【技术实现步骤摘要】
本申请涉及模具检测，尤其涉及一种精密塑胶模具检测方法、装置、设备及存储介质。
技术介绍
1、传统的精密塑胶模具检测方法主要依赖于人工视觉检查和简单的机器视觉系统，这些方法往往存在主观性强、效率低下、精度有限等问题。
2、近年来，多光谱成像技术和三维激光扫描技术的发展为模具检测提供了新的可能性。然而，如何有效地融合这两种技术，并从海量的多模态数据中准确识别和定位微小缺陷仍然是一个巨大的挑战。此外，模具表面的复杂几何形状和材料特性也给检测带来了额外的困难，特别是在处理高反射率或低对比度表面时。另一个关键问题是如何在保证检测精度的同时提高检测效率。传统的逐点扫描方法耗时较长，难以满足现代生产线的高效率要求。而如何设计一种智能的、自适应的检测策略，能够根据模具的几何特征和潜在缺陷分布快速制定最优的扫描路径，是亟需解决的问题。
技术实现思路
1、本申请提供了一种精密塑胶模具检测方法、装置、设备及存储介质，进而提高了检测的覆盖率和精度，平衡了检测时间和资源消耗，实现了高效、全面且精确的模具质量控制。
2、本申请第一方面提供了一种精密塑胶模具检测方法，所述精密塑胶模具检测方法包括：
3、对精密塑胶模具表面进行多光谱成像和三维激光扫描，得到多光谱图像数据和三维点云数据；
4、对所述多光谱图像数据进行多尺度自适应阈值分割，得到目标分割结果，并将所述目标分割结果映射至所述三维点云数据，得到第一三维模型；
5、基于所述第一三维模型进行张量投票表
6、通过非局部细化网络对所述第二三维模型进行全局优化，得到目标三维模型；
7、基于所述目标三维模型提取多视角特征，并通过多尺度卷积神经网络和注意力机制进行缺陷分类与定位，得到缺陷类别与分布信息；
8、根据所述缺陷类别与分布信息以及所述精密塑胶模具的几何特征，使用光线追踪引导的序列凸优化算法计算最优扫描检测路径，生成自适应模具检测策略。
9、本申请第二方面提供了一种精密塑胶模具检测装置，所述精密塑胶模具检测装置包括：
10、扫描模块，用于对精密塑胶模具表面进行多光谱成像和三维激光扫描，得到多光谱图像数据和三维点云数据；
11、分割模块，用于对所述多光谱图像数据进行多尺度自适应阈值分割，得到目标分割结果，并将所述目标分割结果映射至所述三维点云数据，得到第一三维模型；
12、重建模块，用于基于所述第一三维模型进行张量投票表面重建，并使用多光谱图像修复网络对潜在缺陷区域进行纹理恢复，得到第二三维模型；
13、优化模块，用于通过非局部细化网络对所述第二三维模型进行全局优化，得到目标三维模型；
14、分类模块，用于基于所述目标三维模型提取多视角特征，并通过多尺度卷积神经网络和注意力机制进行缺陷分类与定位，得到缺陷类别与分布信息；
15、生成模块，用于根据所述缺陷类别与分布信息以及所述精密塑胶模具的几何特征，使用光线追踪引导的序列凸优化算法计算最优扫描检测路径，生成自适应模具检测策略。
16、本申请第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述的精密塑胶模具检测方法。
17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的精密塑胶模具检测方法。
18、与现有技术相比，本申请具有以下有益效果：通过结合多光谱成像和三维激光扫描技术，本专利技术能够同时获取模具表面的光谱信息和几何信息，大大提高了缺陷检测的全面性和准确性。采用多尺度自适应阈值分割算法，能够有效处理不同区域的光照变化和材料特性差异，提高了分割结果的鲁棒性。利用张量投票表面重建技术，结合多光谱图像修复网络，不仅能够准确重建模具表面几何形状，还能恢复潜在缺陷区域的纹理细节。通过非局部细化网络对模型进行全局优化，有效提高了三维模型的精度和一致性。基于目标三维模型提取多视角特征，并结合多尺度卷积神经网络和注意力机制，显著提高了缺陷分类与定位的准确性。采用光线追踪引导的序列凸优化算法，能够根据缺陷分布和模具几何特征自动生成最优扫描路径，大大提高了检测效率。通过综合考虑覆盖率、检测精度和扫描时间，生成的自适应模具检测策略能够在保证检测质量的同时最大化效率。本专利技术的检测过程从数据采集到缺陷识别再到路径规划都是自动进行的，极大地减少了人工干预，实现了高效、全面且精确的模具质量控制。
本文档来自技高网...【技术保护点】
1.一种精密塑胶模具检测方法，其特征在于，所述精密塑胶模具检测方法包括：
2.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述对精密塑胶模具表面进行多光谱成像和三维激光扫描，得到多光谱图像数据和三维点云数据，包括：
3.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述对所述多光谱图像数据进行多尺度自适应阈值分割，得到目标分割结果，并将所述目标分割结果映射至所述三维点云数据，得到第一三维模型，包括：
4.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述基于所述第一三维模型进行张量投票表面重建，并使用多光谱图像修复网络对潜在缺陷区域进行纹理恢复，得到第二三维模型，包括：
5.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述通过非局部细化网络对所述第二三维模型进行全局优化，得到目标三维模型，包括：
6.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述基于所述目标三维模型提取多视角特征，并通过多尺度卷积神经网络和注意力机制进行缺陷分类与定位，得到缺陷类别与分布信息，包括：
...【技术特征摘要】
1.一种精密塑胶模具检测方法，其特征在于，所述精密塑胶模具检测方法包括：
2.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述对精密塑胶模具表面进行多光谱成像和三维激光扫描，得到多光谱图像数据和三维点云数据，包括：
3.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述对所述多光谱图像数据进行多尺度自适应阈值分割，得到目标分割结果，并将所述目标分割结果映射至所述三维点云数据，得到第一三维模型，包括：
4.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述基于所述第一三维模型进行张量投票表面重建，并使用多光谱图像修复网络对潜在缺陷区域进行纹理恢复，得到第二三维模型，包括：
5.根据权利要求1所述的精密塑胶模具检测方法，其特征在于，所述通过非局部细化网络对所述第二三维模型进行全局优化，得到目标三维模型，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：董思灿，张钦鹏，林泳冰，
申请(专利权)人：深圳市精实研能科技有限公司，
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。