立即注册
查看: 704|回复: 0

[资料] 基于机器学习的刀具表面缺陷检测及分类方法

已绑定手机
发表于 2022-8-4 16:55:52 | 显示全部楼层 |阅读模式 来自 广东省深圳市
摘要∶刀具在生产的过程中,由于人员、机器、环境等多方面原因,刀具的表面会出现各种缺陷,如划痕、碰撞凹坑、涂层剥落和边缘豁口;这些缺陷会严重影响刀具的质量和外观,对于刀具的缺陷检测,目前主要采用人工目检的方式,人工检测方法效率和准确率都比较低;为解决上述问题,提出一种刀具缺陷的自动化检测及分类算法;针对刀具图像的预处理,提出了一种基于双边滤波的降噪方法和基于差分的对比度增强算法;对于刀具的缺陷检测任务,提出了基于图像差分的缺陷检测算法;对于缺陷的分类任务,提出了一种基于SVM的分类算法,即通过提取缺陷区域的形状、纹理等特征来训练SVM分类器;最后对提出的缺陷检测及分类算法进行实验,结果表明算法的缺陷检出率达97.2%,分类准确率可达94.3%;算法能够很好地满足工业需求,可以替代人工实现刀具缺陷的自动化和高效率检测。

车刀是一种用在机械加工过程中最常见的刀具。在刀具生产的过程中,由于工艺条件及生产过程中的运输不当等原因,刀具的表面会出现各种缺陷。这些缺陷会极大地破坏刀具的外观完整性和降低刀具的使用寿命。例如刀具的边缘豁口缺陷,可能会造成待加工表面的凸凹不平,进而影响产品的表面粗糙度和一致性;又如涂层剥落缺陷,可能会严重影响刀具的力学性能,造成加工过程中的“崩刀”。因此,对刀具表面的缺陷进行检测具有重要的意义。所以刀具的健康检测也成为整个生产过程安全、顺利进行的一个重要环节。刀具实物图见图1。
根据行业现状以及企业生产的情况来看,刀具的表面缺陷主要有划痕、凹坑、涂层剥落和边缘豁口这4种。
现有的质量检测方式可分为直接测量及间接测量法。直接测量法有机械接触法、机器视觉法、射线(X—ray or Gamma ray)检测法与电阻检测法。间接检测法是以间接参数来测量刀具质量,如电流检测、振动检测、发声检测等。目前,刀具的表面缺陷检测主要通过人工肉眼完成57,这种检测方式效率低、准确率低、劳动强度大,无法适应现代大规模、高质量的生产需求。同时,由于必须在强光源的照射下才能快速准确的找到刀具的表面缺陷,会造成工人的用眼疲劳甚至是眼部疾病。
基于机器学习和深度学习的缺陷检测方式是近年来研究的热点和重点。采用深度学习进行缺陷检测方式需要大量的数据样本和更为苛刻的数据形式,同时需要更多的计算量和计算时间。在小规模数据集上,传统的机器学习模型更具备分类优势關。因此工业上更多的是采用机器学习的方式进行缺陷的分类。
四川大学的李宇庭等人,通过建立特征数据集、使用遗传算法和SVM模型实现了对腐蚀坑和裂纹两种缺陷的高精度分类算法「气R. E. Gong等人提出了基于SVM的MHSVM+算法来检测钢材表面缺陷1X1; H. Hagi等人提出了基于随机抽样的和特征选择的算法来对电路板缺陷进行检测湖南大学的周显恩等人提出基于随机圆评估定位方法,利用残差分析、动态阈值分割与全局阈值分割相结合的方法实现了瓶口的缺陷检测。最终将检测正确率提高了 2.22%。
武汉大学的舒文娉对印品的缺陷进行特征提取和分析,利用SVM对特征数据进行训练和测试,最终达到缺陷识别率100%、分类准确率93.94%的效果,提出的算法能够较好地满足印品质量的任务需求「⑴。S. Benzahioul等人,提出了一种基于图像处理和模式识别的缺陷检测方法,即通过提取缺陷的HOG特征和利用SVM分类器,前后共分4个步骤实现了对异步电动机生产过程中缺陷的检测,结果表明,算法具有较高的效率和准确率。
本研究也借鉴机器学习的内容,针对刀具的表面缺陷检测及分类任务,提出了一种结合图像处理和机器学习的缺陷自动化检测及分类方法。
本文主要完成了以下几部分的工作:
1)        对刀具图像的预处理进行研究,主要包括图像的降噪、图像的增强以及缺陷区域的分割。最终通过计算及试验确定了基于双边滤波的降噪方法、基于差分的图像增强方法和基于最大类间方差法的阈值分割方法。
2)        研究了刀具表面缺陷检测算法,最终提出了基于图像差分的刀具表面缺陷检测算法。
3)        研究了特征的提取和选择,设计了基于SVM的刀具表面缺陷分类算法。通过提取缺陷的高维特征,结合PCA进行降维,最后使用降维后的特征对SVM分类器进行训练。

1、图像预处理
1.1表面缺陷的分类
表面缺陷的种类如图2所示。
1.jpg
1.1. 1划痕缺陷
划痕缺陷呈现出明显的细长型,一般是由于在流水线生产的过程中,由于刀具和其他坚硬物体的相对运动而造成的一种缺陷。划痕缺陷在刀具受到较大的冲击力时会影响刀具原有的力学性能、破坏刀具的原有结构,从而造成加工过程中的刀具断裂.

1.1.2  磕碰凹坑
磕碰凹坑缺陷一般近似圆形,是由于刀具和刀具或其他坚硬杂质的碰撞或挤压而产生的,磕碰产生的凹坑会破坏表面的粗糙度,同时对表面涂层的一致性有比较大的影响,且可能会发展成为更大面积的涂层剥落缺陷。

1.1.3  涂层剥落
在刀具基体加工完成后,为了增强刀具的硬度、延长刀具的寿命通常会在刀具的表面涂覆一层保护材料增强刀具的硬度和耐磨性。但是由于工艺不良等原因会出现刀具表面涂层的剥落。表面涂层剥落缺陷会造成刀具寿命缩短、刀具表面硬度下降等一系列问题,会很大程度地影响刀具的寿命。

1.1.4  边缘豁口
在刀具基体的制造过程中,经常会出现由于加工不当等原因造成的刀具边缘材料丢失的豁口缺陷。豁口缺陷是最严重的缺陷之一,会出现待加工表面的凸凹不平等多种问题。所以有豁口缺陷存在的刀具是必须要检测出并且剔除的。

1.2  图像的降噪
图像在采集的过程中,由于灰尘及光学元件自身的性能影响,采集到的图片会包含各种噪声。噪声具有离散型、随机性、多样性等多种属性。一般的噪声模型主要有椒盐噪声、高斯噪声、瑞丽噪声、伽马噪声等。噪声一般是无法避免的,直接对原始图像进行处理,由于噪声的干扰,得到的结果可能会与期望的结果大相径庭。所以,图像的降噪是图像处理中必不可少的环节。
图像的降噪主要是借助滤波器,对图像中明显偏离真实值的像素点进行剔除或降低权重的操作,图像的降噪主要可以分为空间域降噪和频域降噪。其中傅里叶变换等频域降噪滤波的主要实现步骤是将空间域上的图像数据变换到频域上,针对频域上的图像进行后续的处理。处理完成后,再通过逆变换将频域上的数据变换到空间域上,这样就可以去除部分具有固定频域的噪声。但是由于频域滤波大多是针对所有点进行,会消耗大量的计算机资源和占用比较多的计算时间,无法达到实际生产中的实时性要求,所以一般只在噪声具有特定频率的场合下使用。所以本文主要采用空间域滤波降噪的方式。
空间域滤波主要有中值滤波、均值滤波、高斯滤波以及双边滤波。在滤波器的选取上,要依据实际图像要求,尽可能地在保证边缘完整性的前提下最大化的降低噪声的干扰。
以划痕缺陷为例,对缺陷图像分别运用中值滤波、均值滤波、高斯滤波和双边滤波操作后的结果如图3所示。
2.jpg

更多详细内容请下载附件查看
游客,如果您要查看本帖隐藏内容请回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

合作/建议

TEL: 19168984579

工作时间:
周一到周五 9:00-11:30 13:30-19:30
  • 扫一扫关注公众号
  • 扫一扫打开小程序
Copyright © 2013-2024 一牛网 版权所有 All Rights Reserved. 帮助中心|隐私声明|联系我们|手机版|粤ICP备13053961号|营业执照|EDI证
在本版发帖搜索
扫一扫添加微信客服
QQ客服返回顶部
快速回复 返回顶部 返回列表