[发明专利]一种外观缺陷自动光学检测的智慧控制方法、系统及介质

权利要求书

1.一种外观缺陷自动光学检测的智慧控制方法，其特征在于，包括以下步骤：

获取待测物体的图像信息，将待测物体图像信息进行预处理，生成待测物体的感兴趣区域；

根据待测物体的特征信息检索对应的图像模板，将所述图像模板与待测物体的感兴趣区域进行配准，根据配准结果进局部图像分割，获取缺陷区域；

构建缺陷识别模型，提取缺陷区域的多维度特征，将所述多维度特征进行特征融合获取多维度融合特征；

通过带有标签信息的缺陷样本对所述缺陷识别模型进行训练，利用所述多维度融合特征进行缺陷识别，输出缺陷的种类及缺陷对应的工艺流程；

根据缺陷的种类及缺陷对应的工艺流程分析生产工艺流程的异常信息，生成相关预警信息；

构建缺陷识别模型，提取缺陷区域的多维度特征，将所述多维度特征进行特征融合获取多维度融合特征，具体为：

提取缺陷区域的在待测物体上的位置特征及颜色、纹理特征，根据所述位置特征、颜色及形状特征在预设范围内进行相似度计算，获取与缺陷区域大小等同的相似区域；

计算缺陷区域与相似区域的信息熵，根据二者的信息熵偏差作为缺陷区域的特征；

将缺陷区域输入YOLOv5网络，利用特征金字塔进行不同尺度的特征提取并进行特征融合，生成多尺度融合特征，将缺陷区域的多尺度融合特征与颜色、纹理特征及缺陷区域信息熵进行多核学习；

利用投票法确定各种特征在缺陷识别上的核函数，根据单一特征的缺陷识别率确定核函数的权重，通过线性组合对核函数进行核融合，输出缺陷区域的多维度融合特征。

2.根据权利要求1所述的一种外观缺陷自动光学检测的智慧控制方法，其特征在于，根据待测物体的特征信息检索对应的图像模板，将所述图像模板与待测物体的感兴趣区域进行配准，根据配准结果进局部图像分割，获取缺陷区域，具体为：

提取待测物体的加工信息，根据所述加工信息在相关数据库中检索待测物体的多角度图像模板；

在待测物体的多角度图模板中获取不同角度图像中的形状特征，将重复的形状特征进行精简，根据形状特征确定特征点，根据自适应遍历对特征点进行匹配；

通过匹配结果生成匹配点对，根据匹配点对占所有特征点的比例信息确定是否匹配成功，当匹配成功后进行逐像素点对比，获取偏差像素点按照预设图像块大小进行图像分割，获取缺陷区域。

3.根据权利要求1所述的一种外观缺陷自动光学检测的智慧控制方法，其特征在于，通过带有标签信息的缺陷样本对所述缺陷识别模型进行训练，利用所述多维度融合特征进行缺陷识别，输出缺陷的种类及缺陷对应的工艺流程，具体为：

根据待测物体的历史缺陷检测数据获取缺陷样本，检索历史缺陷检测结果获取缺陷样本的缺陷类别，通过所述缺陷类别设置类别标签，得到初始缺陷样本集；

提取待测物体的生产工艺流程，将生产工艺流程按照对应的加工设备信息进行划分，构建子流程序列，获取加工设备的配置异常信息及历史故障信息；

根据配置异常信息及历史故障信息的时间戳与缺陷样本的时间戳进行匹配，若时间偏差小于预设时间阈值，则根据加工设备的配置异常信息及历史故障信息设置缺陷样本的故障标签；

将缺陷样本进行聚类分析，建立聚类结果与子流程序列中各子流程的对应关系，获取更新后缺陷样本集；

基于深度学习构建缺陷识别模型，将所述缺陷识别模型划分为缺陷分类分支及缺陷溯源分支，通过YOLOv5作为缺陷分类分支中的主干网络，通过多核学习方法进行多维特征融合；

利用所述初始缺陷样本集训练缺陷分类分支，通过训练达标后的缺陷分类分支进行缺陷的识别及分类，获取缺陷分类结果；

通过SVM分类器构建缺陷溯源分支，根据子序列的数量构建等同数量的SVM分类器，使用更新后缺陷样本集进行训练，将缺陷分类结果输入缺陷溯源分支，获取导致缺陷生成的子流程。