[发明专利]快速编带视觉检测方法

权利要求书

1.快速编带视觉检测方法，其特征在于，包括如下处理步骤：

S1，多个检测工位同步获取产品的完整图像；

S2，对产品的图像进行图像预处理以突出图像中的缺陷特征，所述缺陷特征包括边缘缺陷特征和/或纹理缺陷特征；

S3，对边缘缺陷特征的提取：通过边缘检测算法对经步骤S2处理的图像信息进行处理，提取缺陷区域边缘，再用图像分割算法将缺陷边缘从图像中分割出来，并经过数学形态学方法对瑕疵边界进行缺损补偿、填充细小空洞和链接邻近图像特征；

S4，对纹理缺陷特征的提取：通过灰度直方图提取经步骤S2处理的图像信息中的灰度直方图统计特征，其中包括灰度均值、灰度方差、扭曲度、峰度、能量、嫡六维；

S5，将步骤S3和/或步骤S4的输出送入卷积神经网络，经卷积神经网络中的卷积层和池化层的迭代处理后，由基于softmax逻辑回归的全连接层进行识别与分类，获得缺陷分类结果。

2.根据权利要求1所述的快速编带视觉检测方法，其特征在于：在步骤S2的图像预处理中采用小波技术。

3.根据权利要求1所述的快速编带视觉检测方法，其特征在于：在步骤S5中，启用图像缩小算法对步骤S3和/或步骤S4的输出进行处理后，再送入卷积神经网络。

4.根据权利要求1或3所述的快速编带视觉检测方法，其特征在于：所述卷积神经网络包括多个卷积层和池化层以实现对图像数据的迭代运算，其输出层设置有平坦化模块，该平坦化模块的输出对接全连接层。

5.根据权利要求4所述的快速编带视觉检测方法，其特征在于：所述卷积层执行的是将前一层的图像与多个卷积核进行卷积计算，并通过激励函数得到对应的特征图，卷积层的计算公式：

y＝f(wx+b)；其中，w为卷积核的权重；b为偏置；x为输入；y为输出值；f为激励函数。

6.根据权利要求5所述的快速编带视觉检测方法，其特征在于：所述卷积核的权重w和偏置b通过Forward前向传播或者Backward反向传播训练调整。

7.根据权利要求4所述的快速编带视觉检测方法，其特征在于：所述全连接层将权重矩阵与输入向量相乘再加上偏置，将n个(-∞,+∞)的实数映射为K个(-∞,+∞)的分数，Softmax将K个(-∞,+∞)的实数映射为K个(0,1)的概率，同时保证它们之和为1，计算方式具体如下：

其中，x为全连接层的输入，W_n×K为权重，b为偏置项，为Softmax输出的概率，Softmax的计算方式如下：

若拆成每个类别的概率如下：

其中，w_j为图中全连接层同一颜色权重组成的向量。

8.根据权利要求1所述的快速编带视觉检测方法，其特征在于：纹理缺陷特征参数采用灰度直方图的矩来描述：

函数f(x)表示图像的亮度在各个灰度级上出现的概率，x代表灰度值，令m为x的均值；即：

则均值m的n阶矩为：

其中u₁表示图像灰度值的分散程度；u₂为方差；u₃定义为偏度；u₄定义为峰度。

9.根据权利要求1所述的快速编带视觉检测方法，其特征在于：在步骤S3中，所述边缘检测算法包括梯度算子、Log算子和Canny算子中的一种。

10.根据权利要求1所述的快速编带视觉检测方法，其特征在于：在步骤S3中，所述图像分割算法包括阈值算法、区域生长和分水岭中的一种。