【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及圖像檢測(cè)，具體地說(shuō)是一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，可以實(shí)現(xiàn)鋁合金氧化膜粉化缺陷的自動(dòng)化檢測(cè)。
技術(shù)介紹
1、近年來(lái)我國(guó)對(duì)綠色環(huán)保、節(jié)能高效的制造業(yè)生產(chǎn)越來(lái)越重視，表面處理工程作為重要的制造業(yè)產(chǎn)業(yè)，其行業(yè)的發(fā)展與社會(huì)各行各業(yè)的發(fā)展休戚相關(guān)。陽(yáng)極氧化是一種應(yīng)用廣泛的表面處理工藝，將鋁及其合金置于相應(yīng)的電解液中，通過(guò)外加電流的作用下，使其表面形成一層氧化膜。鋁制品通過(guò)陽(yáng)極氧化后，可以提高其力學(xué)性能，增加表面的耐磨性、耐腐蝕性和使用壽命。但是在陽(yáng)極氧化工藝中由于溶液波動(dòng)或者時(shí)間波動(dòng)，導(dǎo)致表面氧化膜產(chǎn)生粉化缺陷，缺陷表現(xiàn)為不規(guī)則性轉(zhuǎn)大面積的彩虹狀散斑，具體呈現(xiàn)顏色與粉化程度、溶液ph值與浸入時(shí)間均有關(guān)系，影響后續(xù)產(chǎn)品耐腐蝕性能，因此對(duì)鋁合金氧化膜是否產(chǎn)生粉化缺陷進(jìn)行檢測(cè)是非常必要的。目前是在生產(chǎn)線中通過(guò)人工多角度觀察實(shí)現(xiàn)檢測(cè)判斷，勞動(dòng)強(qiáng)度大，易產(chǎn)生視覺(jué)疲勞和質(zhì)量波動(dòng)。
2、在鋁合金氧化膜粉化缺陷的自動(dòng)化檢測(cè)的研究上，目前幾乎處于空白，并沒(méi)有公開(kāi)的專(zhuān)利與論文或者其他成果。現(xiàn)存公開(kāi)方法中，要么是基于視覺(jué)方法進(jìn)行表面的物理缺陷檢測(cè)(劃痕等)，要么是以掃描電鏡或者電化學(xué)方法為代表的實(shí)驗(yàn)室分析方法，如中信戴卡股份有限公司通過(guò)超景深數(shù)碼顯微鏡下依次觀察試樣斷口實(shí)現(xiàn)鋁合金鑄件氧化膜缺陷的定量表征；中國(guó)航發(fā)商用航空發(fā)動(dòng)機(jī)有限責(zé)任公司通過(guò)掃描電鏡對(duì)拉伸測(cè)試后的樣品斷口進(jìn)行形貌分析航空發(fā)動(dòng)機(jī)鎳基高溫合金部件的雙氧化膜缺陷檢測(cè)，這兩種雖然都能實(shí)現(xiàn)氧化膜缺陷的精準(zhǔn)判斷，但本質(zhì)是實(shí)驗(yàn)室方法，檢測(cè)周期長(zhǎng)效率低下，無(wú)法實(shí)
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有實(shí)際需要，本專(zhuān)利技術(shù)要解決的技術(shù)問(wèn)題是提供一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，通過(guò)機(jī)械臂搭載高光譜相機(jī)形成采集裝置，采集鋁合金工件表面的光譜數(shù)據(jù)；對(duì)圖像進(jìn)行下采樣與分塊處理；通過(guò)k-means聚類(lèi)與平均獲取小圖像塊的特征光譜曲線；通過(guò)1d-cnn神經(jīng)網(wǎng)絡(luò)模型對(duì)特征曲線分類(lèi)，實(shí)現(xiàn)粉化區(qū)域與正常區(qū)域的判定。
2、本專(zhuān)利技術(shù)為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，包括以下步驟：
3、控制工業(yè)相機(jī)移動(dòng)至被測(cè)工件表面正上方，開(kāi)啟鹵素光源；控制相機(jī)采集被測(cè)工件的高光譜數(shù)據(jù)，包括2d圖像i1與波段信息；
4、對(duì)i1進(jìn)行高斯金字塔圖像下采樣生成新圖像i2；將i2劃分為多個(gè)圖像塊；對(duì)每個(gè)圖像塊，獲取圖像塊中每個(gè)像素點(diǎn)的光譜曲線并聚類(lèi)為2類(lèi)，以包含曲線數(shù)量最大的類(lèi)的平均光譜曲線作為當(dāng)前圖像塊特征曲線；對(duì)特征曲線進(jìn)行sg卷積平滑去除噪點(diǎn)；
5、建立1d-cnn神經(jīng)網(wǎng)絡(luò)模型，對(duì)特征曲線分類(lèi)訓(xùn)練，使其判斷當(dāng)前圖像塊是否有粉化缺陷；對(duì)分類(lèi)為粉化缺陷的圖像塊位置取并集，可視化標(biāo)注在i2中。
6、所述波段信息為400-1000nm間隔600nm的波長(zhǎng)，以2nm為一次采樣，合計(jì)300次采樣。
7、所述對(duì)i1進(jìn)行高斯金字塔圖像下采樣生成新圖像i2，為設(shè)置采樣步長(zhǎng)，對(duì)二維圖像i1的長(zhǎng)寬進(jìn)行抽幀。
8、所述將i2劃分為多個(gè)圖像塊，包括：設(shè)置滑動(dòng)窗口像素大小、滑動(dòng)像素步長(zhǎng)，逐行列滑動(dòng)得到多個(gè)小圖像塊。
9、所述獲取圖像塊中每個(gè)像素點(diǎn)的光譜曲線，聚類(lèi)為2類(lèi)，以包含曲線數(shù)量最大的類(lèi)的平均光譜曲線作為當(dāng)前圖像塊特征曲線，包括：
10、對(duì)于圖像塊每個(gè)像素點(diǎn)的特征光譜曲線求重心，降維得到25個(gè)點(diǎn)；
11、利用k-means算法對(duì)25個(gè)重心點(diǎn)聚類(lèi)為2類(lèi)；
12、采用包含點(diǎn)數(shù)最大的類(lèi)表征該光譜圖像塊的特征；
13、求取這個(gè)類(lèi)中平均光譜曲線，作為圖像塊特征曲線。
14、所述利用k-means算法進(jìn)行聚類(lèi)包括：
15、隨機(jī)選取兩個(gè)重心點(diǎn)作為初始聚類(lèi)中心c1與c2，計(jì)算其他重心點(diǎn)與兩個(gè)初始聚類(lèi)中心c1、c2之間的歐幾里得距離d1、d2，比較d1與d2，將其他重心點(diǎn)分配給最近的聚類(lèi)中心；
16、對(duì)于每個(gè)聚類(lèi)，計(jì)算所有分配給該聚類(lèi)的其他重心點(diǎn)的中心，更新聚類(lèi)中心的位置；
17、重復(fù)分配與更新步驟，直至聚類(lèi)中心不再變化。
18、所述對(duì)特征曲線進(jìn)行sg卷積平滑去除噪點(diǎn)，包括：用最小二乘法擬合一個(gè)多項(xiàng)式，計(jì)算多項(xiàng)式在該點(diǎn)的值代替原始數(shù)據(jù)進(jìn)行去噪。
19、最小二乘法擬合去噪包括：
20、定義特征曲線一段區(qū)間的等波長(zhǎng)間隔的2m+1個(gè)點(diǎn)記為x集合；
21、假設(shè)2m+1個(gè)點(diǎn)大小的窗口內(nèi)的原始數(shù)據(jù)點(diǎn)用一個(gè)2m次多項(xiàng)式進(jìn)行擬合，多項(xiàng)式方程如下：
22、y＝a0+a1*i+a2*i2+…+a2m*i2m+1-1，其中i＝(-m,-m+1,…,0,1,…m-1,m)；
23、計(jì)算窗口內(nèi)中心點(diǎn)對(duì)應(yīng)的多項(xiàng)式擬合值取代原始的光譜曲線值，依次移動(dòng)直到遍歷光譜。
24、所述1d-cnn神經(jīng)網(wǎng)絡(luò)模型包括：依次連接的輸入層、卷積層、池化層、全連接層、分類(lèi)器；所述訓(xùn)練為將去噪后的特征曲線和粉化與否標(biāo)簽同時(shí)輸入網(wǎng)絡(luò)模型，設(shè)置訓(xùn)練參數(shù)和截止條件進(jìn)行迭代訓(xùn)練。
25、一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)裝置，包括：鹵素光源、上位機(jī)和與上位機(jī)分別連接的機(jī)械臂、工業(yè)相機(jī)；
26、所述鹵素光源照射被測(cè)工件；
27、所述工業(yè)相機(jī)安裝在機(jī)械臂末端，為光譜范圍為400-1000nm的可見(jiàn)光-近紅外高光譜成像系統(tǒng)；
28、上位機(jī)中設(shè)有控制后臺(tái)和前端界面，所述控制后臺(tái)接收前端界面的輸出指令，執(zhí)行如上所述的方法步驟，實(shí)現(xiàn)基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)。
29、本專(zhuān)利技術(shù)具有以下有益效果及優(yōu)點(diǎn)：
30、本專(zhuān)利技術(shù)方法提供了一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，通過(guò)機(jī)械臂搭載高光譜相機(jī)形成采集裝置，采集鋁合金工件表面的光譜數(shù)據(jù)，能夠適用工件表面朝向各異的情況；對(duì)圖像進(jìn)行下采樣與分塊處理，降低運(yùn)算量提高檢測(cè)效率；通過(guò)k-means聚類(lèi)獲取小圖像塊的特征光譜曲線，克服傳統(tǒng)的以整塊平均光譜曲線作為特征曲線導(dǎo)致存在誤差的情況；通過(guò)1d-cnn神經(jīng)網(wǎng)絡(luò)模型對(duì)特征曲線分類(lèi)，實(shí)現(xiàn)粉化區(qū)域與正常區(qū)域的判定。本專(zhuān)利技術(shù)可實(shí)現(xiàn)鋁合金工件表面氧化膜是否發(fā)生粉化缺陷的自動(dòng)檢測(cè)，解決生產(chǎn)線中鋁合金工件表面氧化膜質(zhì)量檢測(cè)依賴人工判斷的痛點(diǎn)，大幅度提高生產(chǎn)效率與檢測(cè)判定一致性，且能夠擴(kuò)展應(yīng)用于其他金屬材質(zhì)表面氧化膜粉化缺陷檢測(cè)場(chǎng)景中。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述波段信息為400-1000nm間隔600nm的波長(zhǎng)，以2nm為一次采樣，合計(jì)300次采樣。
3.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述對(duì)I1進(jìn)行高斯金字塔圖像下采樣生成新圖像I2，為設(shè)置采樣步長(zhǎng)，對(duì)二維圖像I1的長(zhǎng)寬進(jìn)行抽幀。
4.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述將I2劃分為多個(gè)圖像塊，包括：設(shè)置滑動(dòng)窗口像素大小、滑動(dòng)像素步長(zhǎng)，逐行列滑動(dòng)得到多個(gè)小圖像塊。
5.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述獲取圖像塊中每個(gè)像素點(diǎn)的光譜曲線，聚類(lèi)為2類(lèi)，以包含曲線數(shù)量最大的類(lèi)的平均光譜曲線作為當(dāng)前圖像塊特征曲線，包括：
6.根據(jù)權(quán)利要求5所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于
7.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述對(duì)特征曲線進(jìn)行SG卷積平滑去除噪點(diǎn)，包括：用最小二乘法擬合一個(gè)多項(xiàng)式，計(jì)算多項(xiàng)式在該點(diǎn)的值代替原始數(shù)據(jù)進(jìn)行去噪。
8.根據(jù)權(quán)利要求7所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，最小二乘法擬合去噪包括：
9.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述1D-CNN神經(jīng)網(wǎng)絡(luò)模型包括：依次連接的輸入層、卷積層、池化層、全連接層、分類(lèi)器；所述訓(xùn)練為將去噪后的特征曲線和粉化與否標(biāo)簽同時(shí)輸入網(wǎng)絡(luò)模型，設(shè)置訓(xùn)練參數(shù)和截止條件進(jìn)行迭代訓(xùn)練。
10.一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)裝置，其特征在于，包括：鹵素光源、上位機(jī)和與上位機(jī)分別連接的機(jī)械臂、工業(yè)相機(jī)；
...【技術(shù)特征摘要】
1.一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述波段信息為400-1000nm間隔600nm的波長(zhǎng)，以2nm為一次采樣，合計(jì)300次采樣。
3.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述對(duì)i1進(jìn)行高斯金字塔圖像下采樣生成新圖像i2，為設(shè)置采樣步長(zhǎng)，對(duì)二維圖像i1的長(zhǎng)寬進(jìn)行抽幀。
4.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述將i2劃分為多個(gè)圖像塊，包括：設(shè)置滑動(dòng)窗口像素大小、滑動(dòng)像素步長(zhǎng)，逐行列滑動(dòng)得到多個(gè)小圖像塊。
5.根據(jù)權(quán)利要求1所述的一種基于光譜曲線分類(lèi)的鋁合金氧化膜粉化缺陷檢測(cè)方法，其特征在于，所述獲取圖像塊中每個(gè)像素點(diǎn)的光譜曲線，聚類(lèi)為2類(lèi)，以包含曲線數(shù)量最大的類(lèi)的平均光譜曲線作為當(dāng)前圖像塊特征曲線，包括：
<...【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：趙亮，邱太文，夏仁波，丁瑤，趙吉賓，王亞齊，張濤，陳沙，徐小芳，余瑋琛，
申請(qǐng)(專(zhuān)利權(quán))人：中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。