摘要
本发明公开了一种基于机器视觉的零部件表面质量检测方法及其系统,其方法步骤包括:S1、获取待检测零部件的图像;S2、对待检测零部件的图像进行预处理,同时使用边缘检测算法提取轮廓特征,利用灰度共生矩阵提取表面纹理特征,并转换为特征向量输入到聚类算法;S3、将提取的特征与预定义的模型进行比较,识别是否存在表面缺陷,通过深度学习算法来训练并识别不同类型的缺陷模式;S4、根据特征与模型的对比结果,将自动标记出缺陷区域;本发明通过先进的图像预处理技术,同时使用边缘检测算法和灰度共生矩阵提取特征,全面捕捉零部件的表面特性,提高特征向量构建的准确性;通过深度学习模型快速准确地识别出微小缺陷,提高识别准确率和效率。
技术关键词
零部件表面质量检测
灰度共生矩阵
表面纹理特征
累积分布函数
边缘检测算法
自动标记
轮廓特征
像素
图像获取设备
对比度
深度学习算法
直方图均衡化方法
深度学习模型
图像预处理技术
数据获取模块
轮廓形状
聚类算法
系统为您推荐了相关专利信息
区域分割方法
二值化图像
超声图像处理技术
边缘检测算法
像素
损伤定位方法
皮带
线阵相机
相邻两帧图像
边缘检测算法
厚度检测方法
像素点
厚度误差
检测误差
边缘检测算法
光纤耦合台
对准设备
光学器件
光斑
位置检测系统
扭曲度测量方法
耐火砖
主成分分析方法
度评估方法
待测表面