【技術實現步驟摘要】
本專利技術涉及顯微鏡圖像處理，具體涉及一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法及裝置。
技術介紹
1、隨著工業自動化的發展，特別是在精密制造、半導體加工及材料檢測等領域，對物體表面缺陷的檢測精度和效率要求日益提高。靶丸作為一種工業部件，其表面質量直接影響產品的使用性能，然而，現有的靶丸缺陷檢測技術存在以下不足：1、靶丸通常放置在小格子容器中，但在測量過程中，靶丸易于滾動至格子邊界，由于視野限制，這導致相機只能捕捉到靶丸的部分區域，或其位置偏移至視野四周，影響到直徑、圓度和半徑等幾何參數的準確測量；2、靶丸的顏色多樣，包括白色、黃色和黑色等，不同顏色的靶丸對光線的響應不同，為了獲取靶丸的外輪廓信息（如直徑、圓度、長軸和短軸），通常需要使用背光照明；而在進行表面缺陷檢測（如黑點、纖維、異物和劃傷）時，則需要環形光或同軸光等頂部照明方式，多樣化的照明方式和顏色變化導致靶丸在定位和識別時出現困難，尤其是同一場景中需要對多種顏色的靶丸進行檢測；3、靶丸通常具有一定高度，尤其在高倍率下拍攝時，由于景深較窄，靶丸邊緣區域易出現模糊，傳統定位算法難以準確對焦和定位；4、黃色和白色靶丸的透光性較強，在背光條件下很難形成清晰的黑白分明的輪廓，導致圖像中出現大量干擾點，影響圓度測量的準確性；5、靶丸表面的缺陷通常尺寸較小，傳統圖像處理方法和缺陷檢測算法在檢測小于10x10像素的微小缺陷時表現欠佳，存在漏檢和誤檢現象，特別是在面對復雜的表面結構或微小劃痕時，難以實現高精度檢測。
技術實現思路>
1、技術目的：針對現有靶丸表面缺陷檢測的不足，本專利技術公開了一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法及裝置，通過顯微鏡鏡頭的精準定位和改進型yolov5模型，提升靶丸表面缺陷檢測的精度和可靠性，實現從粗定位到精確測量的全面覆蓋，適用于各種靶丸檢測場景。
2、技術方案：為實現上述技術目的，本專利技術采用了如下技術方案：
3、一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，具體包括以下步驟：
4、s1、將多個靶丸放置在靶丸盒的多個格子孔洞內，使每個靶丸對應于靶丸盒的一個格子孔洞，移動顯微鏡鏡頭使靶丸盒進入顯微鏡鏡頭的初始視野中，并將顯微鏡鏡頭移至靶丸盒的第一格子孔洞；
5、s2、使用經過訓練的sod-yolov5模型檢測當前視野中的靶丸圖像并確定靶丸的中心位置，計算靶丸中心位置與顯微鏡視野中心位置的偏移量，并調整顯微鏡鏡頭的位置以縮小偏移量，使得靶丸中心與視野中心逐步對齊，并確定靶丸的外接矩形；
6、s3、提取靶丸外接矩形的最大內接圓，沿內接圓圓周區域設置多個采樣區域，對每個采樣區域進行圖像邊緣檢測，并使用最小二乘法對邊緣點進行圓形輪廓擬合，計算擬合結果的圓度和直徑值，確定靶丸的幾何特征；
7、s4、使用經過訓練的sod-yolov5模型對擬合出的靶丸圓形輪廓內的圖像進行缺陷檢測，再使用差分法對細微缺陷進一步檢測，綜合sod-yolov5模型和差分法的檢測結果，識別靶丸表面的缺陷類型，在缺陷區域內繪制標記框進行定位，輸出缺陷檢測結果；
8、s5、顯微鏡鏡頭根據靶丸盒的結構規格及格子孔洞的布局進行定位，移動至靶丸盒的下一格子孔洞并重復步驟s2至步驟s4，直至檢測完靶丸盒中所有的靶丸。
9、優選地，對每個采樣區域進行圖像邊緣檢測，并使用最小二乘法對邊緣點進行圓形輪廓擬合的具體步驟如下：
10、基于靶丸外接矩形的最大內接圓，在圓周上選取多個采樣區域，每個采樣區域均為一個矩形檢測框，角度指向圓心；
11、在每個采樣區域內做多條方向指向圓心的線段，計算每條線段的梯度值，記錄每條線段梯度值變化最大點的位置，并計算多條線段梯度值變化最大點的平均位置作為邊緣點；
12、使用所有采樣區域中的邊緣點進行第一次圓形輪廓擬合，得到一個半徑為ra的初步擬合圓；
13、利用初步擬合圓生成兩個半徑分別為0.95ra和1.05ra的圓，兩個圓均與初步擬合圓同心，這兩個圓構成一個環形roi區域；
14、計算所有邊緣點到初始擬合圓圓心的距離d，若滿足0.95ra≤d≤1.05ra，則將其保留在環形roi區域內，否則將其剔除；
15、對保留下來的環形roi區域內的邊緣點再次使用最小二乘法進行圓形輪廓擬合，得到新的擬合圓，并將新的擬合圓作為靶丸的擬合圓形輪廓。
16、優選地，采樣區域為100個，且在最大內接圓的圓周上等距劃分。
17、優選地，sod-yolov5精定位模型的具體訓練過程如下：
18、收集靶丸圖像樣本，并通過圖像標注工具標注靶丸的中心位置、外接矩形及表面缺陷區域，并對采集的靶丸圖像樣本進行數據增強處理；
19、使用經過預訓練的sod-yolov5模型作為初始權重，并在其結構中集成注意力機制模塊以增強小缺陷特征提取能力；
20、設定訓練參數，訓練參數包括學習率、批量大小及損失函數，根據小目標特征進行權重特征；
21、在每個訓練輪次內，對輸入圖像進行隨機數據增強并計算損失，通過反向傳播算法更新sod-yolov5模型參數；
22、通過驗證集評估平均精度及召回率，并根據驗證結果調整訓練參數，直至sod-yolov5模型收斂；
23、將訓練后的sod-yolov5模型導出為onnx格式，完成sod-yolov5的訓練。
24、優選地，數據增強處理包括亮度調整、旋轉、縮放和圖像拼接，以生成適合不同光照條件和靶丸顏色的圖像數據。
25、優選地，靶丸的圖像樣本包括在不同光照條件和顏色的靶丸圖像樣本，不同的光照條件包括背光、頂部環形光和同軸光，顏色包括白色、黃色和黑色。
26、優選地，使用差分法對細微缺陷進一步檢測的具體步驟如下：
27、對原始的靶丸圖像進行灰度化處理，得到灰度圖；
28、對灰度圖進行均值濾波處理，得到平滑后的圖像；
29、將平滑后的圖像與原始圖像進行像素級的差分，得到差分圖像；
30、對差分圖像進行二值化操作，將差異明顯的區域提取出來得到二值圖像；
31、對二值圖像進行連通域分析，得到若干個連通區域并計算其面積；
32、對連通區域進行面積篩選，保留面積在0到50像素之間的缺陷區域，并獲取篩選出的缺陷區域的位置信息，完成靶丸表面小缺陷檢測。
33、優選地，顯微鏡鏡頭根據靶丸盒的結構規格及格子孔洞的布局進行定位，移動至靶丸盒的下一格子孔洞的具體步驟如下：
34、根據靶丸盒的結構規格和格子孔洞的布局參數，確定靶丸盒中每個格子孔洞中心之間的水平和垂直間距；
35、分別將靶丸盒中每個格子孔洞中心之間的水平和垂直間距設定為顯微鏡鏡頭的水平位移量和垂直位移量；
36、控制顯微鏡鏡頭的運動系統，根據預設的水平位移量和垂直位移量將顯微本文檔來自技高網...
【技術保護點】
1.一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，對每個采樣區域進行圖像邊緣檢測，并使用最小二乘法對邊緣點進行圓形輪廓擬合的具體步驟如下：
3.根據權利要求2所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，采樣區域為100個，且在最大內接圓的圓周上等距劃分。
4.根據權利要求1所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，SOD-YOLOv5模型的具體訓練過程如下：
5.根據權利要求4所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，數據增強處理包括亮度調整、旋轉、縮放和圖像拼接，以生成適合不同光照條件和靶丸顏色的圖像數據。
6.根據權利要求4所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，靶丸的圖像樣本包括在不同光照條件和顏色的靶丸圖像樣本，不同的光
7.根據權利要求1所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，使用差分法對細微缺陷進一步檢測的具體步驟如下：
8.根據權利要求1所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，顯微鏡鏡頭根據靶丸盒的結構規格及格子孔洞的布局進行定位，移動至靶丸盒的下一格子孔洞的具體步驟如下：
9.根據權利要求8所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，所述靶丸盒包含10行10列的格子孔洞。
10.一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測裝置，用于完成權利要求1-9任一項所述的一種基于SOD-YOLOv5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，包括：
...【技術特征摘要】
1.一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，對每個采樣區域進行圖像邊緣檢測，并使用最小二乘法對邊緣點進行圓形輪廓擬合的具體步驟如下：
3.根據權利要求2所述的一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，采樣區域為100個，且在最大內接圓的圓周上等距劃分。
4.根據權利要求1所述的一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，sod-yolov5模型的具體訓練過程如下：
5.根據權利要求4所述的一種基于sod-yolov5模型的靶丸定位圓測量缺陷檢測方法，其特征在于，數據增強處理包括亮度調整、旋轉、縮放和圖像拼接，以生成適合不同光照條件和靶丸顏色的圖像數據。
6.根據權利要求4所述的一種基于sod-yolov5...
【專利技術屬性】
技術研發人員：姚金玖，張嵩，陳付波，趙圣杰，韓爍，雷露，王海建，李呈武，
申請(專利權)人：南京木木西里科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。