基于机器视觉的鞋面定型缺陷识别方法及系统与流程

本发明涉及机器视觉检测，具体涉及基于机器视觉的鞋面定型缺陷识别方法及系统。

背景技术：

1、鞋面定型是鞋产品制造过程中的重要工序，其用于使鞋面材料形成预设形态，并提高鞋面的外观稳定性和穿着舒适性。然而，在实际生产过程中，由于鞋面材料特性、加工参数波动以及成型环境变化等因素影响，鞋面在定型后可能出现褶皱、局部凹陷以及形态不均等缺陷，影响鞋产品的外观质量及产品一致性。因此，需要对定型后的鞋面进行检测，以及时发现存在异常的鞋产品。

2、现有鞋面定型缺陷检测方式主要依赖人工目视检查或基于图像采集的自动检测方式。其中，人工检测方式容易受到检测人员经验、疲劳程度以及主观判断差异的影响，难以保证长时间连续检测过程中的稳定性；基于图像的自动检测方式虽然能够提高检测效率，但在实际应用过程中，鞋面材料通常具有纹理差异、颜色变化以及表面反光特性，不同鞋产品之间的影像表现存在一定差异，使得局部异常区域与正常区域之间的特征区分难度增加。

3、进一步地，鞋面定型缺陷通常表现为局部微小形态变化，其在影像中的表现容易受到拍摄角度、光照条件以及鞋面表面状态影响，导致部分缺陷区域的影像特征不明显，或者部分正常区域产生与缺陷相似的影像响应，从而影响检测结果的准确性。此外，在多批次鞋产品连续检测过程中，不同鞋面样本之间存在一定差异，单一检测标准难以适应实际生产环境中的变化。

4、因此，如何提高鞋面定型缺陷检测过程中异常区域识别的准确性和稳定性，成为本领域亟待解决的技术问题。

技术实现思路

1、本发明通过提供基于机器视觉的鞋面定型缺陷识别方法及系统，以解决现有技术鞋面定型缺陷检测过程中，由于鞋面表面结构变化不明显、检测过程易受到成像环境及材料特性的影响，导致难以准确识别局部定型异常区域的问题。

2、本发明解决上述技术问题的技术方案如下：

3、第一方面，本发明提供了基于机器视觉的鞋面定型缺陷识别方法，包括：

4、在辅助光源下，采集多个鞋产品鞋面的影像并进行标准化处理，得到多个鞋面影像；

5、对每个鞋面影像进行移动窗口的特征梯度分析，获得多个特征梯度阵列，分别提取出多个可疑缺陷梯度集；

6、对多个可疑缺陷梯度集中同一窗口的特征梯度进行一致性分析，获得多个可疑缺陷一致性参数；

7、根据多个可疑缺陷一致性参数，进行可疑缺陷异常分类和分析，得到若干个缺陷窗口，并采用若干个置信度进行标注，得到缺陷识别结果，其中，若干个置信度经过识别精度校正。

8、第二方面，本发明提供了基于机器视觉的鞋面定型缺陷识别系统，包括：

9、影像获取模块，用于在辅助光源下，采集多个鞋产品鞋面的影像并进行标准化处理，得到多个鞋面影像；

10、梯度特征提取模块，用于对每个鞋面影像进行移动窗口的特征梯度分析，获得多个特征梯度阵列，分别提取出多个可疑缺陷梯度集；

11、一致性分析模块，用于对多个可疑缺陷梯度集中同一窗口的特征梯度进行一致性分析，获得多个可疑缺陷一致性参数；

12、缺陷识别模块，用于根据多个可疑缺陷一致性参数，进行可疑缺陷异常分类和分析，得到若干个缺陷窗口，并采用若干个置信度进行标注，得到缺陷识别结果，其中，若干个置信度经过识别精度校正。

13、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

14、本发明通过辅助光源增强鞋面定型缺陷区域的影像表现，并结合移动窗口特征梯度分析方式对鞋面局部区域进行细粒度特征提取，获得能够反映鞋面局部变化的特征梯度信息；进一步通过对多个鞋面样本中相同窗口位置的特征梯度进行一致性分析，降低因光照波动、材料纹理差异以及偶然成像变化造成的干扰，提高可疑异常区域筛选的可靠性；同时，通过可疑缺陷异常分类和置信度校正机制，对不同异常程度的窗口进行分类标注，提高缺陷识别结果的准确性和稳定性。因此，本发明能够有效提升鞋面定型缺陷检测过程中的自动化程度和识别可靠性，降低人工检测主观因素影响，适用于鞋产品生产过程中的质量检测。

1.基于机器视觉的鞋面定型缺陷识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，在辅助光源下，采集多个鞋产品鞋面的影像并进行标准化处理，得到多个鞋面影像，包括：

3.根据权利要求1所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，对每个鞋面影像进行移动窗口的特征梯度分析，获得多个特征梯度阵列，分别提取出多个可疑缺陷梯度集，包括：

4.根据权利要求3所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，计算第一窗口内的特征梯度，得到第一特征梯度，包括：

5.根据权利要求3所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，在多个特征梯度阵列中分别进行可疑缺陷梯度提取，得到多个可疑缺陷梯度集，包括：

6.根据权利要求1所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，对多个可疑缺陷梯度集中同一窗口的特征梯度进行一致性分析，获得多个可疑缺陷一致性参数，包括：

7.根据权利要求1所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，根据多个可疑缺陷一致性参数，进行可疑缺陷异常分类和分析，得到若干个缺陷窗口，并采用若干个置信度进行标注，得到缺陷识别结果，包括：

8.根据权利要求7所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，所述可疑缺陷分类智能体的构建步骤包括：

9.根据权利要求7所述的基于机器视觉的鞋面定型缺陷识别方法，其特征在于，根据若干个正常窗口的特征梯度，计算识别精度补偿系数，对所述若干个第一缺陷置信度进行补偿调整，得到若干个置信度，对若干个缺陷窗口进行标注，得到缺陷识别结果，包括：

10.基于机器视觉的鞋面定型缺陷识别系统，其特征在于，用于实施权利要求1至9任一项所述的基于机器视觉的鞋面定型缺陷识别方法，包括：