[发明专利]一种基于半监督学习模型的铜件表面缺陷视觉检测方法

摘要

本发明公开了一种基于半监督学习模型的铜件表面缺陷视觉检测方法，属于铜件表面缺陷视觉检测技术领域。本发明针对常见的铜件表面缺陷，使用传送带和导轨将铜件移动到四个相应的检测工位，采用图像采集系统拍照取图来依次检测铜件的上下表面及两侧面是否有缺陷存在，并根据判定的结果对铜件进行分类，该系统还配备有一个相机来实时远程监控视觉检测系统的运行情况。上述的系统配置后的参数调整、数据的存储与统计、系统的实时远程监控及维护等操作采用在云端进行。本发明能实现自动连续地对铜件的表面缺陷进行检测，取代人工目视检测方法，提高了检测的效率与准确率。

主权项

1.一种基于半监督学习模型的铜件表面缺陷视觉检测方法，其特征在于：进行铜件表面缺陷视觉检测所利用的系统包括传送带(1)、导轨(4)、上视检工位相机(51)、第一侧视检相机(52)、下视检工位相机(53)、第二侧视检相机(54)和光源(6)，沿待检铜件(3)的运动方向设置有多于一段的传送带(1)，所述的导轨(4)设置于传送带(1)上及两传送带(1)之间；上视检工位相机(51)设置于传送带(1)正上方，下视检工位相机(53)设置于两传送带(1)间隙处正下方，所述的第一侧视检相机(52)和第二侧视检相机(54)则分别设置于传送带(1)水平方向的两侧；所述的光源(6)为相机拍照提供光照；所述的上视检工位相机(51)、第一侧视检相机(52)、下视检工位相机(53)和第二侧视检相机(54)均配备有光源(6)，该光源(6)采用同轴光源；该视觉检测系统还包括一监控相机和云端服务器，所述的监控相机实时远程监控视觉检测系统的运行情况；所述的云端服务器对视觉检测系统进行远程的实时监控、维护及参数调整；进行铜件表面缺陷视觉检测具体包括以下步骤：步骤一、待检铜件(3)在传送带(1)的作用下到达检测工位(2)，上视检工位相机(51)在光源(6)作用下拍照，获取铜件上表面图片；步骤二、对步骤一采集图片进行图像处理，检测铜件上表面缺陷；具体过程为：1)取得铜件图片后，采用Sobel算子提取图像中的兴趣域ROI；2)对步骤1)所得图像采用最佳阈值分割法进行动态阈值分割，获得二值化图像；3)对步骤2)所得图像采用数学形态学和BLOB分析，进行特征提取和选择，获得铜件图像上的灰度及形状特征；4)采用基于贝叶斯和最大期望算法相结合的半监督学习模型对铜件缺陷进行分类；具体如下：首先根据前述提取的特征作为半监督学习模型的输入，最大期望算法则对包含有未标注的样本集结合进贝叶斯分类器进行训练，根据少量的已经标注缺陷类型的焊点样本训练得到第一个贝叶斯分类器θ，然后在E步骤中利用所得的贝叶斯分类器θ的参数计算所有类关于未标注样本集的后验概率值，随后在M步骤中对包含了已标注和未标注的样本集以及训练的后验概率值训练新的中间分类器θ；EM步骤一直迭代，直到收敛；步骤三、重复步骤一和步骤二，待检铜件(3)在传送带(1)的作用下，依次检测铜件一侧面、铜件底面和铜件另一侧面的缺陷；步骤四、根据缺陷检测结果，对待检铜件(3)进行分类；步骤五、将采集图片和获得的缺陷信息存储于云端，并通过云端服务器对视觉检测系统进行远程的实时监控、维护及参数调整。