[发明专利]一种电容器外观缺陷识别方法及识别装置

说明书

本发明公开了一种电容器外观缺陷识别方法及识别装置，识别方法包括：获取待识别的目标电容器的图像；对目标电容器的图像进行图像分割，得到目标电容器的分割区域图像，分割区域图像包括针脚区域图像、胶盖区域图像及胶管区域图像中的一种或多种；在预设的特征类型范围内，计算分割区域图像的特征值，并将计算得到的特征值合并为分割区域图像的特征向量；将分割区域图像的特征向量输入到预训练的电容器外观缺陷识别神经网络模型中，得到缺陷识别判定结果。本发明通过数据降维自主选择只对分类结果起作用的核心特征，其特征值进入神经网络进行训练，让算法自动计算特征值和最终判定结果之间的联系，找到最优的数值设定，电容缺陷识别成功率提高。

技术领域

本发明涉及电容缺陷检测领域，尤其涉及一种电容器外观缺陷识别方法及识别装置。

背景技术

电容缺陷检测是电容产生过程中的一个重要环节，以往通常采用人工对电容进行识别。随着图像识别技术的进步，出现了简单的图像识别缺陷的技术，数字图像经过图像分割后，根据人为设定的特征范围，作出OK或NG的判断，例如计算分割图像面积为100，而人为设定的合格特征范围为20-50，则面积超限，进而判定为NG。现有的方案依赖于调试人员的经验，对于随机出现的各类缺陷，其特征值并不能完全保证出现在某个特定范围内，并且选取的特种也不能保证区分所有种类的缺陷，因此容易出现漏报、误报等情况。例如假设人为设定面积范围在20-50，灰度范围在0-20的区间为NG，而当某种缺陷的面积为25，灰度为21时，算法就会因为灰度值不满足条件而判定为OK，然而实际上这仍然是NG的。现有方案中，特征、特征值范围完全由开发人员根据经验设定，因此，检测的准确率严重依赖于调试人员的经验，检测的准确率受到人为主观因素的影响比较大，其设定的参数往往不能直接与瑕疵的标准挂钩，需要反复调整，难以保证检测的稳定性。

发明内容

为了解决现有技术的问题，本发明提供了一种电容器外观缺陷识别方法及识别装置，利用所述技术方案如下：

本发明提供了一种电容器外观缺陷识别方法，包括以下步骤：

S1、获取待识别的目标电容器的图像；

S2、对所述目标电容器的图像进行图像分割，得到目标电容器的分割区域图像，所述分割区域图像包括针脚区域图像、胶盖区域图像及胶管区域图像中的一种或多种；

S3、在预设的特征类型范围内，计算所述分割区域图像的特征值，并将计算得到的特征值合并为所述目标电容器的图像的特征向量；

S4、将所述分割区域图像的特征向量输入到预先完成训练的电容器外观缺陷识别神经网络模型中，得到缺陷识别判定结果。

进一步地，所述电容器外观缺陷识别神经网络模型通过以下步骤完成训练：

组建样本库，所述样本库中包括多个训练样本，每个训练样本包括电容器的样本图像及其对应的分类结果；

对每一个训练样本的样本图像进行图像分割，得到样本图像的一个或多个分割区域图像，并将所有的分割区域图像的特征值合并得到每个样本图像的特征向量；

将所述样本库中所有样本图像的特征向量组成初始矩阵特征向量，并对所述初始矩阵特征向量进行数据降维操作，得到降维特征向量；

将所述降维特征向量作为输入量，结合对应的样本图像的分类结果，采用反向传播算法对多层感知器模型进行训练至收敛，得到电容器外观缺陷识别神经网络模型。

进一步地，所述对所述初始矩阵特征向量进行数据降维操作包括以下步骤：

对所述初始矩阵特征向量中同一个特征向量类型求平均特征值；

将初始矩阵特征向量中特征向量类型的原始特征值减去对应的平均特征值，得到矩阵特征差值；

对所述矩阵特征差值求协方差矩阵，并求协方差矩阵的特征值和特征向量；