[发明专利]一种基于机器视觉的车门外观检测方法

说明书

本发明提供一种基于机器视觉的车门外观检测方法，属于外观检测方法领域，复制滤波处理后的车门焊接外观图像，并将复制前后图像设为图像1、图像2；对所述图像1进行缩放处理后输入到神经网络A中，输出图像缺陷置信度并与设定阈值A比较，统计及标记出焊接缺陷，对其进行分级A，得出焊接缺陷分级结果；对图像2进行颜色通道转换，再分割得到图像块，提取焊接区域特征并将其归一化为颜色特征，将所述颜色特征输入到神经网络B中，输出图像未焊概率并与设定阈值B比较，统计及标记出未焊区域，对其进行分级B，得出焊接完整性分级结果。将车门外观图像作基础处理与目标检测，得到焊接缺陷、焊接完整性分析结果，使检测变得更快速、高效。

技术领域

本发明涉及外观检测方法领域，尤其涉及一种基于机器视觉的车门外观检测方法。

背景技术

在汽车车门的焊接工艺中，由于各种不确定的因素可能会造成车门漏焊、焊接不均匀。在车门焊后的检测中，采用人工目检检测速度慢，且容易出现错检、漏检问题，效率低下，不能满足生产要求。在批量的车门焊接外观检测中，需要快速、高效对焊接缺陷、焊接完整性进行检测判断，以便于缩短汽车生产周期。为解决人工目检方法带来的弊端，需要一种新型的检测方法，结合现代机器视觉技术，对检测的车门外观进行检测分析及问题分析追溯。

发明内容

针对现有技术的不足，本发明提出一种基于机器视觉的车门外观检测方法，将车门外观图像系列处理后输入提前建立好的神经网络，通过阈值判定焊接缺陷与焊接完整性，再使用分级方法呈现出其外观检测的分级结果，以实现车门外观检测的自动化与智能化。

本发明的技术方案是这样实现的：

步骤1、使用工业相机获取车门焊接的外观图像，并对所述外观图像进行滤波处理；

步骤2、设所述滤波处理后的外观图像为图像1，复制所述图像1得到图像2，对所述图像1采用步骤21进行处理，所述图像2采用步骤进行22进行处理：

步骤21、对图像1进行缩放处理；

步骤22、对图像2进行颜色通道转换，再通过全局图像分割得到图像块，提取焊接区域特征并将其归一化为颜色特征；

步骤3、将步骤21所述的缩放处理后的图像输入到神经网络A中，所述神经网络A输出图像缺陷置信度，将所述缺陷置信度与设定阈值A进行比较，并统计及标记出焊接缺陷，对所述焊接缺陷的面积与数量进行分级A，得出外观焊接缺陷分级结果；

步骤4、将步骤22所述的颜色特征输入到神经网络B中，所述神经网络B输出图像未焊概率，将所述未焊概率与设定阈值B进行比较，并统计及标记出未焊区域，对所述未焊区域的面积进行分级B，得出外观焊接完整性分级结果。

步骤1中、所述工业相机为CCD相机，所述的车门外观图像为RGB图像。

步骤1中、所述滤波预处理采用3x3中值滤波法。

步骤22中、所述颜色通道转换是将RGB颜色空间转换到HSV颜色空间，所述的RGB颜色空间中的R表示红色，G表示绿色，B表示蓝色，所述HSV颜色空间中H表示色彩，S表示深浅，V表示明暗。

步骤22中、所述全局图像分割采用三角形自动全局阈值分割。

步骤22中、所述焊接区域特征采用三阶颜色矩提取。

步骤3中、所述神经网络A的模型采用yolov3。

步骤3中、所述分级A中,设定被标为焊接缺陷区域的面积为S0，设定缺陷面积检测区域[S1，S2]，设定缺陷数量阈值N,遍历焊接缺陷区域：

情况31、若S0S2,分为不及格级；

情况32、若S0∈[S1，S2]，且其数量大于N，分为不及格级；