos：

式中(x_i,y_i)表示所述边缘上的点的坐标，E表示所述边缘上的点的数量；并且提取所述半径r和所述定位误差ε_pos作为特征数据；并且

所述SVM分类器以所述半径r和定位误差ε_pos作为输入的两个特征进行二分类。

3.如权利要求2所述的圆形零件缺陷检测方法，其中，所述拟合计算采用最小二乘法。

4.如权利要求1-3中任一项所述的圆形零件缺陷检测方法，其中，所述提取所述二值化图形的边缘包括采用Sobel算子进行边缘检测。

5.如权利要求1所述的圆形零件缺陷检测方法，其中，所述U-Net图像分割模型中的卷积过程按照下式进行：

式中l表示层数，M_j代表输入的特征图，k为卷积核，b代表偏置，f为激活函数，其中，所述激活函数f为Relu函数。

6.如权利要求5所述的圆形零件缺陷检测方法，其中，所述U-Net图像分割模型中所使用的池化方法为最大池化法。

7.如权利要求1、5或6所述的圆形零件缺陷检测方法，其中，所述方法还包括离线训练所述U-Net图像分割模型。

8.如权利要求7所述的圆形零件缺陷检测方法，其中，所述离线训练所述U-Net图像分割模型中采用二元交叉熵与DICE系数损失的结合作为损失函数Loss：

其中，

式中，P是预测图像，GT是标签图像，N是批量大小，W是图像宽度，H是图像高度，gt是标签图像GT中的一个像素，p是预测图像P中的像素，w是权重，取值范围为0.5～1。

9.如权利要求1或5所述的圆形零件缺陷检测方法，其中，所述方法还包括离线训练所述SVM分类器，其中包括：

采用所述经训练的U-Net图像分割模型对待检测产品样本的图像进行图像分割而得到对应于圆形零件的目标区域的二值化图形，提取该二值化图形的边缘，并基于该边缘提取特征数据，从而得到特征数据样本；

根据所述特征数据样本所对应的待检测产品样本中的圆形零件是否有缺陷，将所述特征数据样本进行分类，得到分类结果；以及

利用所述特征数据样本以及它们对应的分类结果训练所述SVM分类器。

10.如权利要求1所述的圆形零件缺陷检测方法，其中，所述处理为在线进行的。