[发明专利]识别特殊点状类缺陷的检测方法

说明书

本发明公开了一种识别特殊点状类缺陷的检测方法，获取工业相机扫描识别后经过缺陷检测装置检测到的黑点与麻点缺陷数据，将黑点与麻点缺陷数据作为样本数据；将样本数据进行中心标准化处理，去除样本数据中特征物理量之间的单位限制，转化为无量纲的纯数值数据；使用模糊C均值聚类法对样本数据进行聚类；使用间隔统计量来评价聚类结果；以不同的聚类中心数C值作为模糊C均值聚类数，聚类结束后，将C类中样本量为1的类别判断为黑点缺陷，将C类中样本量大于1的类别判断为麻点缺陷。该方法在不更改现有工业相机扫描方式的前提下，提高设备检测黑点与麻点缺陷的准确率，具有省时省力、降低项目成本以及提高缺陷检测效率的优点。

技术领域

本发明涉及特殊缺陷检测的技术领域，尤其是一种识别特殊点状类缺陷的检测方法。

背景技术

在现有的工业质检技术当中，工件的缺陷检测方法通常是将工件固定在检验机台上，由工业相机在不同尺寸视野下，按照特定轨迹进行扫描识别（工业相机只能识别异常，但不能判断异常原因），并通过缺陷检测装置对扫描识别出的缺陷进行类别检测，其中大部分的缺陷可以被正确识别并检测出其所属缺陷类别。

然而，由于工业相机移动轨迹固定的原因，一些较为特殊的密集但不连续的缺陷会被工业相机分别扫描识别成多个相似的其他缺陷。工业质检标准当中，麻点缺陷属于密集但不连续的缺陷类型，麻点缺陷由很多点状小缺陷组成并呈聚集状态出现或成片出现。工业相机常常将一处麻点缺陷分块识别成多个点状小缺陷，在这种影响下，缺陷检测装置就会将这些多个点状小缺陷错误判断为多块距离紧密的黑点缺陷，即缺陷检测装置将原本是一处的麻点缺陷错误判断为多块距离紧密的黑点缺陷，这导致检测结果与实际工业质检标准间存在偏差。

现有的解决方案是采用人工核对的方法将工业相机识别出的特殊点状缺陷逐个进行复查，并人为再次标注识别不准确的缺陷，这种方法耗费大量人力，增加项目成本，同时效率也很难提高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明提出一种识别特殊点状类缺陷的检测方法，在不更改现有工业相机扫描方式的前提下，提高设备检测黑点与麻点缺陷的准确率，具有省时省力、降低项目成本以及提高缺陷检测效率的优点。

根据本发明实施例的识别特殊点状类缺陷的检测方法，包括以下步骤：

第1步骤、获取工业相机扫描识别后经过缺陷检测装置检测到的黑点与麻点缺陷数据，将黑点与麻点缺陷数据作为样本数据；

第2步骤、将样本数据进行中心标准化处理，去除样本数据中特征物理量之间的单位限制，转化为无量纲的纯数值数据；

第3步骤、使用模糊C均值聚类法对样本数据进行聚类；

第4步骤、使用间隔统计量来评价聚类结果：计算聚类后每一类中样本间彼此的欧式距离平方之和称为类内紧密度，类内紧密度用来表示，类内紧密度的计算公式是：

其中，表示第k个聚类中心；和是第k类中的样本；表示与之间的欧氏距离；

其中，表示聚类数为K时的间隔统计量；表示聚类中的聚类中心数；是的期望；表示的对数；

第5步骤、以不同的聚类中心数C值作为模糊C均值聚类数，其中，C∈[1,n]，n表示数据样本量个数，且n是大于等于1的正整数；重复第3步骤和第4步骤，这样就得到了n个Gap值，选择Gap值最大的C值作为模糊C均值最佳聚类数进行模糊C均值聚类；聚类结束后，将C类中样本量为1的类别判断为黑点缺陷，将C类中样本量大于1的类别判断为麻点缺陷。