一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法及系统与流程
本发明属于工业机器视觉、无损检测安全防护,具体涉及背照光(bli)内孔异物检测场景,尤其针对检测输出的误标注(fa)进行轻量化规则化校验过滤的技术。
背景技术:
1、在精密工件内孔异物检测(fod)的背照光成像场景中,检测模型易输出完全落在工件非目标区域的无效标注框(误标注)。该类无效标注若直接流入后续加工环节,会引发设备误操作,造成高价值精密工件的不可逆损坏,是工业规模化部署必须解决的核心安全风险。
2、现有后处理优化方案多采用额外的深度学习模型进行二次校验,存在部署成本高、算力开销大、可解释性弱的问题;而传统规则化方案多针对特定透明材质场景,缺乏适配精密金属工件内孔检测的通用、高可靠轻量化过滤方案。
技术实现思路
1、本发明旨在克服上述缺陷,针对现有技术的不足,本发明提出一种基于 opencv的轻量化误标注安全过滤方法,通过动态灰度阈值计算与区域灰度特征校验,精准过滤完全错位的无效标注框,同时保证有效缺陷框零错误过滤,部署成本低、实时性强,彻底消除内孔检测的误操作安全风险。
2、本发明提供了一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于:通过动态灰度阈值计算与区域灰度特征校验,精准过滤无效标注框。
3、进一步地,本发明提供的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征还在于,包含如下步骤:
4、s1.输入检测模型输出的内孔异物候选标注框,以及对应的原始背照光图像;
5、s2.动态灰度阈值计算引擎;
6、s3.对图像进行预处理后,基于动态灰度阈值区分出内孔有效检测区域与工件非目标区域;
7、s4.标注框有效性校验逻辑进行无效标注框的过滤。
8、进一步地,本发明提供的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征还在于:在s2中,针对不同设备的成像差异,采用双策略动态计算分割阈值;
9、其中,默认策略为\(t = \alpha \cdot \mu + \beta \cdot \text{median}\),其中 \(\alpha=权重1\),\(\beta=权重2\),\(\mu\) 为图像灰度均值,\(\text{median}\) 为图像灰度中位数;
10、特殊策略针对出现双峰直方图的设备,采用图像灰度分布的第n百分位值作为阈值。
11、进一步地,本发明提供的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征还在于:在s3中,包含如下步骤:
12、s31.将原始图像转换为灰度图;
13、s32.通过s2的阈值进行二值化分割;
14、s33.采用形态学开运算消除噪声,消除微小白点噪点;
15、s34.区分出内孔有效检测区域与工件非目标区域。
16、进一步地,本发明提供的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征还在于:在s4中,分析每个候选标注框覆盖区域的灰度分布特征;
17、若标注框完全处于低灰度背景区域,则判定为无效误标注并直接过滤;
18、若标注框部分或全部处于高灰度有效区域,则判定为有效标注并保留。
19、此外,本发明还提供了一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤系统,其特征在于,包含bli内孔异物检测子模块和brv-gt安全过滤子模块;
20、其中,bli内孔异物检测子模块,对内孔异物进行识别和定位;
21、brv-gt安全过滤子模块,通过轻量化图像处理算法,把bli内孔异物检测子模块误判的内容删掉。
22、进一步地,本发明提供的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤系统,其特征还在于:
23、brv-gt安全过滤子模块包含如下运行步骤:
24、s31.获取动态阈值:
25、s32.通过灰度二值化和形态学开运算去噪,分割内孔有效区域与工件非目标区域,去掉小噪点;
26、s33.逐框校验区域灰度分布,将完全落在低灰度非目标区域的标注框判定为无效误标注并过滤。
1.一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于:通过动态灰度阈值计算与区域灰度特征校验,精准过滤无效标注框。
2.如权利要求2所述的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于,包含如下步骤:
3.如权利要求2所述的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于:
4.如权利要求2所述的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于:
5.如权利要求2所述的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤方法,其特征在于:
6.一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤系统,其特征在于,包含bli内孔异物检测子模块和brv-gt安全过滤子模块;
7.如权利要求6所述的一种基于灰度阈值背景校验的内孔异物检测误标注安全过滤系统,其特征在于:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com