【技术实现步骤摘要】
本专利技术涉及表面缺陷检测，具体涉及一种零部件表面缺陷检测系统。
技术介绍
1、在制造业或工程领域中，零部件是指构成机械、设备或系统的组成部分之一，通常具有特定的功能和形状，零部件可以是简单的构件，也可以是复杂的装配件，其大小、形状和用途各不相同。
2、表面缺陷是指物体表面上的瑕疵或损伤，可能影响到物体的外观、功能或性能。这些缺陷可以在制造、加工、运输或使用过程中产生，表面缺陷可以是各种类型的，包括但不限于：凹坑和划痕、氧化和腐蚀、气泡和气孔、裂纹和涂层剥落。
3、传统系统可能无法保证采集到充分数量和质量的图像样本，导致图像数据质量参差不齐，影响后续处理和分析的准确性，并且传统系统可能缺乏对图像进行灰度化、去噪和增强等预处理操作，使得图像中的特征无法被有效突出，增加了后续处理的干扰和困难，而且传统系统可能缺乏对图像中关键特征的充分提取，仅依赖人工经验或简单的算法，无法将图像信息转化为具有区分度的特征向量，导致后续分类器性能不佳，而且传统系统可能使用简单的分类器或未经优化的算法进行缺陷检测，导致检测准确率较低，漏检和误检现象较为常见，并且传统系统可能缺乏对分类器参数的优化调整机制，难以提高分类器的性能和泛化能力，使其适应不同的缺陷检测任务。
技术实现思路
1、本专利技术目的是针对
技术介绍
中存在的问题，提出一种零部件表面缺陷检测系统。
2、本专利技术的技术方案：一种零部件表面缺陷检测系统，包括特征提取单元和缺陷检测单元，还包括：
3、图像
4、图像预处理单元，所述图像预处理单元对图像采集单元传输的所述目标零部件表面图像进行接收，并对所述目标零部件表面图像进行图像预处理操作，从而得到标准目标零部件表面图像，所述图像预处理操作包括图像灰度化、图像去噪和图像增强操作，将所述标准目标零部件表面图像传输至缺陷分割单元；
5、缺陷分割单元，所述缺陷分割单元对图像预处理单元传输的所述标准目标零部件表面图像进行接收，并对所述标准目标零部件表面图像进行缺陷分割，从而得到缺陷分割图，将所述缺陷分割图传输至特征提取单元。
6、优选的，所述特征提取单元对缺陷分割单元传输的缺陷分割图进行接收，并通过形状特征提取算法提取所述缺陷分割图的形状特征，所述形状特征包括面积、外接矩形面积、周长、矩形度、圆度和连通域特征，通过纹理特征提取算法提取所述缺陷分割图的纹理特征，所述纹理特征包括角二阶矩、相关性、对比度和倒数差分矩特征，通过灰度特征提取算法利用灰度直方图提取所述缺陷分割图的灰度特征，所述灰度特征包括灰度直方图的均值、方差、歪斜度、峰态和能量特征，将所述形状特征、纹理特征和灰度特征传输至缺陷检测单元。
7、优选的，所述缺陷检测单元对特征提取单元传输的所述形状特征、纹理特征和灰度特征进行接收，并将所述形状特征、纹理特征和灰度特征输入至已训练好的缺陷检测模型中，通过所述已训练好的缺陷检测模型输出缺陷检测结果。
8、优选的，所述缺陷检测模型采用改进支持向量机分类算法，所述改进支持向量机分类算法包括支持向量机、粒子群算法、莱维飞行策略、圆环混沌映射和扩展操作，所述支持向量机用于对所述形状特征、纹理特征和灰度特征进行特征分类，从而得到与所述形状特征、纹理特征和灰度特征所对应的目标零部件表面图像的缺陷检测结果，所述粒子群算法用于对所述支持向量机的参数进行调优，所述参数包括惩罚参数和核函数参数，所述莱维飞行策略用于利用小步长与大步长相结合的跳变方式来扩大所述粒子群算法的搜索范围，从而得到改进的粒子位置更新公式，所述圆环混沌映射用于采用混沌模型对所述粒子群算法进行粒子初始化，所述扩展操作用于采用单纯形法的反射操作计算所述粒子群算法的当前最优反射解。
9、优选的，所述改进的粒子位置更新公式如下：
10、；
11、其中，表示第ｋ次迭代时粒子的位置，表示第k-1次迭代时粒子的位置，表示调优参数，且取0.01，表示第k-1次迭代时粒子总体在第d维空间的平均值，表示第ｋ-1次迭代时粒子的极值，表示levy分布，表示点乘，用于调整搜索区域。
12、优选的，所述混沌模型如下：
13、；
14、其中，表示第i+1个粒子的初始位置，表示第i个粒子的初始位置，表示取模运算。
15、优选的，所述单纯形法的反射操作表达式如下：
16、；
17、其中，表示反射点，表示中心点，表示反射程度的参数，且取1，表示最差点。
18、优选的，所述图像预处理单元中，所述图像灰度化操作，包括：
19、采用灰度化公式对所述目标零部件表面图像进行图像灰度化，从而得到灰度化目标零部件表面图像；
20、所述灰度化公式如下：
21、；
22、其中，表示所述目标零部件表面图像的灰度值，、和表示所述目标零部件表面图像的r、g和b的权值，且，、和表示所述目标零部件表面图像的r、g和b的值。
23、优选的，所述图像预处理单元中，所述图像去噪操作，包括：
24、遍历所述灰度化目标零部件表面图像中的所有像素点，并计算当前像素点的加权平均值；
25、将所述当前像素点的加权平均值与滤波模板的加权平均值进行比对；
26、若所述当前像素点的加权平均值小于或者等于所述滤波模板的加权平均值，则通过高斯滤波算法对所述当前像素点进行滤波，否则，则通过加权中值滤波算法对所述当前像素点进行滤波，从而得到去噪灰度化目标零部件表面图像。
27、优选的，所述图像预处理单元中，所述图像增强操作，包括：
28、对所述去噪灰度化目标零部件表面图像进行曲线小波变换，获得高频系数和低频系数，所述高频系数包括图像的细节信息，所述低频系数包括图像的近似信息；
29、通过非线性增强公式对所述低频系数进行非线性增强，通过噪声抑制公式对所述高频系数进行噪声抑制，从而得到处理后的所述低频系数和高频系数；
30、对所述处理后的低频系数和高频系数进行曲线小波逆变换，从而得到标准目标零部件表面图像。
31、优选的，所述非线性增强公式如下：
32、；
33、其中，表示非线性增强公式表达式，表示低频系数，表示噪声标准差，表示归一化参数，表示非线性程度，表示动态压缩范围，表示图像的高。
34、优选的，所述噪声抑制公式如下：
35、；
36、其中，表示噪声抑制公式表达式，表示符号函数，表示高频系数，表示阈值，且，表示噪声标准差，和表示图像的高和宽。
37、优选的，所述缺陷分割单元中，对所述标准目标零部件表面图像进行缺陷分割，从而得到缺陷分割图，包括：
38、将所述标准目标零部件表面图像划分为本文档来自技高网...
【技术保护点】
1.一种零部件表面缺陷检测系统，其特征在于，包括：
2.根据权利要求1所述的一种零部件表面缺陷检测系统，其特征在于：所述形状特征包括面积、外接矩形面积、周长、矩形度、圆度和连通域特征，所述纹理特征包括角二阶矩、相关性、对比度和倒数差分矩特征，所述灰度特征包括灰度直方图的均值、方差、歪斜度、峰态和能量特征。
3.根据权利要求1所述的一种零部件表面缺陷检测系统，其特征在于：所述图像预处理单元（2）中，所述图像灰度化操作，包括：
4.根据权利要求3所述的一种零部件表面缺陷检测系统，其特征在于：所述图像预处理单元（2）中，所述图像去噪操作，包括：
5.根据权利要求4所述的一种零部件表面缺陷检测系统，其特征在于：所述图像预处理单元（2）中，所述图像增强操作，包括：
6.根据权利要求1所述的一种零部件表面缺陷检测系统，其特征在于：所述缺陷分割单元（3）中，对所述标准目标零部件表面图像进行缺陷分割，从而得到缺陷分割图，包括：
【技术特征摘要】
1.一种零部件表面缺陷检测系统，其特征在于，包括：
2.根据权利要求1所述的一种零部件表面缺陷检测系统，其特征在于：所述形状特征包括面积、外接矩形面积、周长、矩形度、圆度和连通域特征，所述纹理特征包括角二阶矩、相关性、对比度和倒数差分矩特征，所述灰度特征包括灰度直方图的均值、方差、歪斜度、峰态和能量特征。
3.根据权利要求1所述的一种零部件表面缺陷检测系统，其特征在于：所述图像预处理单元（2）中，所述图像灰度化操作...
【专利技术属性】
技术研发人员：索文韬，梁键，林大凯，信涛涛，田思凡，
申请(专利权)人：陕西银汉空天科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。