CN119086591B 一種基于機器視覺的橡膠整模外觀缺陷檢測方法及系統 （惠州杜一特精密制品有限公司）

甘陂大龍坑萬里實業有限公司廠房B棟一種基于機器視覺的橡膠整模外觀缺陷檢及基于機器視覺的橡膠整模外觀缺陷檢測方法外徑調整數據；根據橡膠整模內置O型圈內外徑2步驟S2：對標準橡膠整模第一整體外觀圖像進行檢測跡定位相機根據橡膠整模產品規格數據對標準橡膠整模第一整體外觀圖像進行軌跡定位，步驟S3：基于橡膠整模產品規格數據對缺陷相機進行鏡定位標記數據和正常產品定位標記數據對標準橡膠整模第一整體外觀圖像進行顏色映射，步驟S4：根據橡膠整模第一整體外觀缺陷檢測圖像對橡膠整模進行第二面整體拍攝，步驟S12：基于橡膠整模參數數據對橡膠整模進行O型圈步驟S13：根據橡膠整模內置O型圈內外徑調整數據對橡膠整模進行第一面整體拍攝，數據小于預設的檢測區域數量范圍時，則將對應的橡膠整模標記為小規模橡膠整模產品；3步驟S25：基于軌跡定位相機根據橡膠整模產品規格數據對標準橡膠整模第一整體外步驟S251：基于橡膠整模產品規格數據對軌跡定位相步驟S252：通過軌跡定位相機像素調整數據對標準步驟S253：對重疊檢測目標定位數據進行多維度特步驟S254：根據重疊目標置信度對重疊檢測目步驟S255：對橡膠整模產品定位數據集進行軌跡生步驟S2552：對橡膠整模產品中心點坐標數據和橡膠整模檢測區域數據進行檢測區域步驟S34：通過缺陷產品定位標記數據和正常產品定位標記數據對標準橡膠整模第一4步驟S321：對橡膠整模外觀缺陷檢測圖像進行查找步驟S322：通過橡膠產品精定位數據對橡膠整模外觀缺步驟S323：通過橡膠整模缺陷特征提取數據對橡膠整步驟S324：根據橡膠整模產品外觀顯性缺陷區域圖像對步驟S325：將橡膠整模產品外觀隱性缺陷特征數據橡膠整模產品外觀隱性缺陷區域圖像進行深度AI視覺對橡膠整模產品外觀隱性缺陷區域圖像進行區域聚焦分析，通過深度學習分類算法對模型訓練集進行模型訓練，生成隱性缺陷分類預模通過隱性缺陷分類數據對橡膠整模產品外觀隱性缺陷區域圖像進行多模態缺陷驗證，5步驟S43：將橡膠整模第一整體外觀缺陷檢測圖像和橡膠整模第二整體外觀缺陷檢測圖像上傳至中央處理系統中進行外觀缺陷數據存儲，從而生成橡膠整模外觀缺陷檢測報求1所述的基于機器視覺的橡膠整模外觀缺陷檢測方法，該基于機器視覺的橡膠整模外觀整體外觀拍攝模塊，用于獲取橡膠整模參數數據；基于橡膠整產品軌跡定位模塊，用于對標準橡膠整模第一整體外觀圖像進行檢產品缺陷檢測模塊，用于基于橡膠整模產品規格數據對缺陷相機進行鏡頭焦距調整，體外觀缺陷檢測圖像進行色彩標記，生成缺陷產品定位標記數據和正常產品定位標記數產品缺陷報告模塊，用于根據橡膠整模第一整體外觀缺6產品定位標記數據和正常產品定位標記數據對標準橡膠整模第一整體外觀圖像進行顏色78[0021]步驟S25：基于軌跡定位相機根據橡膠整模產品規格數據對標準橡膠整模第一整[0022]本發明通過對圖像進行檢測區域的劃分，能夠系統化地對橡膠整模進行局部檢[0027]步驟S254：根據重疊目標置信度對重疊檢測目標定位數據進行重疊目標定位過9[0032]步驟S2552：對橡膠整模產品中心點坐標數據和橡膠整模檢測區域數據進行檢測飛拍軌跡有助于制定優化的拍攝路徑，從而確保在檢測過程中每個關鍵區域都被有效覆[0039]步驟S34：通過缺陷產品定位標記數據和正常產品定位標記數據對標準橡膠整模[0050]通過深度學習分類算法對模型訓練集進行模型訓練，生成隱[0051]通過隱性缺陷分類數據對橡膠整模產品外觀隱性缺陷區域圖像進行多模態缺陷度學習分類算法生成隱性缺陷分類模型，使得模型能夠識別和分類不同類型的隱性缺陷。[0054]步驟S41：根據橡膠整模第一整體外觀缺陷檢測圖像對橡膠整模進行第二面整體整體外觀圖像；基于橡膠整模第二整體外觀圖像返回至步驟S21開始進行第二面外觀缺陷[0056]步驟S43：將橡膠整模第一整體外觀缺陷檢測圖像和橡膠整模第二整體外觀缺陷外觀缺陷的全面檢測。這種多角度的拍攝方法有助于發現第一面無法檢測到的隱蔽缺陷，[0060]產品軌跡定位模塊，用于對標準橡膠整模第一整體外觀[0063]本發明的有益效果在于通過確保O型圈的內外徑設置符合設計要求，從而生成高術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范產品定位標記數據和正常產品定位標記數據對標準橡膠整模第一整體外觀圖像進行顏色[0082]本發明實施例中，通過確保已經獲取并預處理了標準橡膠整模第一整體外觀圖產品定位標記數據和正常產品定位標記數據對標準橡膠整模第一整體外觀圖像進行顏色[0098]步驟S25：基于軌跡定位相機根據橡膠整模產品規格數據對標準橡膠整模第一整[0099]本發明實施例中，通過將步驟S14中生成的標準橡膠整模第一整體外觀圖像導入S24生成的橡膠整模產品規格數據，對標準橡膠整模第一整體外觀圖像進行詳細的軌跡定[0104]步驟S254：根據重疊目標置信度對重疊檢測目標定位數據進行重疊目標定位過[0106]本發明實施例中，通過將步驟S24中生成的橡膠整模產品規格數據導入軌跡定位[0109]步驟S2552：對橡膠整模產品中心點坐標數據和橡膠整模檢測區域數據進行檢測[0116]步驟S34：通過缺陷產品定位標記數據和正常產品定位標記數據對標準橡膠整模[0127]通過深度學習分類算法對模型訓練集進行模型訓練，生成隱[0128]通過隱性缺陷分類數據對橡膠整模產品外觀隱性缺陷區域圖像進行多模態缺陷[0129]本發明實施例中，通過使用高分辨率相機拍攝橡膠整模產品的外觀隱性缺陷區[0131]步驟S41：根據橡膠整模第一整體外觀缺陷檢測圖像對橡膠整模進行第二面整體整體外觀圖像；基于橡膠整模第二整體外觀圖像返回至步驟S21開始進行第二面外觀缺陷[0133]步驟S43：將橡膠整模第一整體外觀缺陷檢測圖像和橡膠整模第二整體外觀缺陷成標準橡膠整模第二整體外觀圖像；基于橡膠整模第二整體外觀圖像返回至步驟S21開始一整體外觀缺陷檢測圖像和橡膠整模第二整體外觀缺陷檢測圖像轉換為標準格式（如[0137]產品軌跡定位模塊，用于對標準橡膠整模第一整體外觀[0140]本發明的有益效