国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種檢測與識別金屬網(wǎng)柵缺陷的方法

      文檔序號:6542719閱讀:267來源:國知局
      一種檢測與識別金屬網(wǎng)柵缺陷的方法
      【專利摘要】一種檢測與識別金屬網(wǎng)柵缺陷的方法屬于模式識別【技術(shù)領(lǐng)域】;該方法首先得到金屬網(wǎng)柵設(shè)計信息,再基于先驗(yàn)信息進(jìn)行缺陷模擬,得到多組缺陷圖樣,然后提取缺陷圖樣的圖像特征,建立缺陷特征庫,訓(xùn)練支持向量機(jī),得到金屬網(wǎng)柵的缺陷分類器;對待檢測金屬網(wǎng)柵圖像進(jìn)行預(yù)處理和特征提取,并利用得到的缺陷分類器對金屬網(wǎng)柵進(jìn)行分類;本發(fā)明檢測與識別金屬網(wǎng)柵缺陷的方法,可以實(shí)時、自動檢測金屬網(wǎng)柵的缺陷。
      【專利說明】—種檢測與識別金屬網(wǎng)柵缺陷的方法
      【技術(shù)領(lǐng)域】
      [0001]一種檢測與識別金屬網(wǎng)柵缺陷的方法屬于模式識別【技術(shù)領(lǐng)域】,具體涉及一種基于機(jī)器視覺的金屬網(wǎng)柵缺陷檢測與識別算法。
      【背景技術(shù)】
      [0002]隨著電磁環(huán)境的日益復(fù)雜及光學(xué)技術(shù)的不斷發(fā)展,金屬網(wǎng)柵被更廣泛地用于特殊光學(xué)系統(tǒng)的制備,如天線的反射器、光學(xué)耦合器、準(zhǔn)光學(xué)系統(tǒng)分束器、電磁屏蔽器等。然而,受限于加工水平,得到的金屬網(wǎng)柵往往與預(yù)期有一定誤差,造成整個光學(xué)系統(tǒng)的性能下降。為了準(zhǔn)確獲知實(shí)際加工得到的金屬網(wǎng)柵與預(yù)期的差距,需要對金屬網(wǎng)柵樣品進(jìn)行嚴(yán)格檢測。
      [0003]目前金屬網(wǎng)柵的檢測主要依賴人工鏡下觀察,費(fèi)時費(fèi)力且對實(shí)驗(yàn)人員的經(jīng)驗(yàn)和精力有較高依賴,水平不同的檢測人員可能給出不同的結(jié)論。肉眼也難以發(fā)現(xiàn)金屬網(wǎng)柵的細(xì)微變化,無法精確評估成品與設(shè)計值的差異。隨著金屬網(wǎng)柵的大批量生產(chǎn),對其微結(jié)構(gòu)的缺陷進(jìn)行人工檢測的方法已經(jīng)不再適用。
      [0004]為保證金屬網(wǎng)柵的成品質(zhì)量,需要對其進(jìn)行缺陷的自動檢測、辨識與表征。由于缺陷的隨機(jī)性、多樣性以及不規(guī)則性使得它無法像功能特征參數(shù)一樣來精確計算。因此,金屬網(wǎng)柵的產(chǎn)品檢測需要一個自動化、高效、準(zhǔn)確快速的樣品缺陷檢測系統(tǒng),它可以快速進(jìn)行樣品缺陷檢測、表征和分類,對樣品質(zhì)量進(jìn)行評估,以滿足隨著精密光電儀器探測水平的不斷提高而對金屬網(wǎng)柵的精密加工提出的更高要求。然而,遺憾的是,還沒有查閱到相關(guān)的金屬網(wǎng)柵檢測方法。

      【發(fā)明內(nèi)容】

      [0005]為了解決上述問題,本發(fā)明設(shè)計了一種檢測與識別金屬網(wǎng)柵缺陷的方法,該方法可以實(shí)時、自動檢測金屬網(wǎng)柵的缺陷。
      [0006]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
      [0007]—種檢測與識別金屬網(wǎng)柵缺陷的方法,由以下步驟組成:
      [0008]步驟a、解析⑶S II文件,分析⑶S II文件中的金屬網(wǎng)柵結(jié)構(gòu),得到金屬網(wǎng)柵設(shè)計
      信息;
      [0009]步驟b、根據(jù)步驟a得到的金屬網(wǎng)柵設(shè)計信息,基于先驗(yàn)信息進(jìn)行缺陷模擬,得到多組缺陷圖樣;
      [0010]步驟C、提取步驟b得到的缺陷圖樣的圖像特征,建立缺陷特征庫;
      [0011]步驟d、用步驟c得到的缺陷特征庫訓(xùn)練支持向量機(jī),得到金屬網(wǎng)柵的缺陷分類器;
      [0012]步驟e、對待檢測金屬網(wǎng)柵圖像進(jìn)行預(yù)處理和特征提??;
      [0013]步驟f、用步驟d得到的缺陷分類器對金屬網(wǎng)柵進(jìn)行分類。
      [0014]上述檢測與識別金屬網(wǎng)柵缺陷的方法,步驟b所述的缺陷模擬,包括斷線模擬、區(qū)域密閉模擬和劃痕模擬。
      [0015]所述的斷線模擬,斷線的步間隔角度為5°,長度從網(wǎng)柵單元周長的5%遞增直至
      100% O
      [0016]所述的區(qū)域密閉模擬,區(qū)域密閉的位置隨機(jī),面積以網(wǎng)柵單元面積的5%遞增直至
      100% O
      [0017]所述的劃痕模擬,劃痕的寬度以網(wǎng)柵線寬0.5倍遞增直至達(dá)到網(wǎng)柵單元外接圓半徑;長度由網(wǎng)柵單元周長的20%,逐像素貫穿至整個網(wǎng)柵區(qū)域,角度為-180°至180°,起始點(diǎn)隨機(jī)。
      [0018]上述檢測與識別金屬網(wǎng)柵缺陷的方法,步驟c所述的缺陷圖樣的圖像特征,包括網(wǎng)柵面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移。
      [0019]上述檢測與識別金屬網(wǎng)柵缺陷的方法,步驟d所述的訓(xùn)練支持向量機(jī),是對金屬網(wǎng)柵特征樣本歸一化,用PCA降維,并用3:1的訓(xùn)練樣本測試樣本,使用遺傳算法進(jìn)行參數(shù)尋優(yōu)。
      [0020]上述檢測與識別金屬網(wǎng)柵缺陷的方法,步驟e所述的預(yù)處理,包括以下兩項(xiàng)工作:
      [0021]第一、根據(jù)圖像的灰度特征和CCD特性,使噪點(diǎn)最低,類間方差最大,去除孤立噪點(diǎn)和不完整的圓;
      [0022]第二、通過形態(tài)學(xué)分析,將圖像分為若干鄰域,通過分析鄰域特征,將圖像分為背景和單獨(dú)的金屬網(wǎng)柵兩部分。
      [0023]上述檢測與識別金屬網(wǎng)柵缺陷的方法,步驟e所述的特征提取方法,以網(wǎng)柵面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移等作為待提取的特征。
      [0024]有益效果:本發(fā)明檢測與識別金屬網(wǎng)柵缺陷的方法,首先得到金屬網(wǎng)柵設(shè)計信息,再基于先驗(yàn)信息進(jìn)行缺陷模擬,得到多組缺陷圖樣,然后提取缺陷圖樣的圖像特征,建立缺陷特征庫,訓(xùn)練支持向量機(jī),得到金屬網(wǎng)柵的缺陷分類器;對待檢測金屬網(wǎng)柵圖像進(jìn)行預(yù)處理和特征提取,并利用得到的缺陷分類器對金屬網(wǎng)柵進(jìn)行分類;這種方案設(shè)計,使得本發(fā)明檢測與識別金屬網(wǎng)柵缺陷的方法可以實(shí)時、自動檢測金屬網(wǎng)柵的缺陷。
      【專利附圖】

      【附圖說明】
      [0025]圖1是本發(fā)明檢測與識別金屬網(wǎng)柵缺陷的方法流程圖。
      [0026]圖2是具體實(shí)施例中圖像庫示意圖。
      [0027]圖3是提取橢圓特征示意圖。
      【具體實(shí)施方式】
      [0028]下面結(jié)合附圖對本發(fā)明【具體實(shí)施方式】作進(jìn)一步詳細(xì)描述。
      [0029]本實(shí)施例的檢測與識別金屬網(wǎng)柵缺陷的方法,流程圖如圖1所示。該方法由以下步驟組成:
      [0030]步驟a、解析⑶S II文件,分析⑶S II文件中的金屬網(wǎng)柵結(jié)構(gòu),得到金屬網(wǎng)柵設(shè)計
      信息;
      [0031]金屬網(wǎng)柵的設(shè)計文件通常為⑶S II格式,該文件為二進(jìn)制流式文件,由不同的小結(jié)構(gòu)單元嵌套組成,解析該文件可以獲得金屬網(wǎng)柵的尺寸、形態(tài)、單元層次等信息,作為模擬網(wǎng)柵缺陷的基準(zhǔn);
      [0032]解析⑶S II文件,生成網(wǎng)柵基本單元及其相鄰單元的二值化圖像,加入不同程度的高斯噪聲并保存為圖像庫,如圖2所示;
      [0033]步驟b、根據(jù)步驟a得到的金屬網(wǎng)柵設(shè)計信息,基于先驗(yàn)信息進(jìn)行缺陷模擬,得到多組缺陷圖樣;
      [0034]其中,缺陷模擬,包括斷線模擬、區(qū)域密閉模擬和劃痕模擬;
      [0035]所述的斷線模擬,斷線的步間隔角度為5°,長度從網(wǎng)柵單元周長的5%遞增直至100% ;
      [0036]所述的區(qū)域密閉模擬,區(qū)域密閉的位置隨機(jī),面積以網(wǎng)柵單元面積的5%遞增直至100% ;
      [0037]所述的劃痕模擬,劃痕的寬度以網(wǎng)柵線寬0.5倍遞增直至達(dá)到網(wǎng)柵單元外接圓半徑;長度由網(wǎng)柵單元周長的20%,逐像素貫穿至整個網(wǎng)柵區(qū)域,角度為-180°至180°,起始點(diǎn)隨機(jī);
      [0038]受諸多條件限制,網(wǎng)柵制作中會出現(xiàn)過曝、殘膠和刮擦等問題,對應(yīng)著成品金屬網(wǎng)柵的缺陷有斷線、區(qū)域密閉和劃痕。通過對大量網(wǎng)柵成品的分析,可以定量的模擬不同的缺陷;
      [0039]步驟C、提取步驟b得到的缺陷圖樣的圖像特征,建立缺陷特征庫;其中,缺陷圖樣的圖像特征,包括網(wǎng)柵面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移;
      [0040]考慮到處理的實(shí)時性,選擇面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移等作為特征,提取這些特征,形成特征庫用來訓(xùn)練支持向量機(jī);
      [0041]這里以橢圓為例,其中擬合橢圓為圍繞某個區(qū)域的最小外接橢圓,該橢圓長軸與X軸夾角為區(qū)域方向角,如圖3所示,鄰域重心偏移為某網(wǎng)柵單元鄰域重心與標(biāo)準(zhǔn)相比的位移量;提取圖像庫a、b、c中的特征生成特征庫A、B、C ;
      [0042]步驟d、用步驟c得到的缺陷特征庫訓(xùn)練支持向量機(jī),得到金屬網(wǎng)柵的缺陷分類器;其中,訓(xùn)練支持向量機(jī),是對金屬網(wǎng)柵特征樣本歸一化,用PCA降維,并用3:1的訓(xùn)練樣本測試樣本,使用遺傳算法進(jìn)行參數(shù)尋優(yōu);
      [0043]經(jīng)過提取的特征庫里包含了正常的樣本和錯誤的樣本,正確的樣本標(biāo)記為O ;錯誤分為三類,分別標(biāo)記為1,2,3,訓(xùn)練樣本與測試樣本(一幀畫面)的比例約為3:1時,結(jié)果較好;
      [0044]為了加快訓(xùn)練速度,先用PCA進(jìn)行降維,對于結(jié)構(gòu)簡單的網(wǎng)柵,如矩形陣列,維數(shù)??山档鸵槐叮瑓?shù)尋優(yōu)使用遺傳算法,當(dāng)達(dá)到指定的進(jìn)化代數(shù)或識別精度時,訓(xùn)練完成;
      [0045]本實(shí)施例所采用的參數(shù)為:將歸一化范圍設(shè)定為[-1,1],以消除尺度和角度的影響;
      [0046]對數(shù)據(jù)進(jìn)行主成分分析,以便降低訓(xùn)練維度,降維方法選擇主成分分析(PCA),主成分百分比為95% ;
      [0047]以3:1訓(xùn)練樣本測試樣本訓(xùn)練支持向量機(jī),使用遺傳算法進(jìn)行參數(shù)尋優(yōu)。SVM分類目標(biāo)函數(shù)為:
      【權(quán)利要求】
      1.一種檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,由以下步驟組成: 步驟a、解析GDS II文件,分析GDS II文件中的金屬網(wǎng)柵結(jié)構(gòu),得到金屬網(wǎng)柵設(shè)計信息; 步驟b、根據(jù)步驟a得到的金屬網(wǎng)柵設(shè)計信息,基于先驗(yàn)信息進(jìn)行缺陷模擬,得到多組缺陷圖樣; 步驟C、提取步驟b得到的缺陷圖樣的圖像特征,建立缺陷特征庫; 步驟d、用步驟c得到的缺陷特征庫訓(xùn)練支持向量機(jī),得到金屬網(wǎng)柵的缺陷分類器; 步驟e、對待檢測金屬網(wǎng)柵圖像進(jìn)行預(yù)處理和特征提取; 步驟f、用步驟d得到的缺陷分類器對金屬網(wǎng)柵進(jìn)行分類。
      2.根據(jù)權(quán)利要求1所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,步驟b所述的缺陷模擬,包括斷線模擬、區(qū)域密閉模擬和劃痕模擬。
      3.根據(jù)權(quán)利要求2所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,所述的斷線模擬,斷線的步間隔角度為5°,長度從網(wǎng)柵單元周長的5%遞增直至100%。
      4.根據(jù)權(quán)利要求2所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,所述的區(qū)域密閉模擬,區(qū)域密閉的位置隨機(jī),面積以網(wǎng)柵單元面積的5%遞增直至100%。
      5.根據(jù)權(quán)利要求2所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,所述的劃痕模擬,劃痕的寬度以網(wǎng)柵線寬0.5倍遞增直至達(dá)到網(wǎng)柵單元外接圓半徑;長度由網(wǎng)柵單元周長的20%,逐像素貫穿至整個網(wǎng)柵區(qū)域,角度為-180°至180°,起始點(diǎn)隨機(jī)。
      6.根據(jù)權(quán)利要求1所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,步驟c所述的缺陷圖樣的圖像特征,包括網(wǎng)柵面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移。
      7.根據(jù)權(quán)利要求1所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,步驟d所述的訓(xùn)練支持向量機(jī),是對金屬網(wǎng)柵特征樣本歸一化,用PCA降維,并用3:1的訓(xùn)練樣本測試樣本,使用遺傳算法進(jìn)行參數(shù)尋優(yōu)。
      8.根據(jù)權(quán)利要求1所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,步驟e所述的預(yù)處理,包括以下兩項(xiàng)工作: 第一、根據(jù)圖像的灰度特征和CCD特性,使噪點(diǎn)最低,類間方差最大,去除孤立噪點(diǎn)和不完整的圓; 第二、通過形態(tài)學(xué)分析,將圖像分為若干鄰域,通過分析鄰域特征,將圖像分為背景和單獨(dú)的金屬網(wǎng)柵兩部分。
      9.根據(jù)權(quán)利要求1所述的檢測與識別金屬網(wǎng)柵缺陷的方法,其特征在于,步驟e所述的特征提取方法,以網(wǎng)柵面積、周長、擬合橢圓離心率、區(qū)域方向角和鄰域重心偏移等作為待提取的特征。
      【文檔編號】G06K9/62GK103886332SQ201410131635
      【公開日】2014年6月25日 申請日期:2014年4月2日 優(yōu)先權(quán)日:2014年4月2日
      【發(fā)明者】金鵬, 朱非甲, 林杰, 譚久彬 申請人:哈爾濱工業(yè)大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1