[发明专利]一种多层级模型的复杂纹理对象表面缺陷检测方法

说明书

本发明公开了一种多层级模型的复杂纹理对象表面缺陷检测方法，包括以下步骤：获取复杂纹理对象表面图像；设计得到基于检测规则的复杂纹理对象表面缺陷检测模型；构建缺陷检测的分类器，训练得到基于模式识别的表面缺陷检测模型；训练得到缺陷检测的深度学习模型；将上述三种模型进行层级连接并进行缺陷实时检测；当检测到表面缺陷时，发出预警报警信号。上述技术方案通过对基于检测规则的复杂纹理对象表面缺陷检测模型、基于模式识别的表面缺陷检测模型和缺陷检测的深度学习模型三种模型进行层级连接，实现对复杂纹路对象表面缺陷实时检测，从而达到对存在表面缺陷的复杂纹路对象进行预警报警，提高工作效率，降低漏报率，保障产品质量。

技术领域

本发明涉及计算机视觉算法技术领域，尤其涉及一种多层级模型的复杂纹理对象表面缺陷检测方法。

背景技术

表面缺陷自动检测技术始于20世纪70年代，到20世纪末，德国、美国、日本等发达国家已经开发了具有实用价值的机器视觉表面在线检测系统。机器视觉检测技术按其所处理的数据类型划分，可以分为基于二值图像、灰度图像、彩色图像以及深度图像的检测，目前的表面检测系统一般采用灰度图像检测方法。灰度图像检测方法通过摄像机采集物体表面灰度图像，根据缺陷区域在灰度上的变化，对灰度图像进行处理，并利用缺陷的灰度特征对缺陷进行检测与识别。

复杂纹理对象缺陷在复杂纹理对象中形态多样，多呈现碎小和细长形态。针对碎小细长复杂背景的表面缺陷检测一直是工业视觉检测的难点，传统视觉检测需要针对每一种负样本(复杂纹理对象缺陷)建立检测模型，保证工业生产过程对低漏报率的要求。

中国专利文献CN102288613B公开了一种“灰度和深度信息融合的表面缺陷检测方法”。通过灰度与深度信息的融合提高缺陷检测与识别的准确率，并可应用于复杂形状和复杂表面的物体检测。利用单台彩色面阵CCD摄像机与多台不同颜色光源的组合采集物体表面的灰度图像与深度图像，其中深度信息的获取通过面结构光方式得到。通过深度图像与灰度图像的像素级融合进行图像的分割和缺陷边缘提取，从而可以更准确地检测缺陷所在的区域。根据检测到的缺陷区域，从灰度图像中提取缺陷的灰度特征、纹理特征以及二维几何特征，从深度图像中提取缺陷的三维几何特征，并进行特征级的融合，将融合后的特征量作为分类器的输入进行缺陷的分类，从而实现缺陷的识别。上述技术方案难以对复杂纹路进行有效检测。

发明内容

本发明主要解决原有的复杂纹路检测困难，人工漏报率高技术问题，提供一种多层级模型的复杂纹理对象表面缺陷检测方法，通过对基于检测规则的复杂纹理对象表面缺陷检测模型、基于模式识别的表面缺陷检测模型和缺陷检测的深度学习模型三种模型进行层级连接，实现对复杂纹路对象表面缺陷实时检测，从而达到对存在表面缺陷的复杂纹路对象进行预警报警，提高工作效率，降低漏报率，保障产品质量。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

(1)获取复杂纹理对象表面图像；

(2)设计得到基于检测规则的复杂纹理对象表面缺陷检测模型；

(3)构建缺陷检测的分类器，训练得到基于模式识别的表面缺陷检测模型；

(4)训练得到缺陷检测的深度学习模型；

(5)将上述三种模型进行层级连接并进行缺陷实时检测；

(6)当检测到表面缺陷时，发出预警报警信号。

作为优选，所述的步骤1中的复杂纹理对象表面图像包括复杂纹理对象各个加工工序表面图像。

作为优选，所述的步骤2根据已有的复杂纹理对象缺陷图像样本建立特定的检测规则，包括对图像预处理及复杂纹理对象缺陷的形状特征规则确定，所述预处理具体包括：对复杂纹理对象图像进行图像增强处理、图像去噪处理及图像分割处理中的一种或几种。