[实用新型]一种基于机器视觉的金属表面缺陷检测系统

说明书

本实用新型公开了一种基于机器视觉的金属表面缺陷检测系统，属于金属机械加工制造技术领域。该系统包括运动控制系统、光学成像系统以及图像处理系统，所述运动控制系统、光学成像系统以及图像处理系统均与工控机通过各自对应的通讯协议进行通讯连接，所述运动控制系统包括三维载物平台，所述三维载物平台采用龙门式三维运动结构，所述运动控制系统用于放置金属进行金属表面的缺陷检测。本实用新型通过改进光学检测手段、优化图像处理算法，使得检测精度高，检测速度快，检测稳定性高，重复性好，输出的检测结果稳定。

技术领域

本实用新型属于金属机械加工制造技术领域，具体而言，涉及一种基于机器视觉的金属表面缺陷检测系统。

背景技术

金属锻件在加热或者锻造过程中，由于加热速度过快产生热应力产生不均匀变形或存在内部缺陷等原因，导致锻件出现裂纹缺陷，有的锻件缺陷会影响后续工序的加工质量，有的则严重影响锻件的性能，降低所制成品件的使用寿命，甚至危及安全。同时，金属合金在高温加工过程中，表面缝隙缺陷区域会产生金属氧化物等杂质影响产品性能。

现有技术中，目前去除金属氧化物常用的方法是酸洗法和机械打磨法，酸洗法容易对人和环境造成危害，机械打磨需要人工对缺陷进行识别，误检率高、劳动强度大且效率比较低。为此，我们提出一种基于机器视觉的金属表面缺陷检测系统来解决上述问题。

实用新型内容

针对现有技术的不足，本实用新型提供了一种基于机器视觉的金属表面缺陷检测系统。

为实现上述目的，本实用新型提供如下技术方案：一种基于机器视觉的金属表面缺陷检测系统，包括运动控制系统、光学成像系统以及图像处理系统，所述运动控制系统、光学成像系统以及图像处理系统均与工控机通过各自对应的通讯协议进行通讯连接；

所述运动控制系统包括三维载物平台，所述三维载物平台采用龙门式三维运动结构，所述运动控制系统用于放置金属进行金属表面的缺陷检测；

所述光学成像系统包括基座，所述基座设置在三维载物平台的框架上，所述基座的表面上安装有面阵工业相机以及光学镜头，所述面阵工业相机的两侧分别安装有两个专用光源和光源耦合器以及控制光源的光源驱动器；所述光学成像系统用于在龙门式三维运动结构中的空间运动实现自动化金属全表面缺陷检测；

所述图像处理系统包括机器学习模型以及深度学习模型二者结合的缺陷检测模型算法，所述图像处理系统用于对光学成像系统采集到的数字图像进行处理，并完成金属表面的缺陷识别动作，输出缺陷检测结果。

进一步优化本技术方案，所述三维载物平台配置有三维载物平台控制器，所述三维载物平台控制器与工控机通过对应的通讯协议进行通讯连接，用于控制三维载物平台的运动状态。

进一步优化本技术方案，所述专用光源和光源耦合器之间通过传输光纤进行光纤连接，所述传输光纤选用SMA光纤连接器。

进一步优化本技术方案，所述光学成像系统中还配置有光源控制器和自动聚焦控制器，所述光源控制器用于对光源参数进行调节，所述自动聚焦控制器用于在检测过程中进行自动调节成像焦距。

进一步优化本技术方案，所述图像处理系统中的机器学习模型包括图像预处理、感兴趣区域提取，深度学习包括：参数初始化方法、过拟合以及模型框架建立；所述机器学习模型用于图像平滑去噪，增强缺陷与背景的对比度，提取缺陷离散点，并通过扩张算法连接同一条缺陷上的点，输出缺陷位置、长度及宽度信息。

进一步优化本技术方案，所述图像处理系统中的深度学习模型选择CSPDarknet53主干、SPP附加模块、PANET路径聚合Neck和基于锚点的头部作为该模型的体系结构，所述深度学习模型用于通过学习大量金属表面缺陷实验，使得系统提高缝隙缺陷的识别精度，为机器学习提供更精准的识别范围。