一种基于样本训练数据库的缺陷检测方法技术

本发明专利技术公开了一种基于样本训练数据库的缺陷检测方法，涉及缺陷检测技术领域，通过在检测区域设置检测点，并将检测样本在检测区域内与检测点的相对位置进行记录，在此基础上，对具有不同类型缺陷的检测样本进行样本数据采集、训练，从而获得具有不同类型缺陷的样本数据子库；在对待检测目标进行检测数据采集时，将所获得的检测数据进行调整，使得待检测目标与检测样本在检测区域中的位置一致，并将所获取到的特征与不同类型缺陷对应的数据子库进行匹配，从而判断出待检测目标所具有的缺陷。陷。陷。

【技术实现步骤摘要】
一种基于样本训练数据库的缺陷检测方法


[0001]本专利技术涉及缺陷检测
，具体是一种基于样本训练数据库的缺陷检测方法。

技术介绍

[0002]机器视觉技术已经代替人眼深入到了社会的方方面面，彻底改变了人们的生活环境。机器视觉检测综合了机器视觉和自动化技术，广泛应用于制造行业的产品缺陷检测，例如产品的装配过程检测与定位、产品的包装检测、产品的外观质量检测、物流行业的货物分拣或水果分拣等，机器视觉能够代替人工快速、准确地完成各项工作；
[0003]在现有技术中，对于产品表面缺陷的检测方式，通常是通过对产品进行表面特征提取，再针对所提取到的特征本身进行分析，判断是否存在缺陷，这种方式，一方面会使得缺陷检测的结果经常出现误判，同时其所涉及的数据运算更加复杂，对于硬件要求更高，为此，现提供一种基于样本训练数据库的缺陷检测方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于样本训练数据库的缺陷检测方法。
[0005]本专利技术的目的可以通过以下技术方案实现：一种基于样本训练数据库的缺陷检测方法，包括以下步骤：
[0006]步骤一：选择不同的检测样本，并获取检测样本的样本数据，根据所获得的样本数据建立样本数据库；
[0007]步骤二：获取待检测目标的检测数据，并对所获得的检测数据进行处理；
[0008]步骤三：根据处理结果，对待检测目标的表面缺陷进行判定。
[0009]进一步的，检测样本的样本数据的获取过程包括：
[0010]选择检测区域，并在检测区域内选择至少三个检测点；
[0011]根据所选择的检测点，设置样本检测区域，并对样本检测区域进行定位；
[0012]将检测样本放在样本检测区域内，并根据实际需求，将视觉数据采集终端安装在样本检测区域处，通过视觉数据采集终端获取检测样本的样本数据，并对所获取到的样本数据进行处理。
[0013]进一步的，对样本检测区域进行定位的过程包括：
[0014]建立二维坐标系，并将所建立的二维坐标系映射至检测区域内，且使得检测点处于二维坐标系的同一象限范围内；
[0015]分别获取检测点在二维坐标系内的二维坐标，并生成样本检测区域；所有检测点均处于样本检测区域的边界上。
[0016]进一步的，对样本数据进行处理的过程包括：
[0017]对所放入的检测样本所具有的缺陷进行标记，并根据检测样本所具有的缺陷建立对应缺陷的数据子库，并生成数据标签；
[0018]将视觉数据采集终端所获取到的检测样本的样本数据进行标记，并输入卷积神经网络模型，通过卷积神经网络模型对所获得的样本数据进行特征提取，获得样本特征集；
[0019]将检测样本上的缺陷所在的位置对应的区域的特征进行标记，形成缺陷特征集；
[0020]在检测样本上缺陷所在位置以外的区域选择一个参照区域；
[0021]将该参照区域的特征进行标记，并选择其中一个特征作为参照特征，获取参照特征在二维坐标系内的二维坐标，根据检测样本所具有的不同类型的缺陷，建立对应的数据子库，并将数据子库进行汇总，获得样本数据库。
[0022]进一步的，获取待检测目标的检测数据的过程包括：
[0023]通过视觉数据采集终端获取检测区域的视觉图像，并根据所获得的检测区域的视觉图像判断检测区域内是否存在待检测目标；
[0024]将所获得的视觉图像转化为图片帧，并将图片帧输入至卷积神经网络模型，通过卷积神经网络模型提取图片帧中的特征；
[0025]将所获得的图片帧中的特征与样本数据库中所有的参照特征进行匹配，根据匹配结果，判断检测区域内是否存在待检测目标；
[0026]对待检测目标的在检测区域内的位置进行定位，并获得待检测目标的检测数据。
[0027]进一步的，对待检测目标在检测区域内的位置进行定位的过程包括：
[0028]将参照特征在检测区域内的位置映射至二维坐标系内，并获取参照特征在检测区域内的坐标，记为M1(a1，b1)；
[0029]设置检测周期T，即每隔检测周期T重新获取参照特征在检测区域内的新坐标，记为M2(a2，b2)；
[0030]将M1(a1，b1)与M2(a2，b2)进行对比，判断待检测目标在检测区域内的位置是否稳定，再获得待检测目标在检测区域内的位置稳定状态下的检测数据。
[0031]进一步的，对所获得的待检测目标的检测数据进行处理的过程包括：
[0032]根据所获得的图片帧的参照特征，调用与该参照特征相匹配的数据子库；
[0033]对所获得的图片帧进行调整，使得所获得的图片帧在检测区域内的位置与数据子库中检测样本在检测区域内的位置一致；
[0034]见所提取到的图片帧中的特征分别与检测样本中的不同类型的缺陷对应的特征进行匹配，并输出匹配结果，根据匹配结果对待检测目标的表面缺陷进行判定待检测目标是否存在缺陷。
[0035]与现有技术相比，本专利技术的有益效果是：通过在检测区域设置检测点，并将检测样本在检测区域内与检测点的相对位置进行记录，在此基础上，对具有不同类型缺陷的检测样本进行样本数据采集、训练，从而获得具有不同类型缺陷的样本数据子库；在对待检测目标进行检测数据采集时，将所获得的检测数据进行调整，使得待检测目标与检测样本在检测区域中的位置一致，并将所获取到的特征与不同类型缺陷对应的数据子库进行匹配，从而判断出待检测目标所具有的缺陷；本专利技术充分利用前期对样本数据进行训练，使得对不同类型的缺陷形成数据子库，从而在对待检测目标进行检测时，只需要将所检测到的特征与前期所训练的样本中的特征进行匹配，就能判断是否存在缺陷，大大提高了识别效率。
附图说明
[0036]图1为本专利技术的原理图。
具体实施方式
[0037]如图1所示，一种基于样本训练数据库的缺陷检测方法，包括以下步骤：
[0038]步骤一：选择不同的检测样本，并获取检测样本的样本数据，根据所获得的样本数据建立样本数据库；
[0039]步骤二：获取待检测目标的检测数据，并对所获得的检测数据进行处理；
[0040]步骤三：根据处理结果，对待检测目标的表面缺陷进行判定。
[0041]需要进一步说明的是，在具体实施过程中，检测样本的样本数据的获取过程包括：
[0042]选择检测区域，并在检测区域内选择至少三个检测点；
[0043]根据所选择的检测点，设置样本检测区域，并对样本检测区域进行定位；需要进一步说明的是，在具体实施过程中，对样本检测区域进行定位的过程包括：
[0044]建立二维坐标系，并将所建立的二维坐标系映射至检测区域内，且使得检测点处于二维坐标系的同一象限范围内；
[0045]分别获取检测点在二维坐标系内的二维坐标，并生成样本检测区域；需要进一步说明的是，在具体实施过程中，所有检测点均处于样本检测区域的边界上；
[0046]将检测样本放在样本检测区域内，并根据实际需求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样本训练数据库的缺陷检测方法，其特征在于，包括以下步骤：步骤一：选择不同的检测样本，并获取检测样本的样本数据，根据所获得的样本数据建立样本数据库；步骤二：获取待检测目标的检测数据，并对所获得的检测数据进行处理；步骤三：根据处理结果，对待检测目标的表面缺陷进行判定。2.根据权利要求1所述的一种基于样本训练数据库的缺陷检测方法，其特征在于，检测样本的样本数据的获取过程包括：选择检测区域，并在检测区域内选择至少三个检测点；根据所选择的检测点，设置样本检测区域，并对样本检测区域进行定位；将检测样本放在样本检测区域内，并根据实际需求，将视觉数据采集终端安装在样本检测区域处，通过视觉数据采集终端获取检测样本的样本数据，并对所获取到的样本数据进行处理。3.根据权利要求2所述的一种基于样本训练数据库的缺陷检测方法，其特征在于，对样本检测区域进行定位的过程包括：建立二维坐标系，并将所建立的二维坐标系映射至检测区域内，且使得检测点处于二维坐标系的同一象限范围内；分别获取检测点在二维坐标系内的二维坐标，并生成样本检测区域；所有检测点均处于样本检测区域的边界上。4.根据权利要求3所述的一种基于样本训练数据库的缺陷检测方法，其特征在于，对样本数据进行处理的过程包括：对所放入的检测样本所具有的缺陷进行标记，并根据检测样本所具有的缺陷建立对应缺陷的数据子库，并生成数据标签；将视觉数据采集终端所获取到的检测样本的样本数据进行标记，并输入卷积神经网络模型，通过卷积神经网络模型对所获得的样本数据进行特征提取，获得样本特征集；将检测样本上的缺陷所在的位置对应的区域的特征进行标记，形成缺陷特征集；在检测样本上缺陷所在位置以外的区域选择一个参照区域；将该参照区域的特征进行标记，并选择其中一个特征作为参照特征，获取参照特征在二维坐标系内的二维坐标，根据检...

【专利技术属性】
技术研发人员：杨静琪，
申请(专利权)人：山西士涂静信息科技有限公司，
类型：发明
国别省市：