[发明专利]一种聚晶金刚石复合片表面缺陷分类识别方法

说明书

本发明公开了一种聚晶金刚石复合片表面缺陷分类识别方法，本发明解决了人工检测主观性强、效率低、分类结果的精确性和可靠性无法保障等问题，可实现聚晶金刚石复合片表面裂纹、白点、白边三种缺陷高效率、高精度、自动化的分类识别。

技术领域

本发明涉及一种聚晶金刚石复合片表面缺陷分类识别方法。

背景技术

聚晶金刚石复合片(polycrystalline diamond compact，以下简称PDC)是由聚晶金刚石和硬质合金在高温高压下烧结而成，因其优异的性能被广泛应用于石油勘探、机械加工等诸多领域。在生产加工过程中，侧面聚晶金刚石层(polycrystalline diamond，以下简称PCD)表面区域不可避免的会出现裂纹、白点及白边等缺陷，对产品性能造成影响。因此，在完成产品包装之前必须对成品表面进行严格的缺陷检测及分类。传统上，PDC生产厂家大部分使用人工目检的方式进行缺陷的识别和分类，因缺陷信息突出不明显，需要长期在强光下进行观测操作，对人眼伤害较大。而且人工检测还存在检测精度低、主观性强、效率低等问题。

目前，国内外已在生产实践中引入基于机器视觉的缺陷检测技术，具有非接触、低成本、自动化程度高等优点，可克服人工检测的一些缺点。Jia等使用径向基(RBF)核函数作为支持向量机(SVM)分类器的核函数来解决样本的非线性分类问题，并对惩罚因子和核参数进行选择，实现了钢板的裂缝缺陷识别。Choi等首先选取冷轧钢表面六种缺陷的46个几何特征和8个灰度级作为分类特征，从线性、多项式和RBF核函数中优选出RBF核函数，然后采用网格搜索法进行参数寻优，识别准确率达87％-94％。黄志鸿等人提取灰度方差等6种啤酒瓶口缺陷特征构成SVM输入向量，择优选取RBF作为SVM分类器的核函数，然后根据缺陷分类性质采用一对多的分类法解决多分类问题，最终对瓶口六种缺陷达到91.6％的分类准确率。王鹏等针对枪弹表面绿斑、裂缝等缺陷的图像特点，从几何、灰度和纹理三方面进行缺陷特征提取，建立了基于支持向量机的枪弹外观缺陷分类模型，识别准确率达98.9％。

不同的检测对象的缺陷特征不同，采用的分类方法也各有差异。因此，本文通过对PDC生产过程中常见的裂纹、白点、白边缺陷进行研究，寻找适合PDC三种缺陷的分类识别方法，以实现三种缺陷的准确分类。

发明内容

本发明的目的在于克服现有技术的不足之处，提供了一种聚晶金刚石复合片表面缺陷分类识别方法，解决了上述背景技术中的问题。

本发明解决其技术问题所采用的技术方案是：提供了一种聚晶金刚石复合片表面缺陷分类识别方法，包括如下步骤：

(1)针对聚晶金刚石复合片表面裂纹、白点、白边三种常见缺陷类型，建立缺陷特征模型；

(2)根据步骤(1)建立的模型，提取缺陷特征量作为分类器的输入向量，所述缺陷特征量包括缺陷的区域特征和形状特征；

(3)根据样本数据分布情况，构建分类器模型解决样本数据的多分类及非线性可分问题，并对分类器模型参数进行选择，选取后的参数惩罚因子C为1.3195，核参数γ为2.2974。

(4)经步骤(3)得到的分类器模型，采用三种核函数对缺陷样本进行训练与测试，选取所需支持向量的个数最少、分类时间最短和分类识别率最高的多项式函数作为分类器模型的核函数。

在本发明一较佳实施例中，所述缺陷的区域特征包括面积、周长、长度、宽度，形状特征包括实心度、圆形度和长宽比。

在本发明一较佳实施例中，所述步骤(2)的分类器包括支持向量机(SVM)分类器。

在本发明一较佳实施例中，所述步骤(3)构建多分类器解决多分类问题。

在本发明一较佳实施例中，所述步骤(3)引入松弛变量解决线性不可分问题，引入核函数解决非线性可分问题。