本發(fā)明涉及產(chǎn)品檢測(cè)，尤其涉及一種工業(yè)品智能檢測(cè)方法及裝置。

背景技術(shù)：

1、機(jī)器視覺技術(shù)在工業(yè)領(lǐng)域廣泛應(yīng)用于外觀和質(zhì)量檢測(cè)，涵蓋了多個(gè)產(chǎn)品類別。傳統(tǒng)的視覺檢測(cè)技術(shù)采用流水線式的檢測(cè)方式，在檢測(cè)產(chǎn)線設(shè)置多個(gè)檢測(cè)工位，在工位上布置不同的相機(jī)和工業(yè)光源，通過變換相機(jī)和光源的位姿，對(duì)工業(yè)品的外觀進(jìn)行遍歷檢測(cè)。該檢測(cè)方法存在明顯的局限性，缺陷檢測(cè)范圍有限，僅限于較為明顯和局部的缺陷類型，難以勝任對(duì)產(chǎn)品缺陷的全面檢測(cè)。再有當(dāng)前的產(chǎn)品變更時(shí)，產(chǎn)品線上的檢測(cè)設(shè)備可能需要重新調(diào)整和重新做，同時(shí)算法也要重新開發(fā)，之前的產(chǎn)品線檢測(cè)設(shè)備被淘汰，利用率過低，直接增加了產(chǎn)品的生產(chǎn)成本。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有技術(shù)中的上述缺陷或不足，期望提供一種工業(yè)品智能檢測(cè)方法及裝置，針對(duì)不同的產(chǎn)品生成相應(yīng)的檢測(cè)路徑，適應(yīng)性佳，實(shí)現(xiàn)了產(chǎn)品的全面缺陷檢測(cè)，應(yīng)用范圍廣。

2、本發(fā)明提供的一種工業(yè)品智能檢測(cè)方法，包括如下步驟：

3、1)示教并獲取路徑點(diǎn)[p1、p2、...、pn]以及相應(yīng)的拍攝參數(shù)[c1、c2、...、cn]，拍攝參數(shù)即工業(yè)相機(jī)設(shè)置的曝光參數(shù)；

4、2)生成缺陷檢測(cè)路徑，通過基于機(jī)器學(xué)習(xí)算法和拓?fù)渎窂絻?yōu)化算法調(diào)整并優(yōu)化路徑點(diǎn)[p1、p2、...、pn]的個(gè)數(shù)、位置和順序以及相應(yīng)的拍攝參數(shù)[c1、c2、...、cn]，得到缺陷檢測(cè)路徑點(diǎn)[p*1、p*2、...、p*m]以及相應(yīng)的檢測(cè)拍攝參數(shù)[c*1、c*2、...、c*m]；

5、3)按缺陷檢測(cè)路徑點(diǎn)[p*1、p*2、...、p*m]、檢測(cè)拍攝參數(shù)[c*1、c*2、...、c*m]獲取產(chǎn)品的檢測(cè)圖像集，采用通用型缺陷檢測(cè)算法對(duì)所述檢測(cè)圖像集進(jìn)行圖像檢測(cè)處理，得到產(chǎn)品的表面缺陷檢測(cè)結(jié)果。

6、進(jìn)一步的，所述步驟1)中，選取一種產(chǎn)品的若干不合格品，所述若干不合格品包含所述產(chǎn)品的全部缺陷；將所述不合格品逐一移動(dòng)至各目標(biāo)點(diǎn)位置，分別對(duì)其進(jìn)行拍攝并獲取圖像；查看圖像，若缺陷清晰可見，則記錄該目標(biāo)點(diǎn)位置為路徑點(diǎn)pi，記錄相應(yīng)的拍攝參數(shù)ci；直至所有缺陷位置均被覆蓋，獲得路徑點(diǎn)[p1、p2、...、pn]以及相應(yīng)的拍攝參數(shù)[c1、c2、...、cn]，i＝1...n。

7、進(jìn)一步的，所述步驟2)中，路徑點(diǎn)的優(yōu)化包括如下步驟：

8、211)計(jì)算每個(gè)路徑點(diǎn)pi的檢測(cè)視場(chǎng)vi：

9、vi＝f(pi,ci)；

10、其中，i＝1...n，f為描述路徑點(diǎn)pi和拍攝參數(shù)ci與檢測(cè)視場(chǎng)vi之間關(guān)系的函數(shù)，需要說明的是檢測(cè)視場(chǎng)vi就是單個(gè)測(cè)量視場(chǎng)下的空間測(cè)量區(qū)域大小和范圍；

11、212)優(yōu)化目標(biāo)考慮最大化檢測(cè)覆蓋率和最小化路徑長(zhǎng)度，即確保所有缺陷區(qū)域均至少被一個(gè)路徑點(diǎn)pi的檢測(cè)視場(chǎng)vi覆蓋的情況下將檢測(cè)路徑的總距離降至最低；

12、優(yōu)化目標(biāo)函數(shù)f為：

13、

14、其中，spi為路徑點(diǎn)pi所覆蓋的缺陷區(qū)域面積，sd為總?cè)毕輩^(qū)域面積；

15、spi/sd為路徑點(diǎn)pi的檢測(cè)覆蓋率；

16、λ為路徑最短的優(yōu)化權(quán)重系數(shù)，n(pi)為計(jì)算路徑長(zhǎng)度的函數(shù)。

17、進(jìn)一步的，所述步驟2)中，拍攝參數(shù)的優(yōu)化包括如下步驟：

18、221)對(duì)同一缺陷檢測(cè)路徑點(diǎn)p*i應(yīng)用不同拍攝參數(shù)進(jìn)行拍照得到q張圖像，通過加權(quán)平均法或輻射度圖估計(jì)法將q張圖像合成一張hdr圖像；

19、

20、其中，j＝1...q，ihdr(x,y)為hdr圖像中位置(x,y)的像素值；

21、w(lj(x,y))為權(quán)重函數(shù)；

22、lj(x,y)為第j張圖像中位置(x,y)的亮度值；

23、tj為第j張圖像的曝光時(shí)間；

24、222)對(duì)不同曝光值的圖像進(jìn)行直方圖分析和閾值分割；

25、

26、其中，hj(l)是第j張圖像的灰度直方圖；

27、ij(x,y)為第j張圖像中位置(x,y)的灰度值；

28、l為灰度級(jí)別；

29、當(dāng)ij(x,y)＝l時(shí)，δ(ij(x,y)-l)函數(shù)值為1，否則為0；

30、223)計(jì)算匹配度；

31、

32、其中，ej為第j張圖像與hdr圖像的匹配度，

33、hhdr(l)為hdr圖像的灰度直方圖；

34、min(hhdr(l),hj(l))為計(jì)算兩個(gè)直方圖在每個(gè)灰度級(jí)別上的重疊部分，用于衡量第j張圖像與hdr圖像的相似度；

35、224)繪制出q張圖像的匹配度和灰度的曲線，擬合所述曲線后尋峰即找到缺陷檢測(cè)路徑點(diǎn)p*i處的最佳曝光值作為當(dāng)前位姿下的拍攝參數(shù)c*i。

36、進(jìn)一步的，所述步驟3)中，通用型缺陷檢測(cè)算法包括如下步驟：

37、31)在缺陷檢測(cè)任務(wù)中，路徑點(diǎn)p*i和對(duì)應(yīng)的拍攝參數(shù)c*i被表示為一維序列向量at；通過單線性層對(duì)輸入的一維序列向量at進(jìn)行維度擴(kuò)展，得到擴(kuò)展后的一維向量a*t，其維度d與圖像特征向量的維度df一致；

38、32)從檢測(cè)圖像集中獲取五張連續(xù)的圖像作為圖像子集，對(duì)圖像子集中的每一張圖像使用改進(jìn)的cspdarknet網(wǎng)絡(luò)進(jìn)行特征提取，生成三個(gè)不同尺度的特征圖，包括小尺度特征圖、中尺度特征圖和大尺度特征圖；對(duì)每一個(gè)尺度的五幀特征圖在通道維度上進(jìn)行拼接，形成高維度特征圖fs，其維度為原始單幀特征圖的五倍；

39、33)將擴(kuò)展后的一維向量a*t與對(duì)應(yīng)的高維度特征圖fs進(jìn)行融合，形成融合后的特征表示ft；將ft輸入至transformer網(wǎng)絡(luò)的編碼器模塊，所述編碼器模塊基于自注意力機(jī)制對(duì)融合后的特征表示ft進(jìn)行處理，生成高層次的特征表示et，特征表示et的維度與特征表示ft的維度一致為df；

40、34)將特征表示et輸入至transformer的解碼器模塊，所述解碼器模塊基于序列到序列的映射將特征表示解碼為檢測(cè)結(jié)果；所述解碼器模塊的輸出為一組表示缺陷位置和缺陷種類的向量，用于對(duì)檢測(cè)圖像中的缺陷進(jìn)行標(biāo)識(shí)和分類。

41、另，本發(fā)明還提供了一種用于上述的工業(yè)品智能檢測(cè)方法的檢測(cè)裝置，包括檢測(cè)臺(tái)以及設(shè)置于所述檢測(cè)臺(tái)上的多自由度運(yùn)動(dòng)機(jī)構(gòu)和視覺拍照模組，所述多自由度運(yùn)動(dòng)機(jī)構(gòu)上設(shè)置有用于夾取被檢測(cè)產(chǎn)品的夾具。

42、進(jìn)一步的，所述多自由度運(yùn)動(dòng)機(jī)構(gòu)為多自由度運(yùn)動(dòng)平臺(tái)或多軸機(jī)械手。

43、進(jìn)一步的，所述視覺拍照模組包括工業(yè)相機(jī)、鹵素?zé)艄庠春蚻ed平行光源；所述視覺拍照模組電連接有可編程邏輯控制器。

44、相對(duì)于現(xiàn)有技術(shù)而言，本發(fā)明的有益效果是：

45、本發(fā)明的檢測(cè)方法通過示教得到由路徑點(diǎn)[p1、p2、...、pn]組成的初始檢測(cè)路徑，以及相應(yīng)的拍攝參數(shù)[c1、c2、...、cn]；再對(duì)初始檢測(cè)路徑進(jìn)行優(yōu)化得到由最終的缺陷檢測(cè)路徑點(diǎn)[p*1、p*2、...、p*m]組成的缺陷檢測(cè)路徑以及相應(yīng)的檢測(cè)拍攝參數(shù)[c*1、c*2、...、c*m]；再按缺陷檢測(cè)路徑和檢測(cè)拍攝參數(shù)獲取產(chǎn)品的檢測(cè)圖像集，并采用通用型缺陷檢測(cè)算法對(duì)檢測(cè)圖像集進(jìn)行圖像檢測(cè)處理，得到產(chǎn)品的表面缺陷檢測(cè)結(jié)果。本發(fā)明的檢測(cè)方法針對(duì)不同的產(chǎn)品生成相應(yīng)的缺陷檢測(cè)路徑，按該缺陷檢測(cè)路徑可獲取該產(chǎn)品各種缺陷的圖像，適應(yīng)性佳，實(shí)現(xiàn)了產(chǎn)品的全面缺陷檢測(cè)，應(yīng)用范圍廣。

46、應(yīng)當(dāng)理解，
技術(shù)實(shí)現(xiàn)要素：
部分中所描述的內(nèi)容并非旨在限定本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，亦非用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的描述變得容易理解。