(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 202210963999.4 (22)申请日 2022.08.11 (71)申请人 湖南左元信息科技有限公司 地址 410205 湖南省长 沙市岳麓区观沙岭 街道滨江路53号楷林商务中心A座 1804室 (72)发明人 李元乔　杨沛泉　王温馨　左腊梅　 (74)专利代理 机构 成都初阳知识产权代理事务 所(特殊普通 合伙) 51305 专利代理师 杨继栋 (51)Int.Cl. G01N 21/84(2006.01) G01N 21/25(2006.01) G01N 21/01(2006.01) (54)发明名称 一种基于机器视觉识别和光谱测定的鉴别 系统及方法 (57)摘要 本发明属于鉴别技术领域， 公开了一种基于 机器视觉识别和光谱测定的鉴别系统及方法， 所 述基于机器视觉识别和光谱测定的鉴别系统包 括： 信息采集模块、 中央控制模块、 产品缺陷识别 模块、 有害物测定模块、 质量鉴别模块、 质量综合 评价模块、 云存储模块、 显示模块。 本发 明通过产 品缺陷识别模块采用机器学习的方法， 获得缺陷 的特征信息， 解决了人工数据分析时， 人为主观 因素造成的误判、 漏判等， 提高检测质量， 从而快 速、 准确的实现超声检测数据的自动化分析； 同 时， 通过有害物测定模块无需复杂的样品前处 理， 便可对目标产品样品进行测量； 由于X射线 荧 光光谱的采集时间以及模型计算较 短， 该方法可 对重金属元 素含量进行准确快速无损检测。 权利要求书3页 说明书9页 附图2页 CN 115165885 A 2022.10.11 CN 115165885 A 1.一种基于机器视觉识别和光谱测定的鉴别系统， 其特征在于， 所述基于机器视觉识 别和光谱测定的鉴别系统包括： 信息采集模块、 中央控制模块、 产品缺陷识别 模块、 有害物测定模块、 质量鉴别 模块、 质 量综合评价模块、 云存 储模块、 显示模块； 信息采集模块， 与中央控制模块连接， 用于采集目标产品信息数据； 中央控制模块， 与信息采集模块、 产品缺陷识别 模块、 有害物测定模块、 质量鉴别模块、 质量综合评价模块、 云存 储模块、 显示模块连接， 用于控制各个模块 正常工作； 产品缺陷识别模块， 与中央控制模块连接， 用于通过机器视觉程序对产品缺陷进行识 别； 有害物测定模块， 与中央控制模块连接， 用于通过光谱设备对产品重金属有害物进行 测定； 质量鉴别模块， 与中央控制模块连接， 用于对产品质量进行鉴别； 质量综合评价模块， 与中央控制模块连接， 用于对产品质量进行综合评价； 云存储模块， 与中央控制模块连接， 用于通过云服务器存储产品信息、 缺陷识别结果、 有害物测定结果、 质量 鉴别结果、 评价结果； 显示模块， 与中央控制模块连接， 用于通过显示器显示产品信息、 缺陷识别结果、 有害 物测定结果、 质量 鉴别结果、 评价结果。 2.一种如权利要求1所述的基于机器视觉识别和光谱测定的鉴别方法， 其特征在于， 所 述基于机器视觉识别和光谱测定的鉴别方法包括以下步骤： 步骤一， 通过信息采集模块采集目标产品信息数据； 步骤二， 中央控制模块通过产品缺陷识别模块利用机器视觉程序对产品缺陷进行识 别； 步骤三， 通过有害物测定模块利用光谱设备对产品重金属有害物进行测定； 通过质量 鉴别模块对产品质量进行鉴别； 步骤四， 通过质量综合评价模块对产品质量进行综合评价； 步骤五， 通过云存储模块利用 云服务器存储产品信息、 缺陷识别结果、 有害物测定结 果、 质量鉴别结果、 评价结果； 不同通过显示模块进行显示。 3.如权利要求1所述基于机器视觉识别和光谱测定的鉴别系统， 其特征在于， 所述产品 缺陷识别模块识别方法如下： (1)配置超声波探伤设备工作参数， 通过测试设备测试超声波探伤设备工作状态； 利用 超声波探伤设备获取目标产品的检测数据， 并将检测数据以二进制文件 存储； (2)通过所述二进制文件获取目标产品数据， 构建缺陷正目标产品库和缺陷负 目标产 品库； 对缺陷正目标产品库进行 预处理生成缺陷正目标产品模板文件； (3)通过缺陷正目标产品模板文件、 目标产品匹配算法、 缺陷负目标产品库构建缺陷识 别模型； 通过缺陷识别模型对目标产品缺陷进行识别； 所述利用超声 波探伤设备获取目标产品的检测数据方法： 启动超声波探伤设备， 配置超声波探伤设备参数， 通过超声波探伤设备采用10通道复 合串列式探 头发射和接收宽频超声 波； 利用基于改进阈值函数的小波变换算法对产品超声回波A显数据信号进行降噪， 得到权　利　要　求　书 1/3 页 2 CN 115165885 A 2有效超声回波探伤信号； 从有效超声波探伤信号中采用基于小波模极大值特征提取方法进行超声回波A显数据 信号伤损缺陷的特 征提取； 将提取的伤损缺陷的表征量特征进行归一化处理， 将所有特征数据转换为[0， 1]数据， 将处理后的回波以B型显示的方式显示； 所述利用基于改进阈值函数的小波变换算法对产品超声回波A显数据信号进行降噪， 得到有效超声回波探伤信号是利用小 波变换算法进行降噪处 理的步骤为： 选取小波基函数和小波分解层次N， 对原始数据信号进行N层小波分解， 得到信号的高 频系数和低频系数； 选用改进的阈值 量化函数， 对每一次分解层次中的高频系数进行阈值 化处理； 根据第N层的低频系数和阈值量化的第1层到N层的高频系数进行小波逆变换， 得到重 构信躁分离后的有效超声 波探伤信号； 所述采用10通道复合串列式探头发射和接收宽频超声波是采用Symlet小波系中的 Sym6作为小 波基函数， 进行3层分解； 所述利用基于改进阈值函数的小波变换算法对产品超声回波A显数据信号进行降噪， 得到有效超声回波探伤信号是采用将 硬、 软阈值函数的改进算法作为阈值量化函数对各层 细节系统分别设置阈值， 改进的阈值 量化函数的形式为： 其中： t表示阈值， 式中， N为采样点数， σ为噪声标准方差， J是小波分解的最大层次数， Wjk是J尺度下点K位置的小波变换 系数； 所述伤损缺陷的表征包括:超声回波A显数据信号的方差和幅值以及经3层小波分解后 每层小波系数的时域的方差和幅值分别作为 一组表征量， 共7个表征量。 4.如权利要求3所述基于机器视觉识别和光谱测定的鉴别系统， 其特征在于， 所述超声 波探伤设备按照轴型或轮型， 配置相应的通道和扫查方式获取检测数据。 5.如权利要求3所述基于机器视觉识别和光谱测定的鉴别系统， 其特征在于， 所述通过 所述二进制文件获取目标产品数据， 构建缺陷正目标产品库和缺陷负目标产品库进一步包 括以下步骤： 将所述二进制文件聚类分析； 从聚类分析后的二进制文件中提取图像； 根据缺陷的图像特 征截取缺陷位置图像获取目标产品数据； 缺陷的目标产品数据 形成缺陷正目标产品库， 非缺陷的目标产品数据 形成缺陷负目标权　利　要　求　书 2/3 页 3 CN 115165885 A 3