本發(fā)明涉及圖像檢測，具體為一種基于圖像識別的殘次玻璃珠快速檢測淘汰設(shè)備及檢測方法。

背景技術(shù)：

1、在玻璃珠生產(chǎn)線上，質(zhì)量監(jiān)控是確保產(chǎn)品合格的關(guān)鍵環(huán)節(jié)，為加快對玻璃珠質(zhì)量的檢測，現(xiàn)階段都采用基于圖像識別的方法以及設(shè)備來實現(xiàn)對玻璃珠的快速檢測與淘汰。

2、經(jīng)檢索，公開號“cn115165737a”的中國發(fā)明專利，公開了“一種視覺檢測裝置及其檢測方法”，該申請通過掃描組件對產(chǎn)品進行掃描，判斷產(chǎn)品的朝向，調(diào)節(jié)機構(gòu)根據(jù)產(chǎn)品的朝向?qū)σ曈X檢測頭的位置進行調(diào)整，使得視覺檢測頭對產(chǎn)品需要檢測的部位進行檢測，從而減少了因為產(chǎn)品擺放不正造成的視覺檢測頭的檢測不全的情況發(fā)生的效果。

3、此外公開號“cn108254540a”的中國發(fā)明專利，公開了“一種鋸材表面質(zhì)量等級劃分裝置及方法”，該申請通過利用視覺檢測裝置分析鋸材的表面是否符合預(yù)設(shè)條件，從而利用機器視覺技術(shù)對鋸材進行目測分級，提高了鋸材目測分級檢測的準確度和效率。

4、最后公開號“cn113533358?a”的中國發(fā)明專利，公開了“絲錠表面形狀缺陷視覺檢測方法及其檢測裝置”，該申請使用的絲錠提升旋轉(zhuǎn)機構(gòu)能夠?qū)⒔z錠進行夾取并使其能夠沿圓周方向勻速轉(zhuǎn)動，再配合側(cè)向相機和斜向相機能夠?qū)z錠側(cè)面和上、下端面進行全面檢測，從而避免出現(xiàn)局部漏檢，有效地提高了檢測效果，同時，側(cè)向補光光源、半環(huán)形補光光源和背光光源能對絲錠的側(cè)面及上、下端面進行補光，進一步提升視覺信號采集效果，從而提升檢測效果。

5、然而上述公開的方法以及設(shè)備在實際使用時，由于在圖像識別中，光源在接觸到檢測物體時，會出現(xiàn)折射和反射的現(xiàn)象，導(dǎo)致獲取的圖像存在陰影，這些陰影可能會影響圖像識別的準確性和穩(wěn)定性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于圖像識別的殘次玻璃珠快速檢測淘汰設(shè)備及檢測方法，以解決上述背景技術(shù)中提出的問題。

2、第一方面，為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于圖像識別的殘次玻璃珠快速檢測淘汰檢測方法，包括：

3、獲取檢測指令，檢測指令包括：玻璃珠外部檢測和玻璃珠內(nèi)部檢測；

4、獲取玻璃珠在被施加光源后得到的陰影數(shù)據(jù)；

5、建立中央處理端，中央處理端關(guān)聯(lián)陰影數(shù)據(jù)和檢測指令，并輸出判別圖像，中央處理端基于判別圖像淘汰殘次玻璃珠；

6、獲取實時判別圖像，基于檢測指令的特征，提取實時判別圖像內(nèi)陰影的分布位置，基于分布位置構(gòu)建峰值圖；

7、建立影響模型，影響模型基于檢測指令的特征生成在峰值圖內(nèi)用于缺陷定位的影響數(shù)據(jù)；

8、構(gòu)建矯正淘汰模型，矯正淘汰模型和中央處理端相關(guān)聯(lián)，矯正淘汰模型基于影響數(shù)據(jù)調(diào)整檢測指令的特征屬性，并向中央處理端輸送矯正陰影數(shù)據(jù)，中央處理端基于矯正陰影數(shù)據(jù)輸出矯正判別圖像，比對矯正判別圖像與實時判別圖像，并輸出判別數(shù)據(jù)，中央處理端基于判別數(shù)據(jù)整合判別圖像和矯正判別圖像，并輸出最終判別圖像；

9、所述影響模型包括：獲取檢測指令，分析并提取檢測指令的特征，基于檢測指令的特征建立缺陷識別標準和影響因子矩陣，關(guān)聯(lián)缺陷識別標準和影響因子矩陣，并輸出影響因子矩陣內(nèi)和檢測指令特征相關(guān)的影響因子，創(chuàng)建權(quán)重分配方法，對輸出的影響因子權(quán)重分配，并基于影響因子矩陣形成影響權(quán)重矩陣，關(guān)聯(lián)影響權(quán)重矩陣與峰值圖，輸出用于確定各影響因子在峰值圖內(nèi)位置的影響數(shù)據(jù)。

10、作為本技術(shù)方案進一步優(yōu)選的，缺陷識別標準的建立方法包括：基于檢測指令的特征獲取缺陷目標數(shù)據(jù)，預(yù)設(shè)判別閾值，判別閾值基于缺陷目標數(shù)據(jù)的特征屬性進行設(shè)定，對比缺陷目標數(shù)據(jù)與判別閾值，若缺陷目標數(shù)據(jù)超過判別閾值，則判定該特征屬性為缺陷屬性，并基于缺陷屬性建立缺陷識別標準。

11、作為本技術(shù)方案進一步優(yōu)選的，影響因子矩陣的構(gòu)建方法包括：獲取影響玻璃珠檢測結(jié)果的影響因子以及相對應(yīng)影響因子下玻璃珠的檢測數(shù)據(jù)，構(gòu)建用于匹配關(guān)聯(lián)檢測指令的特征和影響因子的關(guān)聯(lián)矩陣，將檢測數(shù)據(jù)輸入關(guān)聯(lián)矩陣中，形成影響因子矩陣；

12、關(guān)聯(lián)矩陣的構(gòu)建方法包括：對影響因子分類和編號，提取每個影響因子的屬性特征，基于屬性特征匹配相關(guān)聯(lián)檢測指令的特征并構(gòu)建映射關(guān)系，基于映射關(guān)系構(gòu)建關(guān)聯(lián)矩陣。

13、作為本技術(shù)方案進一步優(yōu)選的，權(quán)重分配方法包括：獲取影響因子，并整合成相同格式的影響數(shù)據(jù)，計算每個影響數(shù)據(jù)的信息熵，創(chuàng)建計算差異系數(shù)，根據(jù)差異系數(shù)計算每個指標的權(quán)重；

14、其中信息熵用于反映了影響數(shù)據(jù)攜帶的信息量大小，信息熵的計算公式為：，其中，hi是第i個影響數(shù)據(jù)的信息熵，n是數(shù)據(jù)點的數(shù)量，pij是第i個影響數(shù)據(jù)下第j個數(shù)據(jù)值所占的比例；

15、其中計算差異系數(shù)用于反映指標數(shù)據(jù)間的差異程度，計算差異系數(shù)的公式為：，其中di表示計算差異系數(shù)，“1”是一個常數(shù)，用于將信息熵hi轉(zhuǎn)化為差異系數(shù)di；

16、根據(jù)差異系數(shù)計算每個指標的權(quán)重的運算公式為：，其中wi是第i個指標的權(quán)重，m是指標的個數(shù)，k是影響因子的索引，dk表示第k個影響因子的差異系數(shù)。

17、作為本技術(shù)方案進一步優(yōu)選的，關(guān)聯(lián)影響權(quán)重矩陣與峰值圖的方法包括：基于檢測指令的特征確定關(guān)聯(lián)方法，將影響權(quán)重矩陣中的權(quán)重值映射到峰值圖的對應(yīng)區(qū)域，并基于權(quán)重值調(diào)整峰值圖內(nèi)各區(qū)域的亮度或顏色，用于突出顯示缺陷位置，分析調(diào)整后的峰值圖，獲取峰值圖內(nèi)各區(qū)域的亮度或顏色值，基于亮度或顏色值在影響權(quán)重矩陣內(nèi)查詢影響數(shù)據(jù)。

18、作為本技術(shù)方案進一步優(yōu)選的，矯正淘汰模型分為矯正子模型和淘汰子模型；

19、所述矯正子模型包括：基于影響數(shù)據(jù)確定需要調(diào)整的數(shù)據(jù)采集節(jié)點的特征屬性，如調(diào)整光源的亮度或改變數(shù)據(jù)采集節(jié)點的位置，對需要調(diào)整的數(shù)據(jù)采集節(jié)點進行特征屬性的調(diào)整，并重新收集玻璃珠在被施加光源后的陰影數(shù)據(jù)，即矯正陰影數(shù)據(jù)，將矯正陰影數(shù)據(jù)發(fā)送至中央處理端，中央處理端根據(jù)矯正陰影數(shù)據(jù)生成矯正判別圖像；

20、所述淘汰子模型包括：將矯正判別圖像與實時判別圖像進行比對，比對的內(nèi)容包括陰影的分布位置和形狀特征，基于比對結(jié)果，生成判別數(shù)據(jù)，判別數(shù)據(jù)用于判斷玻璃珠是否存在缺陷，中央處理端接收判別數(shù)據(jù)后，將實時判別圖像和矯正判別圖像進行整合，生成最終判別圖像。

21、作為本技術(shù)方案進一步優(yōu)選的，峰值圖的構(gòu)建方法包括：實時判別圖像獲取，提取判別圖像內(nèi)陰影分布位置，信息化處理陰影分布位置，并輸出分布數(shù)據(jù)，讀取分布數(shù)據(jù)并基于圖表工具構(gòu)建峰值圖。

22、作為本技術(shù)方案進一步優(yōu)選的，陰影數(shù)據(jù)的獲取方法為：構(gòu)建若干個光源節(jié)點，光源節(jié)點用于在玻璃珠外部施加光源，建立若干個數(shù)據(jù)采集節(jié)點，數(shù)據(jù)采集節(jié)點用于收集玻璃珠在被施加光源后得到的陰影數(shù)據(jù)。

23、第二方面，為補充上述技術(shù)方案，本發(fā)明還提供如下技術(shù)方案：一種基于圖像識別的殘次玻璃珠快速檢測淘汰設(shè)備，該設(shè)備使用了上述一種基于圖像識別的殘次玻璃珠快速檢測淘汰方法，并包括：

24、光源施加模塊、數(shù)據(jù)采集模塊、中央處理模塊和顯示模塊；

25、所述光源施加模塊用于構(gòu)建若干個光源節(jié)點，并對玻璃珠施加光源；

26、所述數(shù)據(jù)采集模塊用于構(gòu)建若干個數(shù)據(jù)采集節(jié)點，并收集玻璃珠在被施加光源后得到的陰影數(shù)據(jù)；

27、所述中央處理模塊用于陰影數(shù)據(jù)輸出矯正判別圖像，比對矯正判別圖像與實時判別圖像，并輸出判別數(shù)據(jù)，基于判別數(shù)據(jù)整合判別圖像和矯正判別圖像，并輸出最終判別圖像；

28、所述顯示模塊用于顯示最終判別圖像；

29、其中光源施加模塊包括若干個光源節(jié)點，光源節(jié)點包括光源和光源支架，光源支架用于支撐光源，光源支架上設(shè)置有角度調(diào)節(jié)器，角度調(diào)節(jié)器用于調(diào)節(jié)光源與玻璃珠之間的角度，光源節(jié)點還包括亮度調(diào)節(jié)器，亮度調(diào)節(jié)器用于調(diào)節(jié)光源的亮度；

30、所述數(shù)據(jù)采集模塊包括若干個數(shù)據(jù)采集節(jié)點，數(shù)據(jù)采集節(jié)點包括圖像采集器和數(shù)據(jù)采集器，圖像采集器用于采集玻璃珠在被施加光源后的陰影圖像，數(shù)據(jù)采集器用于將陰影圖像轉(zhuǎn)化為陰影數(shù)據(jù)；

31、所述中央處理模塊包括處理器和存儲器，處理器用于執(zhí)行圖像處理算法和判別算法，存儲器用于存儲陰影數(shù)據(jù)和判別數(shù)據(jù)；

32、所述顯示模塊包括顯示器，顯示器用于接收中央處理模塊輸出的最終判別圖像并顯示。

33、作為本技術(shù)方案進一步優(yōu)選的，所述中央處理模塊外連接有淘汰模塊，淘汰模塊用于接收中央處理模塊輸出的判別數(shù)據(jù)，并根據(jù)判別數(shù)據(jù)對玻璃珠淘汰處理；

34、所述淘汰模塊包括淘汰執(zhí)行器和淘汰判定器，淘汰判定器用于接收判別數(shù)據(jù)，并根據(jù)判別數(shù)據(jù)判斷玻璃珠是否需要淘汰，淘汰執(zhí)行器用于根據(jù)淘汰判定器的判斷結(jié)果對玻璃珠淘汰處理；

35、其中淘汰執(zhí)行器為機械手臂或氣動裝置中的任意一種，機械手臂或氣動裝置根據(jù)淘汰判定器的指令，對需要淘汰的玻璃珠進行抓取或推出操作。

36、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

37、該基于圖像識別的殘次玻璃珠快速檢測淘汰檢測方法，通過接收陰影數(shù)據(jù)，并執(zhí)行圖像處理算法和判別算法，通過對陰影數(shù)據(jù)的處理，能夠生成矯正判別圖像，消除陰影對識別結(jié)果的影響，然后通過中央處理模塊將實時判別圖像和矯正判別圖像進行整合，生成最終判別圖像，為后續(xù)的淘汰處理提供了準確的判斷依據(jù)。

38、此外，本發(fā)明的影響模型在使用時，能夠根據(jù)實際情況調(diào)整影響因子和權(quán)重，使模型更加符合實際應(yīng)用場景，提高了模型的靈活性和適用性，通過差異系數(shù)計算，能夠反映指標數(shù)據(jù)間的差異程度，有助于更準確地評估各個指標對結(jié)果的影響程度，同時，將影響權(quán)重矩陣與峰值圖進行關(guān)聯(lián)，能夠直觀地展示各指標對結(jié)果的影響程度，為決策提供有力的支持。

39、其次本技術(shù)通過構(gòu)建矯正淘汰模型，對玻璃珠進行矯正和淘汰處理，能夠有效地消除陰影對識別結(jié)果的影響，提高了檢測淘汰的準確性和效率，此外，通過構(gòu)建峰值圖并基于影響權(quán)重矩陣進行關(guān)聯(lián)，能夠直觀地展示各指標對結(jié)果的影響程度，幫助用戶更好地理解和評估檢測淘汰的效果；

40、還需補充的是，該基于圖像識別的殘次玻璃珠快速檢測淘汰設(shè)備，通過光源施加模塊、數(shù)據(jù)采集模塊、中央處理模塊和顯示模塊的配合，實現(xiàn)了對玻璃珠的快速檢測與淘汰，其中光源施加模塊通過調(diào)整光源的角度和亮度，能夠確保陰影數(shù)據(jù)的質(zhì)量和穩(wěn)定性，數(shù)據(jù)采集模塊通過圖像采集器和數(shù)據(jù)采集器的配合，將陰影圖像轉(zhuǎn)化為陰影數(shù)據(jù)，為后續(xù)的處理提供了便利，中央處理模塊通過執(zhí)行圖像處理算法和判別算法，能夠生成矯正判別圖像，并整合判別圖像和矯正判別圖像，生成最終判別圖像，顯示模塊能夠直觀地展示最終判別圖像，方便用戶進行觀察和判斷。