具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种新型螺栓外观尺寸检测方法，具体步骤如下：

步骤一：将标准新型螺栓工件送到CCD摄像头视场内，由成像系统和图像采集卡将图像采集到计算机内部；

步骤二：运用图像处理技术对采集到的原始图像提取背景图像及图像灰度转换处理，从中提取特征量，具体操作流程为：首先通过加权平均法，将采集的螺栓工件表面图像数据转换成灰度图像，后获取预存的加权的均值滤波器模板，将灰度图像中的噪声点替换为均值滤波器模板窗口内的像素的平均灰度值进行图像去噪，后通过边缘检测算法，检测灰度图像的边缘并连接边缘构成边界，根据各个边界生成大小端面区域和环形槽区域，将螺栓工件的表面图像转换成具有边缘特征的灰度图像，再通过全局二值化增强算法对预处理后的灰度图像进行增强处理，增强具有边缘特征的灰度图像的图像特征，最后通过基于边缘检测的图像分割算法对增强处理后的灰度图像进行分割处理，提取增强处理后的具有边缘特征的灰度图像的外观特征和尺寸数据；

步骤三：获取各种不同原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷图像数据，根据表面缺陷图像数据构建螺栓工件的表面缺陷样本集，具体操作流程为：通过扩展处理，扩展螺栓工件的表面缺陷样本集；通过图像预处理，将扩展后的表面缺陷样本集更新为新的样本集；构建基于深度卷积神经网络的螺栓工件多缺陷识别模型，并获取螺栓工件多缺陷识别模型的模型参数和新的样本集；通过交叉验证法，训练螺栓工件多缺陷识别模型直到螺栓工件缺陷多识别模型的性能指标达到预期设定；最后运用模式识别技术对提取的特征量进行分类整理，根据不同缺陷的图像特征，识别出缺陷，构建具有不同缺陷特征系统数据库的识别模型；

步骤四：准备型号为LeicaAT930的激光跟踪仪和型号为laser med的激光扫描仪，将激光跟踪仪与激光扫描仪按8.3-10.5m的距离间隔放置，利用激光跟踪仪和激光扫描仪扫描待检测的螺栓工件，获取待检测螺栓工件的特征图像数据和工件尺寸，将特征图像数据输入经过预先训练的螺栓工件缺陷多识别模型中，输出螺栓工件的缺陷识别结果；

步骤五：根据计算机的中央处理模块对缺陷识别结果进行查看获取，查看完成后根据缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理。

分别采用人工识别检测法、漏磁检测法、红外线检测法、超声波探伤检测法、光学检测法和本实施例对1000根新型螺栓的杂质/颗粒、生锈/氧化、刮伤、压痕/镀痕/流痕/污迹、凹坑/凸坑和尺寸偏差情况进行检测识别记录，得出以下数据：

由上表可知，人工识别检测法、漏磁检测法、红外线检测法、超声波探伤检测法、光学检测法和新型螺栓外观尺寸检测方法均能对新型螺栓的外观缺陷和尺寸偏差进行检测识别，但是新型螺栓外观尺寸检测方法的检测准确率最高，通过步骤一和步骤二的设置，可利用成像系统和图像采集卡将标准新型螺栓工件的图像采集到计算机内部，再通过图像预处理技术将表面图像转换成灰度图像，使用图像增强和分割单元可增强并提取标准新型螺栓工件图像的外观特征和尺寸数据，可为螺栓工件多缺陷识别模型的创建提供标准新型螺栓工件图像的对比外观特征和尺寸数据，方便螺栓工件多缺陷识别模型根据特征数据的不同快速识别外观尺寸不合格的工件，识别准确度和效率高，通过步骤三的设置，可通过缺陷识别单元对各种不同原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷进行缺陷识别，构建样本集数据库，最后基于深度卷积神经网络，运用模式识别技术对提取的特征量分类整理，根据不同缺陷的图像特征，识别出缺陷，构建具有不同缺陷特征系统数据库的识别模型，并对其性能指标进行检测，创建螺栓工件多缺陷识别模型，可对多种螺栓工件的外观尺寸缺陷进行识别，适用性强，数据库实时更新，生命力强，通过步骤四和步骤五的设置，可使用螺栓工件多缺陷识别模型对待检测螺栓工件的特征图像数据和工件尺寸进行检测识别，准确地分割识别待检测螺栓工件的外观特征和尺寸数据，实现新型螺栓的外观尺寸检测，自动识别，准确率高，最后缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理，自动化程度高，节省了人力投入成本，实用性强，该实施方式具体解决了现有技术中多采用人工检查方式对金属加工工件外观质量进行检测，针对铁屑、工件装夹不当、物理碰撞等因素导致的金属工件表面缺陷问题，生产企业采用的人工检查方式无法及时发现并加以控制。且人工检查的方式以人的主观判断为标准，因此存在准确性低的问题，当缺陷件未被筛除且与正常件混合在一起后，需耗费大量的人力劳力成本将其重新分离。此外，人工检查的方式不仅存在投入成本高，还存在效率低的问题，少量规模较大的新型螺栓生产企业具有自动外观检测装置，但在面对表面形状复杂的金属工件时，其图像中不存在明显灰度差异或较大的灰度值范围重叠，从而难以得到准确的分割结果，分割后得到的图像也不能很好的显示图像的细节，使得金属工件表面缺陷识别的效果不好的问题。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。