(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111588377.X (22)申请日 2021.12.23 (65)同一申请的已公布的文献号 申请公布号 CN 113971670 A (43)申请公布日 2022.01.25 (73)专利权人 武汉市利隆捷精密螺 丝制造有限 公司 地址 430000 湖北省武汉市黄陂区祁家湾 街道环祁街20 3号 (72)发明人 高舒　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 代理人 余文 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/11(2017.01) G06T 5/00(2006.01) G06T 5/10(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 106022365 A,2016.10.12 CN 112217988 A,2021.01.12 CN 111080636 A,2020.04.28 CN 113823312 A,2021.12.21 CN 110307982 A,2019.10.08 US 2021012487 A1,2021.01.14 US 10572945 B1,2020.02.25 US 2009304266 A1,2009.12.10 审查员 胡晓雨 (54)发明名称 基于计算机视觉的螺纹缺陷分析方法及系 统 (57)摘要 本发明公开了一种基于计算机视觉的螺纹 缺陷分析方法及系统， 涉及缺陷检测领域。 主要 包括： 获得螺钉表面图像的灰度图像， 并进行图 像分割获得多个螺纹图像； 对各螺纹图像进行傅 里叶变换后去中心化得到多个频谱图像； 将各频 谱图像与标准频谱图像作差分别得到多个第一 差值图像； 构建CNN， 根据频谱图像中最大亮度以 及高亮点的变化方向， 以及第一差值图像中高亮 点的亮度， 对CNN中各卷积层的权重进行调节； 将 各螺纹图像分别输入到CNN中， 从CNN中获得特征 图， 将特征图进行反卷积获得呈现螺纹图像所含 缺陷的螺纹缺陷图像 。 权利要求书2页 说明书7页 附图1页 CN 113971670 B 2022.04.15 CN 113971670 B 1.一种基于计算机 视觉的螺纹缺陷分析 方法， 其特 征在于， 包括： 获取待检测的螺钉表面图像， 并对所述螺钉表面图像进行 灰度化得到灰度图像； 对所述灰度图像进行图像分割获得螺纹图像， 并对各所述螺纹图像进行傅里叶变换后 去中心化， 分别得到各 所述螺纹图像对应的频谱图像； 将各所述频谱图像与标准频谱图像作差， 分别得到各所述频谱图像对应的第 一差值图 像； 构建CNN， 所述CN N包括输入层、 至少一个卷积层、 全连接层 及输出层； 根据所述频谱图像中最大亮度以及高亮点的变化方向， 以及第 一差值图像中高亮点的 亮度， 对所述CN N中各所述卷积层的权 重进行调节； 将各所述螺纹图像分别输入到所述CNN中， 所述CNN输出螺纹缺陷图像； 所述螺纹缺陷 图像中呈现所述螺纹图像中包 含的缺陷； 其中， 对所述CN N中各所述卷积层的权 重进行调节， 包括： 卷积层的权 重包括横向卷积权 重和纵向卷积权 重； 所述横向卷积权重的调节包 括： ， 其中， 表示调节前的第i层横向卷积权 重； 所述纵向卷积权重的调节包 括： ， 其中， 表示调节前的第i层纵向卷积权 重， ， 其中， 表示所述第一差值图像中高亮点的亮度值， 表示所述频谱图像 中最大的亮度值。 2.根据权利要求1所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 所述CNN 的所述全连接层中对特征图进行一维拉伸得到一维数据， 将所述一维数据利用Softmax函 数进行处 理获得对应的概 率序列； 所述CNN的损失函数为： ， 其中， 为交叉熵损 失函数， 为均方差 损失函数） ， ， 其中， 表示所述概率序列的均值， 为所述概率序列中值 的数量， 为所述概率序列中第 个值。 3.根据权利要求2所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 所述方法 还包括： 当第一差值图像中高亮点的周期变化方向 为水平时， 所述横向卷积权重为 ， 其中， 表示调节前的第i层横向卷积权 重， 为非线性权 重调节系数； 当第一差值图像中高亮点的周期变化方向为垂直时， 所述纵向卷积权重为 ， 其中， 表示调节前的第i层纵向卷积权 重。 4.根据权利要求1所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 将各所述 螺纹图像分别输入到所述CN N中， 所述CN N输出螺纹缺陷图像， 包括： 从所述CN N中获得特征图， 将所述特 征图进行反卷积获得螺纹缺陷图像。 5.根据权利要求1所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 所述螺纹 图像包含多个螺纹图像， 各螺纹图像分别对应所述灰度图像中包 含的各螺钉。权　利　要　求　书 1/2 页 2 CN 113971670 B 26.根据权利要求5所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 所述标准 频谱图像的获得 过程包括： 对多个螺纹图像得到的各个频谱图像两两作差， 将得到的多个第 二差值图像中为全黑 图的所述第二差值图像对应的所述频谱图像作为标准频谱图像。 7.根据权利要求1所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 对所述灰 度图像进行图像分割处 理， 获得螺纹图像， 包括： 利用语义分割 网络对所述灰度图像进行分割， 将分割后的图像进行裁剪， 获得多个螺 纹图像， 各 所述螺纹图像分别对应所述灰度图像中包 含的各螺钉。 8.根据权利要求1所述的基于计算机视觉的螺纹缺陷分析方法， 其特征在于， 对所述螺 钉表面图像进行 灰度化得到灰度图像， 包括： 将所述螺钉表面图像中像素点在RGB三个通道中像素值的平均值， 作为所述灰度图像 中的像素点的灰度值。 9.一种基于计算机视觉的螺纹缺陷分析系统， 其特征在于， 包括： 包括存储器和处理 器， 所述处理器执行所述存储器存储的计算机程序， 以实现如权利要求 1‑8任一项所述的基 于计算机 视觉的螺纹缺陷分析 方法。权　利　要　求　书 2/2 页 3 CN 113971670 B 3