[发明专利]一种基于机器视觉的工业品检测方法

说明书

技术领域

本发明属于计算机视觉领域，具体涉及一种基于机器视觉的工业品检测方法，可以对生产线上的工业产品进行分类检测，可实现产品分类等功能。

背景技术

在现代工业生产过程中，产品质量检测是一道重要的工序，通常一个产品的质量首先通过工业制品的外观来进行初步判断，例如，产品色差，尺寸，外观。这种工业产品通常在流水线上生产，对生产的连续性与高速通过性有很高的要求。这类流水线的检测工作通常具有很高的重复性与智能性，目前在国内的绝大多数生产线上只能靠人工来识别。在现代化工业的今天，一个大型的工厂快速流水线的生产最末环节，往往需要数以百计的工人来执行产品检测这道工序。但是人工检测在给企业带来巨大的生产与人力成本的同时，却仍然无法保证人工检测的100%正确率。例如产品的色差与纹理检测，微小尺寸工业制品的外观检测，都无法通过人眼快速连续的进行可靠、准确的检测。

因此，完全自动化的工业品检测技术将是未来流水线工业生产的趋势。但是国内在工业产品质量自动检测方面的研究起步较晚，技术还不成熟。虽然最近几年来，各大高校以及研究所投入了大量的人力物力开展这方面的研究，但是国内对于工业产品质量自动检测技术的研究还处试验阶段，并没有可靠而稳定的产品推出。

此外机器视觉技术的快速发展已经使自动化检测实现成为可能，国内现有一些工业品检测系统，需要人工对产品的色差纹理合格的阈值进行人工设置。该类检测系统在一定程度上提高了生产效率，但由于阈值设置不一定合理，且该检测技术缺乏智能性与学习判断能力，因此检测的正确率依然无法达到要求。

发明内容

针对现有技术中存在的技术问题，本发明目的在于提供一种基于机器视觉的工业品检测方法，彻底改善现行工业化生产中检测工序，克服了现行检测技术需要人工设定阈值的弊端，可以彻底消除人为判断误差对检测结果的影响。同时创新性的检测过程中引入粒子滤波框架对工业产品表面进行采样。

本发明的技术方案为：

一种基于机器视觉的工业品检测方法，其步骤为：

1）对每种类型的工业产品进行采样与统计，得出该类型工业产品自身色差分布的统计模型和纹理方差分布的统计模型；

2）从色差分布的统计模型中提取工业产品的色差特征，从纹理方差分布的统计模型中提取工业产品的纹理特征，根据提取的色差特征和纹理特征建立特征空间；

3）利用支持向量机SVM对该特征空间进行划分，得到最优超平面；将该最优超平面作为对待检测物品进行检测的决策分类器，即分类阈值；

4）利用粒子滤波框架对待测物品的色差与纹理进行采样，得到待检样本的统计向量；然后将该统计向量输入所述决策分类器，得到待测物品的类别。

进一步的，所述支持向量机SVM为线性支持向量机；所述线性支持向量机将所提取的纹理特征与色差特征形成向量，并映射到一高维空间里，在该空间里建立有一最大间隔超平面；然后在分隔超平面的两边建有两个互相平行的超平面；通过求解分隔超平面使两个平行超平面的距离最大化，得到所述最优超平面。

进一步的，得到所述最优超平面的方法为：

31)将步骤2）所提取的纹理特征和色差特征随机均分拆成n个组；

32）训练其中某一组数据并用其他组数据测试，得到第一组参数；

33）选取另外一组数据训练，用其他组数据测试得到第二组参数；以此类推进行交叉验证，共得到n组参数，比较这n组数据的识别结果，选择一组最优的参数，即得到了所述最优超平面。

进一步的，所述利用粒子滤波框架对待测物品的色差与纹理进行采样的方法为：

41）从待检物品的图像色差与纹理特征结合随机抽取m个样本；

42）得到每一个样本的方差统计信息；

43）针对方差统计信息，如果有差异大于设定阈值的样本，对其临近区域加大采样权重，进行重新采样，每个样本被选中的概率正比于其权重，即进行重要性采样；

44）当样本的重采样的权值小于给定的门限值时，则重新进行重要性采样。

本发明基于机器视觉领域的技术进行工业产品检测分类，以下为本发明技术内容：

本发明的核心部分由学习过程与检测部分过程构成，其中学习过程采取一种色差检测与纹理分析结合的新型分类器训练方法；检测部分基于粒子滤波采样框架进行采样。对于发明核心的两种方法介绍如下：

一、色差检测与纹理分析结合的双特征分类器训练方法