摘要
本发明涉及零部件检测技术领域,公开了一种基于机器视觉的零部件缺陷自动检测方法。该方法先获取目标零部件的三维几何参数,据此在视觉样本库中匹配历史缺陷样本集合;对该集合进行缺陷类型聚类划分,得到多个缺陷类别子集合;逐个处理这些子集合以执行多光谱特征提取,获得每个缺陷类别对应的基准检测区域和缺陷扩散范围参数;利用缺陷扩散范围参数配置多级检测网络层的扫描步长,生成多个尺度缺陷特征图;最后对这些特征图执行跨层级关联融合,生成融合缺陷特征图谱并作为最终检测结果输出。该方法结合三维几何特征与历史数据,通过多光谱提取、自适应扫描及特征融合,提升了零部件缺陷检测的全面性与精准性。
技术关键词
缺陷自动检测方法
缺陷类别
基准
视觉
坐标
多光谱
零部件缺陷检测
参数
图谱
零部件检测技术
光学采集设备
生成特征
层级
区域生长算法
分层特征
样本
上采样
矩阵
列表
序列
系统为您推荐了相关专利信息
大直径压力钢管
超声数据
点云
缺陷识别方法
曲线
隧道形变检测方法
稠密点云
地图模型
关键帧
检测网络模型
伪造图像检测方法
轻量级深度学习
特征提取器
注意力
图像检测模型
车辆功能控制方法
车辆控制装置
坐标系
金字塔
惯导设备