【技术实现步骤摘要】
本专利技术涉及自动化检测，具体为用于复杂工业产品表面缺陷的高精度aoi检测系统及方法。
技术介绍
1、随着现代工业的不断进步，尤其是复杂工业产品的生产工艺日益精密，表面缺陷的检测在质量控制中变得尤为重要；表面缺陷不仅影响产品的外观质量，还可能影响其功能性和可靠性；因此，如何提高表面缺陷检测的准确性、稳定性和效率，已成为工业生产中的一项紧迫需求。目前，表面缺陷检测主要依赖自动光学检测（aoi）技术，这一技术通过获取产品表面的图像信息并进行分析，从而发现潜在缺陷；尽管现有技术在一些特定应用场合中取得了一定的效果，但在面对复杂的工业产品时，现有的aoi系统和方法仍然存在许多不足。
2、在现有的缺陷检测技术中，大多数系统依赖单一类型的传感器进行图像采集；例如，使用可见光传感器或红外成像传感器来获取产品表面图像，这些单一的传感器能够在特定条件下捕捉部分表面缺陷，但在面对复杂的工业产品时，单一传感器往往无法全面捕捉所有可能的缺陷；例如，红外传感器能检测出因热差异引起的裂纹，但对一些表面细小裂纹却可能无法捕捉到，类似地，可见光传感器可以清晰捕捉表面的宏观缺陷，但无法识别深层次或微小的表面变化，由于没有对不同类型的缺陷进行全面感知的能力，现有技术常常在复杂材质、形状不规则的产品检测中遇到困难，导致误检或漏检的发生。并且，图像处理技术通常依赖传统算法进行缺陷的识别；然而，传统图像处理方法的局限性在于，它们无法有效应对光照变化和表面不规则性等因素对图像质量的影响；在生产过程中，表面可能因光照不均、材质差异或表面形态不规则等因素而使得缺陷
技术实现思路
1、针对现有技术的不足，本专利技术提供了用于复杂工业产品表面缺陷的高精度aoi检测系统及方法，旨在解决现有的缺陷检测技术存在多传感器数据融合不足、图像处理精度低、特征提取效率不高等问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：用于复杂工业产品表面缺陷的高精度aoi检测系统，包括：
3、多模态传感器模块，用于采集产品表面的多维度图像数据；
4、图像处理与数据融合模块，用于对所述多模态传感器模块采集的原始图像数据进行信息优化、几何校正和光照修正，确保图像质量；
5、特征提取与高维数据分析模块，用于对所述图像处理与数据融合模块输出的数据进行特征提取和降维分析，保留与缺陷检测相关的关键信息；
6、深度学习检测模块，用于基于所述特征提取与高维数据分析模块输出的特征信息。
7、优选的，所述多模态传感器模块包括：
8、可见光传感器，用于采集产品表面的常规图像；
9、红外成像传感器，用于捕获由温度变化引起的表面缺陷信息；
10、超光谱成像传感器，用于采集不同波长下的反射信息，帮助揭示难以用传统光学检测发现的缺陷；
11、3d深度传感器，用于采集复杂几何形状的产品表面三维信息。
12、优选的，所述图像处理与数据融合模块包括：
13、光学信息最大化单元，用于根据shannon信息理论优化相机参数、光源位置和成像角度，最大化缺陷信息的互信息量；
14、几何与光照校正单元，用于基于反射几何理论和辐射传输方程rte对采集的图像数据进行几何校正和光照优化。
15、优选的，所述光学信息最大化单元基于以下公式计算互信息量：
16、；
17、其中：表示随机变量与之间的互信息量；和分别表示随机变量和的熵；表示和的联合熵。
18、优选的，所述几何与光照校正单元基于以下反射模型进行光照校正：
19、lambertian反射模型：
20、；
21、其中：表示表面在角度下的反射率；为反射系数；为入射光线与表面法线的夹角；
22、phong反射模型：
23、；
24、其中：表示表面在入射角度和反射角度下的镜面反射率；为镜面反射系数；为镜面反射指数，控制反射光的光滑度。
25、优选的，所述特征提取与高维数据分析模块包括：
26、主成分分析pca单元，用于将多模态传感器数据降维并提取主要特征方向；
27、t-分布随机邻域嵌入单元t-sne，用于保持高维数据点之间的局部结构，以便优化缺陷信息提取；
28、数据融合单元，用于对来自不同传感器的特征进行加权平均，以提取缺陷的关键信息。
29、优选的，所述数据融合单元基于以下公式对特征数据进行加权平均：
30、；
31、其中：为融合后的特征；为第种传感器提取的特征；为每种传感器特征的权重。
32、优选的，所述深度学习检测模块包括：
33、卷积神经网络cnn单元，用于从提取的特征中进行缺陷的自动分类和定位；
34、自适应优化单元，基于adam优化器对cnn模型的权重进行动态调整，以提高缺陷检测的准确性。
35、用于复杂工业产品表面缺陷的高精度aoi检测方法，包括以下步骤：
36、s1、使用多模态传感器模块采集产品表面的多维度图像数据；
37、s2、通过图像处理与数据融合模块对所述多维度图像数据进行优化、几何校正和光照修正；
38、s3、通过特征提取与高维数据分析模块提取缺陷的关键信息，并对数据进行降维处理；
39、s4、使用深度学习检测模块对提取的特征信息进行缺陷分类、识别与定位。
40、优选的，所述s2步骤优化、几何校正和光照修正具体步骤如下：
41、通过光学信息最大化单元优化相机参数、光源位置和成像角度，最大化缺陷信息的互信息量，确保图像质量；
42、通过几何与光照校正单元基于反射几何模型和辐射传输方程rte进行光照修正，减少光照带来的干扰。
43、本专利技术提供了用于复杂工业产品表面缺陷的高精度aoi检测系统及方法。具备以下有益效果：
44、1、本专利技术采用了多模态传感器融合技术，将可见光、红外、超光谱和3d深度传感器的图像数据进行综合采集，达到了对复杂工业产品表面缺陷的全面感知；相比于传统的单一传感器技术，现有技术往往在处理材质多变、形状复杂的产品时无法全面捕捉缺陷信息，而本专利技术通过多维度的传感器数据融合，显著提高了缺陷检测的准确度和鲁棒性。
45、 2、本专利技术通过图像处理与数据融合模块优化了图像质量，采用光学信息最大化和几何校正技术，成功消除了因光照不均和表面形状不规则引起的干扰；与现有技术中常见的图像处理方法相比，传统方法往往忽视了光照变化和复杂表面导致的误差，而本本文档来自技高网...
【技术保护点】
1.用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，包括：
2.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述多模态传感器模块包括：
3.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述图像处理与数据融合模块包括：
4.根据权利要求3所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述光学信息最大化单元基于以下公式计算互信息量：
5.根据权利要求3所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述几何与光照校正单元基于以下反射模型进行光照校正：
6.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述特征提取与高维数据分析模块包括：
7.根据权利要求6所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，所述数据融合单元基于以下公式对特征数据进行加权平均：
8.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特
9.用于复杂工业产品表面缺陷的高精度AOI检测方法，应用于权利要求1-8任一项所述的用于复杂工业产品表面缺陷的高精度AOI检测系统，其特征在于，包括以下步骤：
10.根据权利要求9所述的用于复杂工业产品表面缺陷的高精度AOI检测方法，其特征在于，所述S2步骤优化、几何校正和光照修正具体步骤如下：
...【技术特征摘要】
1.用于复杂工业产品表面缺陷的高精度aoi检测系统，其特征在于，包括：
2.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度aoi检测系统，其特征在于，所述多模态传感器模块包括：
3.根据权利要求1所述的用于复杂工业产品表面缺陷的高精度aoi检测系统，其特征在于，所述图像处理与数据融合模块包括：
4.根据权利要求3所述的用于复杂工业产品表面缺陷的高精度aoi检测系统，其特征在于，所述光学信息最大化单元基于以下公式计算互信息量：
5.根据权利要求3所述的用于复杂工业产品表面缺陷的高精度aoi检测系统，其特征在于，所述几何与光照校正单元基于以下反射模型进行光照校正：
6.根据权利要求1所述的用于复杂工业产品表...
【专利技术属性】
技术研发人员：颜波，
申请(专利权)人：格润智能装备深圳有限公司，
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。