[发明专利]工件表面缺陷图像识别方法

摘要

一种工件表面缺陷图像识别方法，其技术方案要点是：使用专业成像设备采集工件表面图像，采用边缘检测算子法分割图像表面存在缺陷区域，将图像上各缺陷区域的主成分方向、主成分方向向量与图像坐标原点的距离分别归一化后作为各图像缺陷区域的新坐标值。然后分别计算新坐标下各图像缺陷区域间距离，并以此计算各图像缺陷区域局部密度，基于各图像缺陷区域局部密度以及与其它局部密度较大图像缺陷区域的距离选择缺陷聚类中心，并基于局部密度峰值对图像表面缺陷区域进行聚类，实现各缺陷的分离并统计缺陷数目及各缺陷大小。它可广泛应用于对大批量工件平面加工进行质量监测。

主权项

1.一种工件表面缺陷图像识别方法，其特征在于：通过机器学习方法对工件表面缺陷进行提取与检测；通过基于主成分方向的坐标变换方法将原始工件表面图像中划痕缺陷的线性流形关联转化为欧氏距离关联，简化后续的聚类计算，从而降低运算时间，同时不影响其他缺陷的聚类分析；利用新坐标下各图像缺陷区域的位置关联性计算各图像缺陷区域局部密度值；通过坐标变换后各点局部密度特征进行选取，并以此自动确定聚类中心的数目并对各图像缺陷区域进行聚类，从而将各缺陷所对应的图像缺陷区域归为同一类，避免了常规聚类方法需以人工方式选择确定聚类中心数以及进行迭代精化运算的问题；最后通过对聚类结果的统计分析确定原始图像中包含的缺陷数目以及缺陷大小；具体包括以下工序，使用专业成像设备收集工件表面图像；对工件表面图像使用边缘检测算法得到图像表面存在缺陷的区域；计算图像上各缺陷区域的主成分方向、主成分方向向量与图像坐标原点的距离并分别归一化后作为各图像缺陷区域的新坐标值；分别计算新坐标下各图像缺陷区域间距离，并以此计算各图像缺陷区域局部密度；基于各图像缺陷区域局部密度以及与其它局部密度较大图像缺陷区域的距离选择缺陷聚类中心，并基于局部密度峰值对图像缺陷区域进行聚类，实现各缺陷的分离；统计聚类数目以及原始图像上各类中图像缺陷区域占原始图像总大小的百分比，以此确定缺陷数目以及各缺陷大小。/n