[发明专利]一种工业视觉检测中的产品缺陷在线分类方法

权利要求书

1.一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：包括以下工艺步骤：

S1、建立基于流形正则化的分类目标函数：采用one vs the rest策略建立分类目标函数；

S2、从工业相机图像中获取瑕疵区域：步骤S1建立分类目标函数后，采用Blob分析从工业相机图像中获取瑕疵区域；

S3、提取瑕疵区域特征：步骤S2获取瑕疵区域后，采用Blob分析对瑕疵区域的特征进行提取；瑕疵区域特征包括面积、长宽、平均灰度、最大灰度、最小灰度；

S4、将样本投入在线分类器学习：步骤S3提取瑕疵区域特征后，将瑕疵区域特征作为样本投入在线分类器学习；

S5、返回缺陷分类结果：步骤S4投入样本后，将步骤S4投入的样本通过在线分类器分类，得出缺陷分类的返回结果。

2.根据权利要求1所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的one vs the rest策略为一对多训练方法，one vs the rest策略依次将至少两个类别中一个类别的样本归为一类,将剩余的样本归为另一类，以便构造出至少两个二项分类器；分类时，将未知样本分类为具有最大分类函数值的类。

3.根据权利要求1所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的Blob分析的Blob为工业相机图像中一块连通区域，即瑕疵区域；Blob分析将工业相机图像进行二值化并分割得到目标像素与背景像素，然后对目标像素进行连通域分析，并计算连通域区域特征。

4.根据权利要求3所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的Blob分析采用平均背景法分割工业相机图像的目标像素与背景像素。

5.根据权利要求3所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的Blob分析通过两遍扫描法对目标像素进行连通域分析判定，并提取图像中的连通域，得到瑕疵区域特征的数据信息。

6.根据权利要求1所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的在线分类器学习采用了流形正则化算法；流形正则化算法为基于图的半监督学习方法。

7.根据权利要求6所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的流形正则化算法包括基于对偶提升过程的在线流形正则化算法、基于梯度提升的在线流形正则化算法以及核函数条件下的在线流形正则化过程中的稀疏化方法。

8.根据权利要求7所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的基于对偶提升过程的在线流形正则化算法通过使用部分样本来实现对偶函数函数值的提升，从而不断逼近最优预测器。

9.根据权利要求7所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的基于梯度提升的在线流形正则化算法包括样本关联更新算法、整体更新算法以及两步更新算法。

10.根据权利要求7所述的一种工业视觉检测中的产品缺陷在线分类方法，其特征在于：所述的核函数条件下的在线流形正则化过程中的稀疏化方法包括绝对阈值法稀疏化方法以及k最大对偶系数法稀疏化方法。