【技术实现步骤摘要】
本专利技术涉及pvc塑料管材，更具体地说，本专利技术涉及一种基于机器视觉的pvc塑料管材配件缺陷检测方法及装置。
技术介绍
1、pvc塑料管材广泛应用于建筑、排水和工业领域，其配件的质量直接影响整个系统的性能和寿命。传统的缺陷检测方法通常依赖人工检查或简单的传感器检测，存在噪声抑制低、精度差、漏检率高等问题，难以满足现代化生产的高标准要求。
2、现有技术主要包括两大类：其一是基于人工经验的检测方法，工人通过目视观察或借助简单工具检查管材配件的表面质量和几何形状。这种方法虽然灵活，但容易受主观因素影响，难以保证一致性，尤其在大规模生产中容易出现漏检或误检。其二是基于传统检测设备的方法，例如通过机械量测设备检测尺寸偏差，或通过简单的光学设备发现明显表面缺陷。然而，这些方法通常只能检测某一类特定的缺陷，对复杂的缺陷形态和小型缺陷难以有效处理，同时设备成本较高，灵活性不足。
3、相比之下，基于机器视觉的方法利用了计算机和图像处理技术的强大能力，通过工业相机、光源系统和智能算法对管材配件的表面进行全方位、高分辨率扫描。该方法不仅可以检测常见缺陷如裂纹、气泡、变形和尺寸偏差，还能通过训练深度学习模型，识别细微且复杂的质量问题。此外，机器视觉检测可以实现自动化操作，大幅提高检测噪声抑制，降低人工成本，并为质量控制提供可视化的数据支持。这种技术正逐渐成为智能制造领域的核心工具，为塑料管材配件的高品质生产提供了可靠保障。
4、例如公告号为：cn116630332a的专利技术专利公告的一种基于图像处理的pvc塑料
5、上述公开的技术方案中，至少存在如下技术问题：
6、在pvc塑料管材配件缺陷的检测时，差值区域的范围大小直接影响对pvc塑料管材配件缺陷的检测精度和可靠性；
7、差值区域的计算范围过于宽泛，可能包含大量与缺陷无关的背景信息，例如管材表面的纹理、光照反射或灰尘等。这些无关信息会干扰后续特征提取的准确性，增加误报的可能性，尤其是在工业现场复杂光照和环境背景下问题更为显著。
8、差值区域的范围过小则可能无法覆盖缺陷的完整边界，导致缺陷的关键特征信息（如形状、大小或颜色分布）被部分忽略。这种信息丢失会降低检测算法的敏感性，特别是在识别微小或扩散性缺陷时，容易产生漏检现象。
9、现有技术中差值区域范围选择不规范，缺乏适应不同缺陷类型的动态调整机制，导致信息遗漏或噪声干扰，严重制约了缺陷检测的准确性和适用性。针对上述问题，本专利技术提出一种解决方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于机器视觉的pvc塑料管材配件缺陷检测方法及装置，通过分析不同差值区域范围下的缺陷检测效果，以解决现有技术中差值区域范围选择不规范，缺乏适应不同缺陷类型的动态调整机制，导致信息遗漏或噪声干扰，严重制约了缺陷检测的准确性和适用性的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于机器视觉的pvc塑料管材配件缺陷检测方法，包括如下步骤：获取pvc塑料管材配件的图像，通过边缘检测提取图像缺陷轮廓并计算生成缺陷轮廓的最小外接圆；基于缺陷轮廓的几何特征设定初始差值区域范围，并对初始差值区域范围进行若干次基于膨胀操作和腐蚀操作，得到若干个可调节差值区域范围；分别计算若干个可调节差值区域范围与最小外接圆之间的色相一致性、相似度向量与差异度向量，进行缺陷检测；分别获取不同可调节差值区域范围下缺陷检测的缺陷定位数据和检测鲁棒性数据；根据缺陷定位数据和检测鲁棒性数据分别基于卷积神经网络构建差值区域范围评估模型；根据差值区域范围评估模型的输出和对应的差值区域范围构建差值区域范围-检测效果关系曲线，并进行数据分析，得到调节后的差值区域范围，并应用于pvc塑料管材配件缺陷检测。
3、在一个优选的实施方式中，所述获取pvc塑料管材配件的图像，通过边缘检测提取图像缺陷轮廓并计算生成缺陷轮廓的最小外接圆，具体为：获取pvc塑料管材配件的图像，对采集到的原始图像进行预处理；基于canny算法进行边缘检测，得到边缘图像；基于opencv检测边缘图像中的所有轮廓，得到轮廓的坐标点；根据轮廓的坐标点基于opencv通过，计算轮廓的最小外接圆。
4、在一个优选的实施方式中，所述基于缺陷轮廓的几何特征设定初始差值区域范围，具体为：基于opencv计算缺陷轮廓的最小外接矩形；将差值区域的中心设为最小外接矩形的中心点，并使用最小外接矩形的宽度和高度，增加预设的边距，得到初始差值区域范围。所述并对初始差值区域范围进行若干次基于膨胀操作和腐蚀操作，得到若干个可调节差值区域范围，具体为：基于预设的结构元素，通过cv2.dilate(）对初始差值区域进行膨胀操作，使用cv2.erode(）对初始差值区域进行腐蚀操作；通过若干次膨胀操作和腐蚀操作，得到若干个可调节差值区域范围。
5、在一个优选的实施方式中，所述分别计算若干个可调节差值区域范围与最小外接圆之间的色相一致性、相似度向量与差异度向量，进行缺陷检测，具体为：提取hsv图像中的h通道数据；对于每一个差值区域范围（计算该区域内每个像素点的色相值；对于最小外接圆所围成的区域，计算该区域内的h通道色相值；通过计算差值区域范围内像素的色相值与最小外接圆区域像素色相值的均值差异得到色相一致性；基于欧式距离计算差值区域范围与最小外接圆区域之间的像素级别相似性，得到相似度向量；基于像素值的绝对差计算差异度向量；结合色相一致性、相似度向量和差异度向量，对检测结果进行综合分析。
6、在一个优选的实施方式中，所述缺陷定位数据包括缺陷定位精度影响系数；所述缺陷定位精度影响系数的具体获取方法如下：获取不同太赫兹波频率和波束宽度下的太赫兹波信号的强度变化，壁厚分布的波动情况，通过信号处理算法，构建壁厚定位精度评估模型；将壁厚定位精度评估模型进行聚类处理；将处理后的壁厚定位精度评估模型进行特征提取，并基于壁厚测量误差、定位误差和噪声干扰，计算测量精度评估系数；通过壁厚定位精度评估模型模拟不同太赫兹波频率和波束宽度下的测量精度，并建立精度时效性模型，得到精度时效性评估系数；结合测量精度评估系数计算得到缺陷定位精度影响系数。
7、在一个优选的实施方式中，所述检测鲁棒性数据包括鲁棒性波动异常系数和噪声抑制异常系数；所述鲁棒性波动异常系数的具体获取方法如下：基于不同差值区域范围下缺陷检测过程，获取本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述获取PVC塑料管材配件的图像，通过边缘检测提取图像缺陷轮廓并计算生成缺陷轮廓的最小外接圆，具体为：
3.根据权利要求2所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述基于缺陷轮廓的几何特征设定初始差值区域范围，具体为：
4.根据权利要求3所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述分别计算若干个可调节差值区域范围与最小外接圆之间的色相一致性、相似度向量与差异度向量，进行缺陷检测，具体为：
5.根据权利要求4所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述缺陷定位数据包括缺陷定位精度影响系数；所述缺陷定位精度影响系数的具体获取方法如下：
6.根据权利要求5所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述检测鲁棒性数据包括鲁棒性波动异常系数和噪声抑制异常系数
7.根据权利要求6所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述噪声抑制异常系数的具体获取方法如下：
8.根据权利要求7所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述根据差值区域范围评估模型的输出和对应的差值区域范围构建差值区域范围-检测效果关系曲线，具体为：
9.根据权利要求8所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法，其特征在于，所述并进行数据分析，得到调节后的差值区域范围，并应用于PvC塑料管材配件缺陷检测，具体为：
10.一种使用如权利要求1-9任意一项所述的一种基于机器视觉的PvC塑料管材配件缺陷检测方法的装置，其特征在于，包括外接圆获取模块、可调节差值区域范围获取模块、缺陷检测模块、数据分析模块、差值区域范围评估模块以及差值区域范围筛选模块；
...【技术特征摘要】
1.一种基于机器视觉的pvc塑料管材配件缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于机器视觉的pvc塑料管材配件缺陷检测方法，其特征在于，所述获取pvc塑料管材配件的图像，通过边缘检测提取图像缺陷轮廓并计算生成缺陷轮廓的最小外接圆，具体为：
3.根据权利要求2所述的一种基于机器视觉的pvc塑料管材配件缺陷检测方法，其特征在于，所述基于缺陷轮廓的几何特征设定初始差值区域范围，具体为：
4.根据权利要求3所述的一种基于机器视觉的pvc塑料管材配件缺陷检测方法，其特征在于，所述分别计算若干个可调节差值区域范围与最小外接圆之间的色相一致性、相似度向量与差异度向量，进行缺陷检测，具体为：
5.根据权利要求4所述的一种基于机器视觉的pvc塑料管材配件缺陷检测方法，其特征在于，所述缺陷定位数据包括缺陷定位精度影响系数；所述缺陷定位精度影响系数的具体获取方法如下：
6.根据权利要求5所述的一种基于机器视觉的pvc塑料管材配...
【专利技术属性】
技术研发人员：张振鹏，陈建辉，姜彦玲，张振，陈宇龙，王璞，
申请(专利权)人：长春联塑实业有限公司，
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。