一種基於機器視覺的工業品檢測方法
2023-08-09 10:07:26 1
一種基於機器視覺的工業品檢測方法
【專利摘要】本發明公開了一種基於機器視覺的工業品檢測方法,本發明為:1)對每種類型的工業產品進行採樣與統計,得出該類型工業產品自身色差分布的統計模型和紋理方差分布的統計模型;2)從色差分布的統計模型中提取工業產品的色差特徵,從紋理方差分布的統計模型中提取工業產品的紋理特徵,根據提取的色差特徵和紋理特徵建立特徵空間;3)利用支持向量機SVM對該特徵空間進行劃分,得到最優超平面作為對待檢測物品進行檢測的決策分類器,即分類閾值;4)利用粒子濾波框架對待測物品的色差與紋理進行採樣,得到待檢樣本的統計向量;然後將該統計向量輸入所述決策分類器,得到待測物品的類別。本發明大大改善了現行工業化生產中檢測工序。
【專利說明】—種基於機器視覺的工業品檢測方法
【技術領域】
[0001]本發明屬於計算機視覺領域,具體涉及一種基於機器視覺的工業品檢測方法,可以對生產線上的工業產品進行分類檢測,可實現產品分類等功能。
【背景技術】
[0002]在現代工業生產過程中,產品質量檢測是一道重要的工序,通常一個產品的質量首先通過工業製品的外觀來進行初步判斷,例如,產品色差,尺寸,外觀。這種工業產品通常在流水線上生產,對生產的連續性與高速通過性有很高的要求。這類流水線的檢測工作通常具有很高的重複性與智能性,目前在國內的絕大多數生產線上只能靠人工來識別。在現代化工業的今天,一個大型的工廠快速流水線的生產最末環節,往往需要數以百計的工人來執行產品檢測這道工序。但是人工檢測在給企業帶來巨大的生產與人力成本的同時,卻仍然無法保證人工檢測的100%正確率。例如產品的色差與紋理檢測,微小尺寸工業製品的外觀檢測,都無法通過人眼快速連續的進行可靠、準確的檢測。
[0003]因此,完全自動化的工業品檢測技術將是未來流水線工業生產的趨勢。但是國內在工業產品質量自動檢測方面的研究起步較晚,技術還不成熟。雖然最近幾年來,各大高校以及研究所投入了大量的人力物力開展這方面的研究,但是國內對於工業產品質量自動檢測技術的研究還處試驗階段,並沒有可靠而穩定的產品推出。
[0004]此外機器視覺技術的快速發展已經使自動化檢測實現成為可能,國內現有一些工業品檢測系統,需要人工對產品的色差紋理合格的閾值進行人工設置。該類檢測系統在一定程度上提高了生產效率,但由於閾值設置不一定合理,且該檢測技術缺乏智能性與學習判斷能力,因此檢測的正確率依然無法達到要求。
【發明內容】
[0005]針對現有技術中存在的技術問題,本發明目的在於提供一種基於機器視覺的工業品檢測方法,徹底改善現行工業化生產中檢測工序,克服了現行檢測技術需要人工設定閾值的弊端,可以徹底消除人為判斷誤差對檢測結果的影響。同時創新性的檢測過程中引入粒子濾波框架對工業產品表面進行採樣。
[0006]本發明的技術方案為:
[0007]一種基於機器視覺的工業品檢測方法,其步驟為:
[0008]I)對每種類型的工業產品進行採樣與統計,得出該類型工業產品自身色差分布的統計模型和紋理方差分布的統計模型;
[0009]2)從色差分布的統計模型中提取工業產品的色差特徵,從紋理方差分布的統計模型中提取工業產品的紋理特徵,根據提取的色差特徵和紋理特徵建立特徵空間;
[0010]3)利用支持向量機SVM對該特徵空間進行劃分,得到最優超平面;將該最優超平面作為對待檢測物品進行檢測的決策分類器,即分類閾值;
[0011]4)利用粒子濾波框架對待測物品的色差與紋理進行採樣,得到待檢樣本的統計向量;然後將該統計向量輸入所述決策分類器,得到待測物品的類別。
[0012]進一步的,所述支持向量機SVM為線性支持向量機;所述線性支持向量機將所提取的紋理特徵與色差特徵形成向量,並映射到一高維空間裡,在該空間裡建立有一最大間隔超平面;然後在分隔超平面的兩邊建有兩個互相平行的超平面;通過求解分隔超平面使兩個平行超平面的距離最大化,得到所述最優超平面。
[0013]進一步的,得到所述最優超平面的方法為:
[0014]31)將步驟2)所提取的紋理特徵和色差特徵隨機均分拆成η個組;
[0015]32)訓練其中某一組數據並用其他組數據測試,得到第一組參數;
[0016]33)選取另外一組數據訓練,用其他組數據測試得到第二組參數;以此類推進行交叉驗證,共得到η組參數,比較這η組數據的識別結果,選擇一組最優的參數,即得到了所述最優超平面。
[0017]進一步的,所述利用粒子濾波框架對待測物品的色差與紋理進行採樣的方法為:
[0018]41)從待檢物品的圖像色差與紋理特徵結合隨機抽取m個樣本;
[0019]42)得到每一個樣本的方差統計信息;
[0020]43)針對方差統計信息,如果有差異大於設定閾值的樣本,對其臨近區域加大採樣權重,進行重新採樣,每個樣本被選中的概率正比於其權重,即進行重要性採樣;
[0021]44)當樣本的重採樣的權值小於給定的門限值時,則重新進行重要性採樣。
[0022]本發明基於機器視覺領域的技術進行工業產品檢測分類,以下為本發明技術內容:
[0023]本發明的核心部分由學習過程與檢測部分過程構成,其中學習過程採取一種色差檢測與紋理分析結合的新型分類器訓練方法;檢測部分基於粒子濾波採樣框架進行採樣。對於發明核心的兩種方法介紹如下:
[0024]一、色差檢測與紋理分析結合的雙特徵分類器訓練方法
[0025]本發明首先在工業產品檢測技術中創新性的提出訓練模塊,首先通過大量工業產品樣本對系統中的分類模塊進行訓練,對工業產品樣本通過隨機採樣,從而進行色差檢測,紋理判斷,接著利用得到的原始數據(即提取樣本的特徵),然後利用支持向量機(SVM)訓練得出正負樣本的二分類閾值。對於每種類型的工業產品,通過大量採樣,進行統計學習,得出每類工業產品自身色差分布的統計模型和紋理方差分布的統計模型。
[0026]1.色差判斷與紋理判斷
[0027]色差判斷利用工業界通用的工業品色差檢測方法,其工作原理為首先選擇匹配的色彩空間,然後利用適合的色差計算公式計算色差。
[0028]顏色空間包括RGB顏色空間、XYZ顏色空間、LAB顏色空間3種。其中,RGB顏色空間是不均勻的,不能用來計算色差。XYZ顏色空間雖然消除了 r、g、b出現負數的情況,但也是不均勻的顏色空間,不能用於色差的計算。LAB色彩模型是由L (明度)、A (顏色)、B (顏色)3個要素組成。其中,A表示從紅色到綠色的範圍,B表示從黃色到藍色的範圍。LAB顏色空間是一個均勻的顏色空間,符合人的視覺感受。當顏色的差異為人眼所識別並且這個差值又小於孟塞爾系統中相鄰兩級的色差值時,可反映觀察人員對產品的實際感受。
[0029]故先將RGB顏色空間轉換到XYZ顏色空間,我們主要利用如下兩個公式進行轉換:[0030]RGB顏色空間到XYZ顏色空間轉換公式為:
[0031]
【權利要求】
1.一種基於機器視覺的工業品檢測方法,其步驟為: .1)對每種類型的工業產品進行採樣與統計,得出該類型工業產品自身色差分布的統計模型和紋理方差分布的統計模型; .2)從色差分布的統計模型中提取工業產品的色差特徵,從紋理方差分布的統計模型中提取工業產品的紋理特徵,根據提取的色差特徵和紋理特徵建立特徵空間; .3)利用支持向量機SVM對該特徵空間進行劃分,得到最優超平面;將該最優超平面作為對待檢測物品進行檢測的決策分類器,即分類閾值; .4)利用粒子濾波框架對待測物品的色差與紋理進行採樣,得到待檢樣本的統計向量;然後將該統計向量輸入所述決策分類器,得到待測物品的類別。
2.如權利要求1所述的方法,其特徵在於所述支持向量機SVM為線性支持向量機;所述線性支持向量機將所提取的紋理特徵與色差特徵形成向量,並映射到一高維空間裡,在該空間裡建立有一最大間隔超平面;然後在分隔超平面的兩邊建有兩個互相平行的超平面;通過求解分隔超平面使兩個平行超平面的距離最大化,得到所述最優超平面。
3.如權利要求1或2所述的方法,其特徵在於得到所述最優超平面的方法為: .31)將步驟2)所提取的紋理特徵和色差特徵隨機均分拆成η個組; .32)訓練其中某一組數據並用其他組數據測試,得到第一組參數; .33)選取另外一組數據訓練,用其他組數據測試得到第二組參數;以此類推進行交叉驗證,共得到η組參數,比較這η組數據的識別結果,選擇一組最優的參數,即得到了所述最優超平面。
4.如權利要求1所述的方法,其特徵在於所述利用粒子濾波框架對待測物品的色差與紋理進行採樣的方法為: .41)從待檢物品的圖像色差與紋理特徵結合隨機抽取m個樣本; .42)得到每一個樣本的方差統計信息; .43)針對方差統計信息,如果有差異大於設定閾值的樣本,對其臨近區域加大採樣權重,進行重新採樣,每個樣本被選中的概率正比於其權重,即進行重要性採樣; .44 )當樣本的重採樣的權值小於給定的門限值時,則重新進行重要性採樣。
【文檔編號】G06K9/62GK103903009SQ201410119481
【公開日】2014年7月2日 申請日期:2014年3月27日 優先權日:2014年3月27日
【發明者】丁潤偉, 王燦, 翟森, 劉宏 申請人:北京大學深圳研究生院