一种电感线圈外观缺陷视觉检测方法及系统与流程

本技术涉及工业视觉检测，具体而言，涉及一种电感线圈外观缺陷视觉检测方法及系统。

背景技术：

1、在电感线圈的长时间连续自动化生产过程中，随着生产线的持续运行，设备和模具不可避免地会产生微小磨损，这种物理变化会直接映射到产品上，导致后续生产的线圈表面特定区域出现越来越明显的规律性浅表划痕或纹理挤压。这种由工艺条件缓慢漂移引起的背景纹理渐变是连续且单向的，在单个线圈上难以察觉突变，且远未达到影响产品性能的程度，属于模具寿命周期内的正常现象。在此过程中，检测系统不断将当前线圈的表面纹理特征与早期建立的静态正常背景基准进行比对。当这种渐进加深的正常工艺痕迹在深度、宽度等几何属性上逐渐增长，最终跨越了早期设定的正常纹理与微小缺陷之间的边界时，判定逻辑便会发生混淆。由于现有的检测逻辑是固定不变的，其无法感知并适应背景纹理本身已经发生系统性漂移这一事实，进而会将新常态下的正常纹理持续误判为缺陷。这种静态逻辑基准与对象背景持续动态变化之间的深层矛盾，会导致生产线后半段的良率数据出现显著的虚假下降。失真的良率数据不仅会造成大量合格产品的无谓报废和返工，增加制造成本，还可能误导现场工程师手动放宽整体判定标准，从而极大地增加了真正偶发性微小缺陷被漏检的风险，导致检测系统出现大量系统性误判并引发错误的质量干预。

技术实现思路

1、为了解决现有技术的不足，本技术提供一种电感线圈外观缺陷视觉检测方法及系统，能够解决现有技术中因模具磨损导致背景纹理发生系统性漂移，而静态检测逻辑无法区分正常纹理漂移与真实缺陷，从而引发大量系统性误判的技术问题。

2、第一方面，本技术提供一种电感线圈外观缺陷视觉检测方法，包括：

3、获取同一生产阶段内多个电感线圈的表面图像时序队列；

4、从表面图像时序队列中提取被确认为无缺陷的电感线圈样本的特征区域图像，提取各特征区域图像的纹理基线特征，并基于各纹理基线特征建立初始正常背景基准；

5、利用卷积神经网络提取当前待检测样本的特征区域图像的局部高频几何特征和全局低频语义特征，输出表征当前待检测样本的表面纹理状态的多维数值向量作为当前高维特征及用于表征纹理响应强度的二维矩阵数据作为当前二维特征图；

6、基于当前高维特征与初始正常背景基准之间的偏离距离和当前二维特征图中特征响应在空间位置上的分布范围，对当前待检测样本的变化状态进行分类；

7、基于当前待检测样本的变化状态对初始正常背景基准进行更新，得到当前正常背景基准，根据当前正常背景基准和当前二维特征图确认当前待检测样本中是否存在真实缺陷。

8、可选地，获取同一生产阶段内多个电感线圈的表面图像时序队列的步骤包括：

9、获取多个电感线圈的多个光谱通道的图像数据，多个光谱通道包括用于采集漆包线绕线区域的图像的可见光通道、近红外通道以及用于采集端子焊接区域的图像的紫外通道；

10、为各图像数据关联绝对时间戳、生产批次号、设备模具编号以及在表面图像时序队列中的序列号，存入表面图像时序队列。

11、可选地，从表面图像时序队列中提取被确认为无缺陷的电感线圈样本的特征区域图像的步骤包括：

12、对于漆包线绕线区域对应的光谱图像，采用引导滤波方式进行增强处理；

13、对于端子焊接区域对应的光谱图像，采用自适应直方图均衡化方式进行增强处理；

14、利用预设的几何模板匹配被确认为无缺陷的电感线圈样本的漆包线绕线区域和端子焊接区域，分别生成对应的二值化掩膜图像；

15、将增强处理后的光谱图像与对应的二值化掩膜图像进行按位与操作，提取各特征区域图像。

16、可选地，提取各特征区域图像的纹理基线特征，并基于各纹理基线特征建立初始正常背景基准的步骤包括：

17、对各特征区域图像进行统计分析，提取纹理基线特征，纹理基线特征包括绕线交叉处压痕的平均深度、纹理边缘的平均梯度幅度以及端子表面的基础平整度；

18、基于提取到的纹理基线特征，建立各特征区域图像的多维分布模型，将多维分布模型作为初始正常背景基准。

19、可选地，利用卷积神经网络提取当前待检测样本的特征区域图像的局部高频几何特征和全局低频语义特征，输出当前高维特征及当前二维特征图的步骤包括：

20、调用预先构建的包括多尺度特征金字塔结构的卷积神经网络，卷积神经网络的浅层卷积用于提取当前待检测样本的划痕边缘和压伤轮廓的局部高频几何特征，卷积神经网络的深层卷积用于提取当前待检测样本的绕线密度和整体压痕分布的全局低频语义特征；

21、将当前待检测样本的特征区域图像输入卷积神经网络进行前向传播处理；

22、在卷积神经网络的最后一个全连接层之前输出当前高维特征；

23、选取多尺度特征金字塔结构中预设尺度的卷积层输出的二维特征图作为当前二维特征图。

24、可选地，基于当前高维特征与初始正常背景基准之间的偏离距离和当前二维特征图中特征响应在空间位置上的分布范围，对当前待检测样本的变化状态进行分类的步骤包括：

25、计算当前高维特征与初始正常背景基准的均值向量之间的偏离距离；

26、当偏离距离未超出预设的容差范围，且当前二维特征图中纹理响应强度超过预设强度阈值的连续像素区域面积不小于预设面积阈值时，判定变化状态为既无整体漂移也无局部突变；

27、当偏离距离超出预设的容差范围，且当前二维特征图中纹理响应强度超过预设强度阈值的连续像素区域面积不小于预设面积阈值时，判定变化状态为仅整体漂移；

28、当偏离距离未超出预设的容差范围，且当前二维特征图中纹理响应强度超过预设强度阈值的连续像素区域面积小于预设面积阈值时，判定变化状态为仅局部突变；

29、当偏离距离超出预设的容差范围且当前二维特征图中纹理响应强度超过预设强度阈值的连续像素区域面积小于预设面积阈值时，判定变化状态为同时存在整体漂移与局部突变。

30、可选地，基于当前待检测样本的变化状态对初始正常背景基准进行更新，得到当前正常背景基准的步骤包括：

31、当变化状态为既无整体漂移也无局部突变时，将初始正常背景基准作为当前正常背景基准；

32、当变化状态为仅整体漂移时，若偏离距离未超过预设的最大磨损极限阈值，利用平滑更新方式将当前高维特征融合到初始正常背景基准中，得到当前正常背景基准，否则暂停对初始正常背景基准进行更新，并输出设备维护报警指令；

33、当变化状态为仅局部突变时，将初始正常背景基准作为当前正常背景基准；

34、当变化状态为同时存在整体漂移与局部突变时，对当前高维特征进行净化处理以滤除局部突变分量，利用平滑更新方式将净化处理后的当前高维特征融合到初始正常背景基准中，得到当前正常背景基准。

35、可选地，根据当前正常背景基准和当前二维特征图确认当前待检测样本中是否存在真实缺陷的步骤包括：

36、将当前正常背景基准的均值向量输入卷积神经网络的解码结构中进行逆向映射，生成与当前二维特征图具有相同空间尺度和通道数量的基准二维特征图；

37、将基准二维特征图与当前二维特征图进行逐像素的特征相减，得到残差特征图；

38、计算残差特征图上所有像素点的响应强度总和值，当响应强度总和值超过预设的缺陷存在阈值时，判定当前待检测样本中存在真实缺陷；当响应强度总和值未超过缺陷存在阈值时，判定当前待检测样本中不存在真实缺陷。

39、可选地，还包括步骤：

40、当判定存在真实缺陷时，将残差特征图输入至预设的缺陷分类结构，将缺陷分类结构输出的概率分布结果中概率最高的缺陷类型作为当前待检测样本的缺陷类型，并同时输出当前待检测样本的缺陷的长度、宽度和深度估计值。

41、第二方面，本技术还公开了一种电感线圈外观缺陷视觉检测系统，用于执行上述方法，包括：

42、图像队列获取模块，用于获取同一生产阶段内多个电感线圈的表面图像时序队列；

43、基准建立模块，用于从表面图像时序队列中提取被确认为无缺陷的电感线圈样本的特征区域图像，提取各特征区域图像的纹理基线特征，并基于各纹理基线特征建立初始正常背景基准；

44、特征提取模块，用于利用卷积神经网络提取当前待检测样本的特征区域图像的局部高频几何特征和全局低频语义特征，输出表征当前待检测样本的表面纹理状态的多维数值向量作为当前高维特征及用于表征纹理响应强度的二维矩阵数据作为当前二维特征图；

45、状态分类模块，用于基于当前高维特征与初始正常背景基准之间的偏离距离、被确认为无缺陷的电感线圈样本的高维特征在特征空间中的变化趋势以及当前二维特征图中特征响应在空间位置上的分布范围，对当前待检测样本的变化状态进行分类；

46、基准更新与缺陷判定模块，用于基于当前待检测样本的变化状态对初始正常背景基准进行更新，得到当前正常背景基准，根据当前正常背景基准和当前二维特征图确认当前待检测样本中是否存在真实缺陷。

47、本技术通过引入动态背景基准更新机制，解决了电感线圈生产过程中因模具磨损导致的背景纹理渐变与缺陷判定逻辑之间的矛盾。通过将当前待检测样本的特征与动态更新的正常背景基准进行比对，并结合高维特征偏离距离与二维特征图空间分布的联合分类策略，能够有效区分正常的工艺背景漂移与真实的局部缺陷，不仅避免了因背景纹理渐变导致的系统性误判，还通过残差特征图分析实现了对真实缺陷的精准识别与量化，显著提升了连续生产环境下的检测准确率与良率统计的真实性，降低了生产成本。