(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 202210953223.4 (22)申请日 2022.08.10 (71)申请人 启东普力马机 械有限公司 地址 226000 江苏省南 通市启东市北新 镇 小花效村 (72)发明人 张丽霞　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于机械零件异常检测的电数据处理 方法及系统 (57)摘要 本发明公开了一种用于机械零件异常检测 的电数据处理方法及系统， 涉及缺陷检测领域。 主要包括： 对存在缺陷的机械零件的灰度图像进 行标注获得二值标注图像； 将存在缺陷的各机械 零件的灰度图像及对应的各二值标注 图像作为 神经网络的训练集， 并根据机械零件的灰度图像 以及二值标注 图像构造神经网络的训练过程的 损失函数， 完成对神经网络的训练； 将待测机械 零件的灰度图像输入至训练完成的神经网络中， 将神经网络输出结果作为待测机械零件对应的 边缘图像； 根据待测机械零件的边缘图像与标准 边缘图像中各对应图像块的相似度， 判断待测机 械零件边缘是否存在缺陷。 本发 明实施例能够提 高对机械零件的边缘部分存在的缺陷的检测精 度。 权利要求书3页 说明书9页 附图1页 CN 115049641 A 2022.09.13 CN 115049641 A 1.一种用于 机械零件异常检测的电数据处 理方法， 其特 征在于， 包括： 对存在缺陷的机械零件的灰度图像进行机械零件区域的像素点标注获得二值标注图 像； 将存在缺陷的各机械零件的灰度图像及对应的各二值标注图像作为神经网络的训练 集， 并分别对神经网络训练过程中的输出图像进行相同大小区域划分， 得到训练过程中输 出图像中的各第一区域， 以及二值标注图像中的各第二区域， 将相对应的第一区域及第二 区域组成区域对； 将交叉熵损失函数作为第 一损失函数， 并根据各区域对中第 一区域及第 二区域的协方 差、 像素均值及方差构造第二损失函数； 根据像素点分别在二值标注图像以及神经网络训练过程输出图像中对应位置的像素 值构造第三损失函数， 并对第一损失函数、 第二损失函数以及第三损失函数进 行加权求和， 获得加权求和后的第四损失函数， 以利用第四损失函数对神经网络的训练过程进行监督， 完成对神经网络的训练； 将待测机械零件的灰度图像输入至训练完成的神经网络中， 将神经网络输出结果作为 待测机械零件对应的边缘图像， 将正常机械零件图像对应的神经网络的输出结果作为标准 边缘图像； 根据待测机械零件的边缘图像与 标准边缘图像中各对应图像块的相似度， 判断待测机 械零件边 缘是否存在缺陷。 2.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 待测机械零件的边 缘图像与标准 边缘图像中各对应图像块的相似度， 包括： 式中， 为待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度， 为边 缘图像中图像块的数量， 为待检测机械零件的边缘图像中第 个图像块与其在标准边缘 图像中对应的图像块 之间的灰度协方差； 为待检测机械零件的边缘图像中第i个图像块的灰度标准差， 为标准边缘图像中 的图像块 的灰度标准差， 图像块 为标准边缘图像中与待检测机械零件的边缘图像中第 个图像块所对应的图像块， 为预设第一 参数。 3.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 根据各区域对中第一区域及第二区域的协方差、 像素均值及方差构造第二损失函数， 包括： 其中， 为第二损失函数， 为区域对的数量， 为第 个区域对中第一区域及第二权　利　要　求　书 1/3 页 2 CN 115049641 A 2区域的协方差， 为第 个区域对中第一 区域中各像素点的像素均值， 为第 个区域 对中第二区域中各像素点的像素均值， 第 个区域对中第一区域中各像素点的像素值 方差， 第 个区域对中第二区域中各像素点的像素值方差， 为预设第二参数， 为预设 第三参数。 4.根据权利要求3所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 各区域对中第一区域及第二区域的协方差， 包括： ， 为第 个区域对中第一区域及第 二区域的协方差， 为第 个区域对中第一区域中第 个像素点的像素值， 为第 个 区域对中第一区域中各像素点的像素均值， 为第 个区域对中第二区域中第 个像素 点的像素值， 为第 个区域对中第二区域中各像素点的像素均值， 为第一区域中像素 点的数量。 5.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 根据像素点分别在二值标注图像以及神经网络训练过程中输出图像中对应位置的像素值 构造第三损失函数， 包括： 其中， 为第三损失函数， 为二值标注图像中像素值为1的像素点的数量， 为二值标 注图像中第j个像素值为1的像素点的像素值， 为二值标注图像中第j个像素值为1的像 素点在神经网络训练过程中输出图像中对应位置的像素值， 为交运算。 6.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 对存在缺陷的机 械零件的灰度图像进行机 械零件区域的像素点标注前， 所述方法还 包括： 获取存在缺陷的机 械零件的表面图像； 将表面图像中像素点在RGB三个通道中像素值的最大值， 作为灰度图像中的像素点的 灰度值。 7.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 二值标注图像中机械零件部分的像素值为1， 且二值标注图像中机械零件以外部分的像素 值为0。 8.根据权利要求1所述的一种用于机械零件异常检测的电数据处理方法， 其特征在于， 根据待测机械零件的边缘图像与标准边缘图像中各对应图像块的相似度， 判断待测机械零 件边缘是否存在缺陷， 包括： 判断相似度是否大于预设相似性阈值， 若判断结果为是， 判定待测机械零件边缘不存 在缺陷， 若判断结果 为否， 判定待测机 械零件边 缘存在缺陷。权　利　要　求　书 2/3 页 3 CN 115049641 A 3