[发明专利]一种基于图像处理的注塑缺陷检测方法

说明书

本发明提供一种基于图像处理的注塑缺陷检测方法，涉及图像处理技术领域，能够区分银纹缺陷种类并根据缺陷种类给出工艺调整建议，包括：采集注塑件RGB图像，进行预处理，得到银纹实例二值图像；获得模具特殊点；所有银纹实例像素点进行聚类，获得类银纹实例点类簇；获得类簇的汇集发散方向；将各类簇内的所有银纹实例的像素点进行曲线拟合，得到对应曲线，将这些曲线分别向所述汇聚发散方向延伸处理，得到汇集端区域与发散端区域以及汇集中心；计算各类簇汇集端区域与发散端区域的聚集熵；计算对应各类簇的聚散比；将各类簇进行初分类，分为降解银纹缺陷类簇和待分类类簇；计算待分类类簇距离比；根据距离比对待分类类簇进行二次分类。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于图像处理的注塑缺陷检测方法。

背景技术

注塑行业中注塑银纹是一种常见的产品缺陷，它不仅对产品的外观会造成影响，也会对产品的强度造成影响，这两种影响会使注塑件的产品价值大打折扣。而银纹的产生原因也多种多样，主要由熔融料中水汽或降解气挥发产生，或熔融料流动剪切所致，其分别对应水解银纹，降解银纹以及剪切银纹。在注塑过程中，由于产生银纹的原因不同，其相应的处理方式也会不同，因此，检测出银纹缺陷的同时还应分析其产生原因。

现有技术中对于上述银纹缺陷的检测方法为阈值分割等常规处理技术，其仅仅能检测出银纹，但无法区分银纹种类，需要进行人为区分才能推断出银纹产生原因并及时调控工艺参数。而神经网络算法需要大量的训练图片且准确率有待提高。

发明内容

本发明提供一种基于图像处理的注塑缺陷检测方法，包括采集注塑件RGB图像，进行预处理，得到银纹实例二值图像；根据注塑件模具参数获得模具特殊点；根据所有银纹实例像素点在二值图像上的分布进行聚类，获得K类银纹实例点类簇；根据各类簇内像素点个数和分布，获得类簇的汇集发散方向；将各类簇内的所有银纹实例的像素点进行曲线拟合，得到对应曲线，将这些曲线分别向所述汇集发散方向延伸处理，得到各类簇对应的汇集端区域与发散端区域以及汇集中心；计算各类簇所述汇集端区域与发散端区域的聚集熵；根据汇集端区域与发散端区域的聚集熵，计算对应各类簇的聚散比；根据聚散比将各类簇进行初分类，分为降解银纹缺陷类簇和待分类类簇；分别计算待分类类簇汇集中心与注口的距离、待分类类簇汇集中心与最近边缘转动中心的距离，以及距离比；根据距离比对待分类类簇进行二次分类。相对于现有技术，本发明可根据模具参数适应各种注塑件的银纹缺陷检测，现有技术中无法对银纹进行准确分类，仅仅将银纹归为一类，相对于现有技术，本发明能将银纹缺陷基于其不同的产生原因进行分类，并根据缺陷不同的产生原因给出对应去除缺陷的方法，提升了生产过程中缺陷排除效率。

为达到上述目的，本发明采用如下技术方案：

本发明提供了一种基于图像处理的注塑缺陷检测方法，包括：

采集注塑件RGB图像，对所述注塑件RGB图像进行预处理，得到银纹实例二值图像。

根据注塑件模具参数获得模具特殊点，所述模具特殊点为注口与边缘转动中心。

根据所有银纹实例像素点在所述二值图像上的分布进行聚类，获得K类银纹实例点类簇。

根据各所述类簇内像素点个数和分布，获得所述类簇的汇集发散方向。

将各所述类簇内的所有银纹实例的像素点进行曲线拟合，得到对应曲线，将这些曲线分别向所述汇集发散方向延伸处理，得到各所述类簇对应的汇集端区域与发散端区域以及汇集中心。

计算各所述类簇所述汇集端区域与所述发散端区域的聚集熵。

根据所述汇集端区域与所述发散端区域的聚集熵，计算对应各类簇的聚散比。

根据所述聚散比将各所述类簇进行初分类，分为降解银纹缺陷类簇和待分类类簇。