[发明专利]基于机器学习的小金具类缺陷检测算法

权利要求书

1.基于机器学习的小金具类缺陷检测算法，其特征在于：包括如下步骤：

Sp1：图像采集：选取光源，调整被测金具与光源的距离，对被测金具进行图像采集；

Sp2：图像增强：对采集的图像进行光照的矫正使采集的图像增强；

Sp3：图像优化：对增强后的图像进行去燥处理，并结合三维块匹配算法再次进行优化去噪；

Sp4：二值化处理：处理后的图像进行二值化处理，处理后的图像分为光斑图和背景图；

Sp5：标记保存：将检测的图像与原有的图像对比，并进行标记保存。

2.根据权利要求1所述的基于机器学习的小金具类缺陷检测算法，其特征在于：所述二级灯管为选取光源，二级灯管为80-120颗发光二级管均分排列组成，每个二级管的发光方向为120°，调整被测金具与光源到设定的位置，所述工业数字相机为被测金具图像采集设备，对被测金具图像采集，保存。

3.根据权利要求1所述的基于机器学习的小金具类缺陷检测算法，其特征在于：所述对采集的图像进行光照分量估值，得出光照分量的表达式，应用二维伽马函数根据光照的分布特征进行自适应的调整，并且通过图像灰度化对图像进行图像增加处理，所述估值采集后图像光照分量的计值。

4.根据权利要求3所述的基于机器学习的小金具类缺陷检测算法，其特征在于：所述I为采集的图像、(x,y)为图像像素的坐标、G(x,y,σ)为高斯函数，L(x,y,σ)为图像的尺度空间，为卷积运算；

最终得到光照分量公式为：

光照分布自适应调整公式中M(x,y)为矫正后图像的亮度值，γ为亮度增强的参数，m为光照分量的均值；

调节处不同的加权参数对图像进行灰度化处理；

I(x,y)＝0.3*I_R(x,y)+0.59*I_G(x,y)+0.11*I_B(x,y)。

5.根据权利要求1所述的基于机器学习的小金具类缺陷检测算法，其特征在于：所述图像增强处理后的图像块进行分组，空间域内搜索图像的相似块，而在频域内对相似块应用三维变换同时进行滤波综合去噪处理；

去噪处理公式为：

6.根据权利要求1所述的基于机器学习的小金具类缺陷检测算法，其特征在于：所述二值化处理后的图像分为两部份区域，一部分为光斑图，除光斑图以外的部分为背景图，对光斑图的每个部分进行质量分析，包括区域面积和形状，将分析后的光斑图与原始采集的图像进行对比，并将两组图像不同的地方进行标注保存。