【技术实现步骤摘要】
本专利技术涉及机器视觉与检测，具体地说，涉及基于视觉技术的鞋图案缺陷检测系统。
技术介绍
1、机器视觉与检测是一项关键技术，在鞋类制造领域中，鞋图案的质量把控对于确保产品整体品质具有重要意义。目前，鞋图案的检测在实际应用中主要依赖人工目视检查。这种传统的检测方式能够满足一定范围内的质量监控需求，但随着生产效率和精准度要求的提升，人工检测在处理复杂几何形状和纹理特征方面的能力受到了一定限制。
2、人工检测手段由于依赖经验和肉眼观察，对鞋图案的检测往往较难深入分析其复杂的几何特征和纹理结构。此外，在面对高效生产需求时，人工检测效率较低且难以实现全面的数据化分析，从而为生产工艺的优化和质量的持续提升带来了一定的挑战。
3、因此，一方面为了在鞋类制造领域实现能够量化分析缺陷信息，另一方面也为企业的生产改进和质量管理提供数据支持，我们提供了基于视觉技术的鞋图案缺陷检测系统。
技术实现思路
1、本专利技术的目的在于提供基于视觉技术的鞋图案缺陷检测系统，以解决上述
技术介绍
中提出的问题。
2、本专利技术通过对依据三维鞋图案进行三维曲面模型的建立，并根据三维曲面模型对鞋进行主区域的划分，通过分析每个主区域中各子区域的点的平均曲率值，对鞋图案的平整度缺陷进行判定。
3、为实现上述目的，提供了基于视觉技术的鞋图案缺陷检测系统，包括采集处理单元、三维模型单元、缺陷检测单元以及缺陷处理单元；
4、所述采集处理单元利用双目视觉技术对鞋进行图像采集以获
5、所述三维模型单元依据预处理后的三维图像数据重建鞋图案的三维模型，其中在基于双目视觉重建时，运用角点检测算法提取图像特征点，并通过三角测量算法计算特征点的三维坐标，再采用曲面拟合技术构建鞋图案的三维曲面模型；
6、所述缺陷检测单元将三维曲面模型划分为多个检测区域，通过计算每个区域的平均曲率来初步表征其平整度，并采用基于最小二乘法的平面拟合算法对平均曲率异常的区域进行局部细化分析，判定该区域是否存在平整度缺陷，针对判定存在平整度缺陷的区域，分析其相邻区域的曲率变化趋势，根据分析结果判定平整度缺陷程度；
7、所述缺陷处理单元当检测到鞋子存在严重平整度缺陷时，自动控制机械臂对缺陷鞋子进行抓取并放置到特定的缺陷品回收区域，同时向生产管理中心发送包含该鞋子身份识别码、缺陷类型及检测时间的警报信号。
8、作为本技术方案的进一步改进，所述采集处理单元采用对比度增强算法对三维图像数据进行预处理，具体如下：
9、所述对比度增强算法采用基于直方图拉伸与限制对比度自适应直方图均衡化相结合的方法，具体为：
10、遍历采集到的三维图像数据中的每个像素，确定其灰度值，并统计每个灰度值出现的频率，得到图像的原始灰度直方图；
11、确定原始图像中的最小灰度值和最大灰度值，并设计拉伸变换函数，所述拉伸函数用于将原始灰度值映射到新的拉伸后的灰度范围，再次遍历图像中的每个像素，将其原始灰度值替换为由拉伸变换函数计算得到的新灰度值，得到经过直方图拉伸后的图像；
12、将拉伸后的图像划分为不重叠的子区域，对子区域进行直方图均衡化，得到最终的对比度增强后的图像。
13、作为本技术方案的进一步改进，所述三维模型单元中的角点检测算法为harris角点检测算法，具体如下：
14、使用sobel算子分别计算图像在水平方向和垂直方向的梯度，对于图像中的每个像素点，计算其自相关矩阵；
15、根据自相关矩阵，计算每个像素点的角点响应函数，将角点响应函数中值小于预设阈值的像素点排除，筛选出初步角点区域，在初步角点区域内，对于每个像素点，比较其焦点响应值与邻域像素点的角点响应值；
16、如果该像素点的角点响应值不是邻域内的最大值，则将其排除，则经过非极大值抑制后剩下的像素点即为最终检测到的角点。
17、作为本技术方案的进一步改进，所述三维模型单元中的三角测量算法采用基于极线约束的优化算法，具体如下：
18、使用已知尺寸和形状的标定板，并利用双目相机采集标定板的图像，对于每张标定图像，使用角点检测算法提取标定板上的角点坐标，根据提取的角点坐标和标定板的实际几何尺寸，通过标定算法计算双目相机的内参矩阵和外参矩阵；
19、对于待重建的鞋图像，在左右相机图像中分别提取特征点并生成特征描述子，根据特征描述子，在左右图像中进行特征点匹配，找出左右图像中的同名点对，对于每一对初始匹配的同名点，利用极线约束进行筛选，得到最终的同名点对；
20、对于最终的同名点对，根据双目相机的几何模型构建三角测量关系，并根据相似三角形原理和相机的内参、外参矩阵，计算同名点的三维坐标。
21、作为本技术方案的进一步改进，所述三维模型单元中的曲面拟合技术采用非均匀有理b样条曲面拟合，具体步骤如下：
22、根据鞋图案的形状特征，计算初步所需控制点数量，并基于鞋图案的边缘点，通过自动算法确定控制点的初始位置；
23、构建非均匀有理b样条曲面表达式，获取次数和参数，并根据次数和参数计算b样条基函数；
24、将重建的鞋图案三维模型中的数据点代入非均匀有理b样条曲面表达式中，构建目标函数，并使用最小二乘法计算目标函数的最小值，重复最小二乘法优化过程，直至目标函数的值小于预设阈值，得出三维曲面模型。
25、作为本技术方案的进一步改进，所述缺陷检测单元将鞋图案三维模型划分为多个检测区域时，采用基于图像几何特征和鞋图案拓扑结构的自适应划分方法，具体如下：
26、采用基于canny边缘检测算法的三维版本对鞋图案的三维模型进行边缘提取，得到边缘点集合，根据边缘点分析鞋的整体形状特征，最后依据整体形状特征划分几何区域；
27、再在每个区域内，分析鞋图案的纹理特征和区域内各点的平均曲率，所述纹理特征通过计算纹理的方向和密度得出，根据分析结果划定每个几何区域的子区域。
28、作为本技术方案的进一步改进，所述缺陷检测单元在计算每个区域的平均曲率时，采用基于高斯曲率和平均曲率加权求和的方法，具体如下：
29、对于鞋图案三维曲面模型表面上的每个点，先计算其第一基本形式的系数，接着计算第二基本形式的系数，并依据第一、二基本形式的系数计算高斯曲率；
30、计算平均曲率相关向量，根据平均曲率相关向量计算平均曲率，并依据历史经验设定高斯曲率权重和平均曲率权重，对于每个检测区域内的点，将其高斯曲率和平均曲率分别乘以对应的权重，然后求和得到该区域的平均曲率值。
31、作为本技术方案的进一步改进，所述缺陷检测单元在采用基于最小二乘法的平面拟合算法时的操作，具体如下：
32、将区域的平均曲率值与预设阈值进行对比，判断出平均曲率异常的区域，提取平均曲率异常的区域内的所有三维点坐标数据，随机选取区域内的本文档来自技高网...
【技术保护点】
1.基于视觉技术的鞋图案缺陷检测系统，其特征在于，包括采集处理单元（1）、三维模型单元（2）、缺陷检测单元（3）以及缺陷处理单元（4）；
2.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述采集处理单元（1）采用对比度增强算法对三维图像数据进行预处理，具体如下：
3.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的角点检测算法为Harris角点检测算法，具体如下：
4.根据权利要求3所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的三角测量算法采用基于极线约束的优化算法，具体如下：
5.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的曲面拟合技术采用非均匀有理B样条曲面拟合，具体步骤如下：
6.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述缺陷检测单元（3）将鞋图案三维模型划分为多个检测区域时，采用基于图像几何特征和鞋图案拓扑结构的自适应划分方法，具体如下：p>
7.根据权利要求6所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述缺陷检测单元（3）在计算每个区域的平均曲率时，采用基于高斯曲率和平均曲率加权求和的方法，具体如下：
8.根据权利要求7所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述缺陷检测单元（3）在采用基于最小二乘法的平面拟合算法时的操作，具体如下：
9.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述缺陷检测单元（3），在分析相邻区域的曲率变化趋势时，采用基于滑动窗口的曲率差分算法，具体步骤如下：
...【技术特征摘要】
1.基于视觉技术的鞋图案缺陷检测系统，其特征在于，包括采集处理单元（1）、三维模型单元（2）、缺陷检测单元（3）以及缺陷处理单元（4）；
2.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述采集处理单元（1）采用对比度增强算法对三维图像数据进行预处理，具体如下：
3.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的角点检测算法为harris角点检测算法，具体如下：
4.根据权利要求3所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的三角测量算法采用基于极线约束的优化算法，具体如下：
5.根据权利要求1所述的基于视觉技术的鞋图案缺陷检测系统，其特征在于：所述三维模型单元（2）中的曲面拟合技术采用非均匀有理b样条曲面...
【专利技术属性】
技术研发人员：黄正鹏，江桂璋，
申请(专利权)人：泉州市华展鞋业有限公司，
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。