(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210637709.7 (22)申请日 2022.06.08 (71)申请人 深圳市智宇精密五金塑胶有限公司 地址 518000 广东省深圳市宝安区松岗街 道潭头社区潭头西部工业园B12栋 101、 201、 3 01 (72)发明人 赵建湘　邱良军　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) (54)发明名称 一种五金零件缺陷检测方法及系统 (57)摘要 本发明提出了一种五金零件缺陷检测方法 及系统， 所述检测方法包括采集五金零件标准图 片及对应有缺陷的五金零件的缺陷样本图片图 像， 并对所述图像进行像素变化处理与灰度化处 理； 构建五金零件三维模型， 提取所述五金零件 三维模型的特征点， 得到五金零件的缺陷检测模 型； 获取五金零件被检测图片的图像信息并导入 所述缺陷检测模 型； 利用区域形状定位方法确定 缺陷位置及类别。 所述系统包括所述步骤对应的 模块。 权利要求书5页 说明书18页 附图2页 CN 114708268 A 2022.07.05 CN 114708268 A 1.一种五金零件缺陷检测方法， 其特 征在于， 所述五金零件缺陷检测方法包括： 采集五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片， 利用像素变化处理 和灰度化处理获取所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的图 像； 构建五金零件三维模型， 提取所述五金零件三维模型的特征点， 得到五金零件的缺陷 检测模型； 获取五金零件被 检测图片的图像信息并导入所述 缺陷检测模型； 利用所述缺陷检测模型对所述五金零件被检测图片的图像信 息进行检测 识别， 获取所 述五金零件被 检测图片对应的缺陷类别和缺陷区域； 识别所述缺陷区域的区域边缘线， 并利用所述区域边缘线获取所述区域的区域形状， 利用所述区域形状对所述 五金零件被检测图片的缺陷区域进 行定位， 获得所述五金零件被 检测图片的缺陷类型和位置， 并通过智能终端显示。 2.根据权利要求1所述五金零件缺陷检测方法， 其特征在于， 所述采集五金零件标准图 片及对应有缺陷的五金零件的缺陷样本图片， 利用像素变化处理和灰度化处理获取所述 五 金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的图像包括： 通过工业相机采集完好的五金零件的标准图片及对应的有缺陷的五金零件的缺陷样 本图片， 对所述缺陷样本图片进行标号和定义缺陷类型； 并对采集的所述五金零件的标准 图片及对应的有缺陷的五金零件的缺陷样本图片进行图像去噪处理和降低像素 处理； 获得 所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像； 其中， 所 述五金零件标准图片及 对应有缺陷的五金零件的缺陷样本图片的低像素图像， 像素达到16 ×16； 对所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像进 行灰度化处理， 获得所述 五金零件标准图片及 对应有缺陷的五金零件的缺陷样本图片的灰 度化图像； 对所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的灰度化图像提 高像素， 获取所述五金零件标准图片及 对应有缺陷的五金零件的缺陷样本图片的高像素图 像； 其中所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的高像素图像， 像素达到800×600； 其中， 获得所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的灰度化 图像包括： 获得输入的所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像 素图像； 基于海鸥算法计算图像的灰度化加权系 数； 利用图像灰度化加权系 数对所述五金 零件标准图片及对应有缺陷的五金零件的缺陷样本图片的低像素图像进行 灰度化处 理； 基于海鸥算法计算图像的灰度化加权系数包括： 在 设定参数范围内， 初始化海鸥位置； 迭代海鸥目标位置； 根据海鸥目标位置， 确定图像灰度化加权系数； 其中， 所述设定参数包 括： 海鸥的巡优边界、 海鸥的通道数量、 海鸥种群的大小和最大迭代次数。 3.根据权利要求1所述五金零件缺陷检测方法， 其特征在于， 所述构建五金零件三维模 型， 提取所述 五金零件三 维模型的特征点， 得到五金零件的缺陷检测模型； 获取五金零件被 检测图片的图像信息并导入所述 缺陷检测模型包括： 通过获取的所述五金零件标准图片及对应有缺陷的五金零件的缺陷样本图片的高像权　利　要　求　书 1/5 页 2 CN 114708268 A 2素图像信息， 利用特征建模方式建立 五金零件三 维模型； 通过多个五金零件缺陷图片， 获取 缺陷三维模型库， 确定每个所述缺陷图片对应的缺陷信息， 从而生成训练数据集及验证数 据集； 运用所述训练数据集对所述缺陷检测模型进行初始化处理， 将生成对比网络的权重 参数固定， 分别进行判别处理和生成处理， 然后使所述生成对比网络的损失函数值在预设 阈值范围内， 得到训练后的缺陷检测模型； 将所述五金零件的三维模型输入至所述缺陷检测模型中， 利用所述缺陷检测模型对所 述三维模型进行缺陷检测识别， 获得与所述三维模型对应的缺陷检测结果， 将所述缺陷检 测结果与所述验证数据集中的对应缺陷数据进行比较， 获得所述缺陷检测结果与所述验证 数据集中的对应缺陷数据之间的误差值； 当获取的误差值在预先设置好的误差范围内时， 则证明缺陷检测精度符合标准， 然后 输出缺陷检测模型； 对所述缺陷检测模型进行初始化处理， 获取五金零件被检测图片的图像信息， 并将所 述五金零件被 检测图片的图像信息导入缺陷检测模型。 4.根据权利要求1所述五金零件缺陷检测方法， 其特征在于， 利用所述缺陷检测模型对 所述五金零件被检测图片的图像信息进行检测识别， 获取所述五金零件被检测图片对应的 缺陷类别和缺陷区域包括： 获取所述五金零件的缺陷样本图片的图像信 息， 利用所述缺陷检测模型对所述五金零 件的缺陷样本图片的图像信息进 行检测识别， 识别出所述五金零件的缺陷样本图片对应的 缺陷类别； 根据所述缺陷类别进行缺陷分类， 获得与 所述五金零件的缺陷样本图片对应的缺陷分 类结果； 利用所述缺陷分类结果对所述五金零件的缺陷样本图片进行区域提取， 获得所述缺陷 样本图片中的缺陷区域。 5.根据权利要求1所述五金零件缺陷检测方法， 其特征在于， 识别所述缺陷区域的区域 边缘线， 并利用所述区域边缘线获取所述区域的区域形状， 利用所述区域形状对所述五金 零件被检测图片的缺陷区域进行定位， 获得所述五金零件被检测图片的缺陷类型和 位置， 并通过智能终端显示包括： 对输入的所述五金零件被 检测图片进行定位， 得到所述五金零件被 检测图片信息； 通过缺陷识别模型识别所述五金零件被检测图片信 息的缺陷区域， 采用区域边缘线进 行分选， 得到所述区域的区域形状； 利用所述 区域形状对所述五金零件被检测图片的缺陷区域进行定位， 获得所述五金零 件被检测图片的缺陷区域的位置信息和类别， 并在智能终端显示所述五金零件被检测图片 的缺陷类型及对应位置； 其中， 所述 缺陷类型及对应位置 定位包括以下步骤： S1、 建立五金零件被检测图片模板， 对五金零件被检测图片模板进行一系列旋转， 缩 放， 金字塔下采样， 生成一系列五金零件被检测图片的模板图像； 对五金零件被检测图片的 模板图像进行边 缘提取； S2、 生成五金零件被检测图片的模板图像金字塔， 从金字塔顶层开始， 计算图像的边缘 方向梯度， 通过NC C算法计算模板响应；权　利　要　求　书 2/5 页 3 CN 114708268 A 3