(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210235411.3 (22)申请日 2022.03.04 (71)申请人 宁波中科信息技 术应用研究院 （宁 波人工智能产业研究院） 地址 315040 浙江省宁波市 鄞州区通江大 道2660号宁波新材料国际创新中心A7 幢15层 申请人 宁波中科极动信息科技有限公司 (72)发明人 高洪伟　陈春燕　黄晁　赵忆　 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/28(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G01N 21/88(2006.01) (54)发明名称 一种基于形态学的插座外观检测方法 (57)摘要 本发明公开了一种基于形态学的插座面板 检测方法。 所述方法包括： 构建并训抓取插座ROI 区域卷积神经网络； 对ROI区域进行平滑与增强 处理； 关键特征提取建立评价模型； 统计检测结 果的分布区间设定检测标准。 本发 明能适用于插 座面板的外观需求， 基于形态学方法能实现精度 高、 鲁棒性强的插座外观检测方法。 权利要求书1页 说明书3页 附图3页 CN 114972728 A 2022.08.30 CN 114972728 A 1.一种插座外观检测方法， 其特 征在于， 包括以下步骤： 步骤A、 构建YOLO神经网络， 对插座待检区域进行框选与标注， 将标注好的数据集输入 到神经网络进行训练， 获取训练模型； 步骤B、 通过训练好的YOLO模型检测出待检区域类别和位置， 进行平滑处理消除图像噪 声； 步骤C、 通过 形态学操作简化图像特 征， 提取关键特 征信息数据进行统计； 步骤D、 数据统计结果的正态分布情况选取 数值区间作为评价标准。 2.根据权利要求1所述的插座外观检测方法， 其特征在于， 所述步骤A的构建YOLOv5神 经网络， 标注插座检测位置ROI区域并进行训练。 3.根据权利 要求1所述的插座外观检测方法， 其特征在于， 所述步骤B的通过YOLOV5s获 取待检测目标区域， 将目标区域从原图中分割出来获得ROI区域， 利用中值滤波g(x， y)＝ med{f(x‑k， y‑l)， (k， l∈W)}过滤掉ROI区域的噪音， 再通过数值和为1的3*3卷积核对ROI区 域进行锐化。 4.根据权利要求1所述的插座外观检测方法， 其特征在于， 所述步骤C 中锐化后的ROI图 像进行形态学操作区分前景与背景， 然后进行二值化处理得到二值图像， 将二值图像再进 行形态学操作， 简化图像复杂程度， 从前景中查找并筛选出检测点的连通域， 构建最小外接 矩形， 再从背 景中筛选出主要 特征的连通域， 构建背 景中主要连通域的几何特征， 建立前景 中检测点最小外接矩阵与背景主要特征连通域的几何特征之间的关系， 从几何中心 点与最 小外接矩阵两条对角线分别建立三角形， 以三角形高以及两三角形面积的IOU确定前景检 测点与背景的相对关系。 5.根据权利要求1所述的插座外观检测方法， 其特征在于， 所述步骤D的收集小批量试 产样品的图像数据， 根据图像数据检测点在步骤C4检测模型中的数据分布， 设定检测的标 准数值区间。权　利　要　求　书 1/1 页 2 CN 114972728 A 2一种基于形 态学的插座外观检测方 法 技术领域 [0001]本发明属于工业计算机视觉领域， 具体涉及一种基于形态学计算识别插座外观缺 陷的方法。 背景技术 [0002]插座作为常用的电器设备， 工装及家装中应用广 泛。 插座在流水线生产的过程中， 需要把外观存在缺陷的插座识别并区分出来。 现阶段对插座不良外观的检测， 中小企业以 人工为主， 龙头企业会引入机器视觉对其进 行检测。 人工检测劳动成本高效率低， 在生产 节 拍很快时， 例如， 200毫秒识别一个插座， 人力是无法胜任此项工作的。 通过机器视觉检测的 方法设计一套高精度、 全自动的插座外观识别的方法能有效提高设备生产率、 降低人工成 本。 [0003]目前， 一些市场基于机器视觉 的墙插大都是基于成像相似度来完成的， 整个步骤 一般分为手动选出检测区域、 计算相似度。 根据相似程度判定 OK或NG结果， 这种检测方式对 光源以及待检墙插与相 机的成像位置要求高， 进而要求机台控制与光源质量要求高。 操作 过程复杂对操作人员要求高。 [0004]在此背景下， 有必要提出一种对光源衰变不敏感， 成像要求低的墙插面板外观检 测方法。 发明内容 [0005]针对上述技术问题， 本发明提出一种基于形态学的墙插面板检测方法。 该方法利 用YOLO神经网络， 抓取待检测区域， 依据建好的评价模型进行检测。 [0006]本发明所采用的技 术方案如下： [0007]步骤A、 构建YOLO神 经网络， 对插座待检区域进行框选与标注， 将标注好 的数据集 输入到神经网络进行训练， 获取训练模型； [0008]步骤B、 通过训练好的YOLO模型检测出待检区域类别和位置， 进行平滑与增强处理 消除图像噪声； [0009]步骤C、 通过 形态学操作简化图像特 征， 提取关键特 征建立评价模型； [0010]步骤D、 数据统计结果的正态分布情况选取 数值范围作为评价标准。 [0011]进一步地， 所述步骤A具体处 理过程如下： [0012]步骤A1、 获取墙插面板图像， 用方框标记出待检区域的位置， 并将方框的中心坐标 与宽高保存到文本文件中， 制作插座图像数据集； [0013]步骤A2、 构建YOLOV5s神经网络， 将制作数据输入到神经网络进行训练， 得到训练 模型； [0014]进一步地， 所述步骤B具体处 理过程如下： [0015]步骤B1、 通过YOLOV5s获取待检测目标区域， 将目标区域从原图中分割出来获得 ROI区域；说　明　书 1/3 页 3 CN 114972728 A 3