技術(shù)特征：

1.基于機器視覺的模腔異常檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)為卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)對模腔表面灰度圖進(jìn)行特征提取獲得圖像特征，對圖像特征進(jìn)行分類獲得概率值。

3.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程包括：

4.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，獲取所述目標(biāo)灰度圖還包括：

5.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，所述梯度一致性包括：

6.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，所述梯度一致性還包括：

7.根據(jù)權(quán)利要求1所述的基于機器視覺的模腔異常檢測方法，其特征在于，所述梯度一致性還包括：

技術(shù)總結(jié)
本發(fā)明涉及模具檢測領(lǐng)域，更具體地，本發(fā)明涉及基于機器視覺的模腔異常檢測方法。所述方法包括：獲取預(yù)處理后的模腔表面灰度圖，將模腔表面灰度圖輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)中，輸出概率值，根據(jù)概率值獲得模腔類型；根據(jù)模腔類型構(gòu)建目標(biāo)灰度圖，提取目標(biāo)灰度圖的ROI區(qū)域，根據(jù)概率值對ROI區(qū)域進(jìn)行網(wǎng)格劃分獲得多個子區(qū)域，計算ROI區(qū)域的梯度一致性，完成模腔異常檢測。通過本發(fā)明的技術(shù)方案，能夠提高模腔異常檢測的準(zhǔn)確性，保障了產(chǎn)品生產(chǎn)質(zhì)量。

技術(shù)研發(fā)人員：徐英凱,楊燕勇,張輝
受保護(hù)的技術(shù)使用者：無錫市銘騰模具科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19