基于工业视觉的黑灯工厂工件表面缺陷检测方法及装置与流程

本发明涉及工业制造，尤其涉及一种基于工业视觉的黑灯工厂工件表面缺陷检测方法及装置。

背景技术：

1、在现代智能制造与黑灯工厂高度自动化生产的背景下，纺织缝制行业的后道工序正逐步向无人化、智能化方向发展。袜类制品作为典型的缝制产品，其缝头工艺的完成质量直接影响成品的舒适性、耐用性与外观品质。其中，缝头余线（即缝合后线头过长突出于袜面）和线头过短（即线头回缩至缝合层内部，易导致脱线）是两类常见的缝头缺陷，传统依赖人工目检的方式不仅效率低下、成本高昂，且在黑灯工厂全封闭、无人值守的运行模式下难以实施，无法满足高速流水线实时在线检测的需求。

2、目前，基于工业视觉的自动检测技术已在多个制造领域广泛应用，但在袜类柔性织物表面微小线头缺陷的识别方面仍面临诸多挑战。一方面，袜体材质柔软、表面纹理复杂，易产生褶皱与光影干扰，导致常规图像处理方法难以准确提取微弱的线头特征；另一方面，缝头区域结构紧凑，余线与线头过短的表观差异细微，单一光照条件下的图像信息不足以实现两类缺陷的有效区分。此外，现有视觉检测系统多采用固定阈值或简单边缘检测算法，缺乏对多模态图像信息的融合分析能力，导致误检率与漏检率较高，难以支撑全自动分拣决策。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种基于工业视觉的黑灯工厂工件表面缺陷检测方法及装置，旨在解决现有技术在黑灯工厂环境下难以克服柔性袜体复杂纹理干扰及单一光照信息不足的局限，导致无法高精度区分并量化检测缝头余线与线头过短这两类细微缺陷的技术问题。

2、为实现上述目的，本发明提供一种基于工业视觉的黑灯工厂工件表面缺陷检测方法，所述方法包括：

3、获取黑灯工厂全自动缝头流水线中目标袜体缝头区域的多光照条件下的多维度图像集，多维度图像集包括低角度侧光下的轮廓增强图像与背透光源下的纹理分离图像；

4、基于低角度侧光下的轮廓增强图像，构造反映缝头线与袜面基布高度差的边缘梯度特征，并依据袜体编织纹理方向筛选与缝头拼接缝走向匹配的候选线头区域；

5、同步分析背透光源下纹理分离图像的灰度分布差异，结合候选线头区域的边缘梯度极值，区分缝头余线突出袜面与线头回缩入基布的两类缺陷形态特征；

6、建立候选线头区域的边缘梯度极值、灰度分布差异与预设的缝头缺陷标注样本分类模型之间的映射关系，生成目标缝头的缺陷类型与缺陷严重程度的量化判定结果；

7、基于量化判定结果中的缺陷位置与缺陷类型，生成袜体缝头质量自动化分拣决策报告。

8、此外，为实现上述目的，本发明还提供一种基于工业视觉的黑灯工厂工件表面缺陷检测装置，所述装置包括：

9、多维成像模块，用于获取黑灯工厂全自动缝头流水线中目标袜体缝头区域的多光照条件下的多维度图像集，多维度图像集包括低角度侧光下的轮廓增强图像与背透光源下的纹理分离图像；

10、梯度筛选模块，用于基于低角度侧光下的轮廓增强图像，构造反映缝头线与袜面基布高度差的边缘梯度特征，并依据袜体编织纹理方向筛选与缝头拼接缝走向匹配的候选线头区域；

11、特征区分模块，用于同步分析背透光源下纹理分离图像的灰度分布差异，结合候选线头区域的边缘梯度极值，区分缝头余线突出袜面与线头回缩入基布的两类缺陷形态特征；

12、量化判定模块，用于建立候选线头区域的边缘梯度极值、灰度分布差异与预设的缝头缺陷标注样本分类模型之间的映射关系，生成目标缝头的缺陷类型与缺陷严重程度的量化判定结果；

13、分拣决策模块，用于基于量化判定结果中的缺陷位置与缺陷类型，生成袜体缝头质量自动化分拣决策报告。

14、本发明提供了一种基于工业视觉的黑灯工厂工件表面缺陷检测方法，该方法通过融合低角度侧光与背透光两种多维度成像方式，有效增强了对缝头区域微小高度差和内部线密度变化的感知能力，实现了对缝头余线突出与线头过短回缩两类细微缺陷的精准区分与量化判定；该方法结合边缘梯度特征分析与灰度分布差异识别，并引入考虑纹理干扰与定位误差的分类模型，显著提升了在复杂编织纹理和高速流水线环境下缺陷检测的准确性与鲁棒性；最终生成包含缺陷类型、位置、严重程度及分拣建议的自动化决策报告，实现了从图像采集到质量判别再到分拣执行的全流程闭环控制，大幅降低人工依赖，提高黑灯工厂的智能化水平和生产效率。

1.一种基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述目标袜体缝头区域的图像采集位置预设，包括：

3.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述基于低角度侧光下的轮廓增强图像，构造反映缝头线与袜面基布高度差的边缘梯度特征，包括：

4.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述依据袜体编织纹理方向筛选与缝头拼接缝走向匹配的候选线头区域，包括：

5.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述同步分析背透光源下纹理分离图像的灰度分布差异，结合候选线头区域的边缘梯度极值，区分缝头余线突出袜面与线头回缩入基布的两类缺陷形态特征，包括：

6.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述缝头缺陷标注样本分类模型通过以下步骤构建，包括：

7.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述建立候选线头区域的边缘梯度极值、灰度分布差异与预设的缝头缺陷标注样本分类模型之间的映射关系，包括：

8.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述生成目标缝头的缺陷类型与缺陷严重程度的量化判定结果，包括：

9.如权利要求1所述的基于工业视觉的黑灯工厂工件表面缺陷检测方法，其特征在于，所述基于量化判定结果中的缺陷位置与缺陷类型，生成袜体缝头质量自动化分拣决策报告，包括：

10.一种基于工业视觉的黑灯工厂工件表面缺陷检测装置，其特征在于，所述装置包括：