[发明专利]一种基于iForest模型验证的SMT焊点缺陷检测方法

权利要求书

1.一种基于iForest模型验证的SMT焊点缺陷检测方法，实现焊点的缺陷分类评定的过程，其特征在于，包括如下步骤：

(1)原始数据资源的采集：通过图像采集设备对原始图片进行采集，拍摄自然光条件下焊点的物体的六种不同的属性，多锡、少锡、锡尖、漏焊、连焊以及正常的情况；

(2)图像预处理：对第一数据库中的图像进行灰度调节、滤波、降噪、提取边缘、分割，调节图像的对比度，并降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；

(3)使用方向梯度直方图方法计算每个像素点的梯度大小及方向；

(4)纹理特征向量的提取：将图像分割为16×16像素/cel l，对每个小区域内的像素点与邻域的8个像素点进行灰度值的对比，通过比对，得到局部二值模式值；

(5)边缘检测：将二值模式值图像变换为相应的边缘段集合图像，根据梯度的大小和方向，将梯度幅值超过高阈值的像素点被确定为真正边缘点；

(6)对每个区域进行直方图的统计，并进行归一化；

(7)最后把统计的到的每个区域的直方图进行合并，成为一个特征向量，就是整幅图的二值模式纹理特征向量；

(8)接收二值模式纹理特征向量样本，作为待分类样本，通过构建孤立森林模型，根据预先设置的属性分类策略，将样本进行分类，得到分类结果；所述构建孤立森林模型步骤包括：

(8a)将二值模式纹理特征向量样本数据随机划分为大小相等的数据块；

(8b)每块数据按属性划分为多个维度，确定每个维度下的数据量，将所述数据量进行排序；

(8c)根据所述排序，由大到小根据维度进行数据切割，依次构建itree；

(8d)设定一个阈值，当所述数据量小于所述阈值时，停止切割，完成itree的构建；

(8e)根据所述随机划分为大小相等的数据块，按照上述构建itree的步骤完成iForest的构建；

(8 f )计算每个itree的平均高度，根据所述平均高度，保留高度在预定范围内的itree组成iForest，进行测试数据评估；

(9)将所述属性值及分类结果，作为训练样本，放入BP神经网络模型中训练，生成检测模型，根据待测样本，输出焊点图片的缺陷检测结果。

2.根据权利要求1所述的一种基于iForest模型验证的SMT焊点缺陷检测方法，其特征在于，步骤(3)中所述的梯度大小及方向，实现步骤为：

分别计算每个像素点的x、y方向的梯度分量：

G_x(x,y)＝H(x+1,y)-H(x-1,y)；G_y(x,y)＝H(x,y+1)-H(x,y-1)

计算每个像素点的梯度大小：

每个像素点的梯度方向为：

其中，Gx(x,y)、Gy(x,y)、H(x,y)分别表示图像中像素点(x,y)处的水平方向梯度、竖直方向梯度和像素值。

3.根据权利要求1所述的一种基于iForest模型验证的SMT焊点缺陷检测方法，其特征在于，所述步骤(8)中的所述构建的孤立森林模型具体包括：

设置缺陷样本比例；

根据该比例进行分类；

对模型验证，计算属性分类结果中，异常点数据距离正常点数据中心的欧式距离，若该距离值随着属性值的不同，都朝同一个方向聚类，则该模型为合理模型。

4.根据权利要求3所述的一种基于iForest模型验证的SMT焊点缺陷检测方法，其特征在于：所述步骤(5)中的边缘检测的步骤还包括：

与检测到的边缘点距离相近的候选边缘点被选择为边缘点，否则就被舍去。

5.根据权利要求1所述的一种基于iForest模型验证的SMT焊点缺陷检测方法，其特征在于：所述步骤(2)中的调节图像的对比度，并降低图像局部的阴影和光照变化所造成的影响具体包括：

计算光照值，通过矩阵变换，补齐图像中的光照像素点，从而得到基于同一光照条件下的图像数据。