CN116148268A - 瑕疵检测的方法、装置、电子设备及计算机可读存储介质 - Google Patents

瑕疵检测的方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN116148268A
CN116148268A CN202310430865.0A CN202310430865A CN116148268A CN 116148268 A CN116148268 A CN 116148268A CN 202310430865 A CN202310430865 A CN 202310430865A CN 116148268 A CN116148268 A CN 116148268A
Authority
CN
China
Prior art keywords
detection result
breathable film
area
flaw detection
flaw
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310430865.0A
Other languages
English (en)
Inventor
赵迪
汤寅航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Innovation Qizhi Qingdao Technology Co ltd
Original Assignee
Innovation Qizhi Qingdao Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Innovation Qizhi Qingdao Technology Co ltd filed Critical Innovation Qizhi Qingdao Technology Co ltd
Priority to CN202310430865.0A priority Critical patent/CN116148268A/zh
Publication of CN116148268A publication Critical patent/CN116148268A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Immunology (AREA)
  • Computing Systems (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Mathematical Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请属于检测技术领域，公开了瑕疵检测的方法、装置、电子设备及计算机可读存储介质，该方法包括，对待检测图片进行透气膜检测，获得透气膜局部图像；采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。这样，可以降低耗费的人力成本和时间成本，提高检测准确度。

Description

瑕疵检测的方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及检测技术领域，具体而言，涉及瑕疵检测的方法、装置、电子设备及计算机可读存储介质。
背景技术
在一些输液器检测场景中，通常需要对输液器透气膜进行瑕疵检测。现有技术下，通常采用人工检测的方式，对透气膜进行瑕疵检测。
但是，采用这种方式，会耗费大量的人力成本和时间成本，还可能存在检测误差问题。
发明内容
本申请实施例的目的在于提供瑕疵检测的方法、装置、电子设备及计算机可读存储介质，用以降低耗费的人力成本和时间成本，提高检测准确度。
一方面，提供一种瑕疵检测的方法，包括：
对待检测图片进行透气膜检测，获得透气膜局部图像；
采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
一种实施方式中，对待检测图片进行透气膜检测，获得透气膜局部图像，包括：
采用霍夫圆检测模型，对待检测图片进行透气膜检测；
根据透气膜检测结果，对待检测图片进行分割，获得透气膜局部图像；
根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
一种实施方式中，采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果，包括：
采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得初始检测结果；
若初始检测结果为非指定类别，则将初始检测结果，确定为瑕疵检测结果；
若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果。
一种实施方式中，若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果，包括：
若初始检测结果为划痕，则对透气膜局部图像进行二值化处理，获得二值化图像；
根据二值化图像，确定划痕面积以及透气膜内圆面积；
根据划痕面积以及透气膜内圆面积，确定划痕面积占比；
若确定划痕面积占比高于设定划痕占比阈值，则确定瑕疵检测结果为划痕，否则，确定瑕疵检测结果为合格。
一种实施方式中，若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果，包括：
若初始检测结果为白点，则采用像素点分类模型，对透气膜局部图像中的各像素点进行识别，获得白点面积；
若确定白点面积高于第一面积阈值，则确定瑕疵检测结果为白点；
若确定白点面积不高于第一面积阈值，且不低于第二面积阈值，则确定瑕疵检测结果为极小白点；
若确定白点面积低于第二面积阈值，则确定瑕疵检测结果为合格。
一种实施方式中，若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果，包括：
若初始检测结果为合格，则对透气膜局部图像进行划痕二次检测以及白点二次检测，获得瑕疵检测结果。
一方面，提供一种瑕疵检测的装置，包括：
检测单元，用于对待检测图片进行透气膜检测，获得透气膜局部图像；
获得单元，用于采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
一种实施方式中，检测单元用于：
采用霍夫圆检测模型，对待检测图片进行透气膜检测；
根据透气膜检测结果，对待检测图片进行分割，获得透气膜局部图像；
根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
一种实施方式中，获得单元用于：
采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得初始检测结果；
若初始检测结果为非指定类别，则将初始检测结果，确定为瑕疵检测结果；
若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果。
一种实施方式中，获得单元用于：
若初始检测结果为划痕，则对透气膜局部图像进行二值化处理，获得二值化图像；
根据二值化图像，确定划痕面积以及透气膜内圆面积；
根据划痕面积以及透气膜内圆面积，确定划痕面积占比；
若确定划痕面积占比高于设定划痕占比阈值，则确定瑕疵检测结果为划痕，否则，确定瑕疵检测结果为合格。
一种实施方式中，获得单元用于：
若初始检测结果为白点，则采用像素点分类模型，对透气膜局部图像中的各像素点进行识别，获得白点面积；
若确定白点面积高于第一面积阈值，则确定瑕疵检测结果为白点；
若确定白点面积不高于第一面积阈值，且不低于第二面积阈值，则确定瑕疵检测结果为极小白点；
若确定白点面积低于第二面积阈值，则确定瑕疵检测结果为合格。
一种实施方式中，获得单元用于：
若初始检测结果为合格，则对透气膜局部图像进行划痕二次检测以及白点二次检测，获得瑕疵检测结果。
一方面，提供了一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行如上述任一种瑕疵检测的各种可选实现方式中提供的方法的步骤。
一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时运行如上述任一种瑕疵检测的各种可选实现方式中提供的方法的步骤。
一方面，提供了一种计算机程序产品，计算机程序产品在计算机上运行时，使得计算机执行如上述任一种瑕疵检测的各种可选实现方式中提供的方法的步骤。
本申请实施例提供的瑕疵检测的方法、装置、电子设备及计算机可读存储介质中，对待检测图片进行透气膜检测，获得透气膜局部图像；采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。这样，可以降低耗费的人力成本和时间成本，提高检测准确度。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种瑕疵检测的方法的流程图；
图2为本申请实施例提供的一种瑕疵检测的方法的详细流程图；
图3为本申请实施例提供的一种瑕疵检测的装置的结构框图；
图4为本申请实施方式中一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
终端设备：可以是移动终端、固定终端或便携式终端，例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。还可预见到的是，终端设备能够支持任意类型的针对用户的接口（例如可穿戴设备）等。
服务器：可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
为了可以降低耗费的人力成本和时间成本，提高检测准确度，本申请实施例提供了瑕疵检测的方法、装置、电子设备及计算机可读存储介质。
本申请实施例中，执行主体为电子设备，电子设备可以为服务器，也可以为终端设备。
参阅图1所示，为本申请实施例提供的一种瑕疵检测的方法的流程图，该方法的具体实施流程如下：
步骤100：对待检测图片进行透气膜检测，获得透气膜局部图像；步骤101：采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
一种实施方式中，为提高检测效率，步骤100的实现过程可以包括：
S1001：采用霍夫圆检测模型，对待检测图片进行透气膜检测。
可选的，待检测图片可以为电子设备采集的，也可以为从其它硬件设备接收的。
其中，霍夫圆检测模型是基于霍夫圆算法构建的，霍夫圆算法是一种图像处理技术，其主要特点是能够检测图像中的圆形特征。
这样，就可以检测出透气膜所在的位置。
S1002：根据透气膜检测结果，对待检测图片进行分割，获得透气膜局部图像。
这样，就可以从待检测图片中，切分出透气膜所在位置的小图，即透气膜局部图像。
S1003：根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
其中，透气膜包含内外圆环。透气膜标识框可以为多边形（如，矩形框），是包含内外圆环的框。可选的，图像检测算法可以为yolov5s图像检测算法。
一种实施方式中，为提高检测准确度，步骤101的实现过程可以包括：
S1011：采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得初始检测结果。
可选的，瑕疵分类模型可以是基于MobileNetV3构建的。
其中，初始检测结果以及瑕疵检测结果均可以包括以下至少一种：
合格、白点、多膜、焊化、焊偏、焊轻、划痕、空膜和膜反。
S1012：若初始检测结果为非指定类别，则将初始检测结果，确定为瑕疵检测结果。
S1013：若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果。
一种实施方式中，指定类别包括合格、白点以及划痕，非指定类别包括多膜、焊化、焊偏、焊轻、空膜和膜反。
由于白点以及划痕的瑕疵概率较大，因此，需要对白点以及划痕进行二次检测，以再次确认。
一种实施方式中，S1013的实现过程可以包括以下任一方式：
方式一：为提高检测准确度，若初始检测结果为划痕，则可以进行划痕二次检测，S1013的实现过程可以包括：
若初始检测结果为划痕，则对透气膜局部图像进行二值化处理，获得二值化图像；根据二值化图像，确定划痕面积以及透气膜内圆面积；根据划痕面积以及透气膜内圆面积，确定划痕面积占比；
若确定划痕面积占比高于设定划痕占比阈值，则确定瑕疵检测结果为划痕，否则，确定瑕疵检测结果为合格。
方式二：为提高检测准确度，若初始检测结果为白点，则可以进行白点二次检测，S1013的实现过程可以包括：
若初始检测结果为白点，则采用像素点分类模型，对透气膜局部图像中的各像素点进行识别，获得白点面积；若确定白点面积高于第一面积阈值，则确定瑕疵检测结果为白点；若确定白点面积不高于第一面积阈值，且不低于第二面积阈值，则确定瑕疵检测结果为极小白点；若确定白点面积低于第二面积阈值，则确定瑕疵检测结果为合格。
实际应用中，设定划痕占比阈值（如，0.5）、第一面积阈值以及第二面积阈值，均可以根据实际应用场景进行设置，在此不作限制。
方式三：为提高检测准确度，S1013的实现过程可以包括：
若初始检测结果为合格，则再次对透气膜局部图像进行划痕二次检测以及白点二次检测，获得瑕疵检测结果。
其中，划痕二次检测以及白点二次检测的具体步骤，参见上述方式一以及上述方式二，在此不做赘述。
下面结合图2对上述瑕疵检测的方法的流程进行示例说明。参阅图2所示，为本申请实施例提供的一种瑕疵检测的方法的详细流程图，该方法的具体实施流程如下：
步骤200：获取针对输液器透气膜采集的待检测图片。
其中，待检测图片即为输液器透气膜所在位置的图片。
步骤201：基于霍夫圆检测模型，对待检测图片进行透气膜检测以及裁剪，获得透气膜局部图像。
具体的，基于霍夫圆检测模型检测透气膜在待检测图片中的位置，并基于该位置，从待检测图片中裁剪出包含透气膜的局部图片，即透气膜局部图像。
步骤202：根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
作为一个示例，采用yolov5s图像检测算法，检测并标记出透气膜黑色圆环的内外环框即透气膜标识框，获得包含透气膜标识框的透气膜局部图像。
步骤203：采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得初始检测结果。
作为一个示例，基于MobileNetV3构建瑕疵分类模型，并通过瑕疵分类模型初步识别透气膜局部图像的瑕疵类别，获得初始检测结果。
步骤204：若初始检测结果为非指定类别，则将初始检测结果，确定为瑕疵检测结果。
步骤205：若初始检测结果为划痕，则根据划痕面积占比进行划痕二次检测，获得瑕疵检测结果。
步骤206：若初始检测结果为白点，则根据白点面积进行白点二次检测，获得瑕疵检测结果。
步骤207：若初始检测结果为合格，则再次对透气膜局部图像进行划痕二次检测以及白点二次检测，获得瑕疵检测结果。
具体的，步骤200-步骤207的具体步骤，参见上述步骤100-步骤101，在此不做赘述。
本申请实施例中，将深度学习算法应用于实际生产线上的输液器透气膜瑕疵检测，提高了瑕疵检测效率，能够最大程度上降低瑕疵检测的误杀，节省了人工成本和时间成本，使得企业达到了降本增效的效果。基于同一发明构思，本申请实施例中还提供了一种瑕疵检测的装置，由于上述装置及设备解决问题的原理与一种瑕疵检测的方法相似，因此，上述装置的实施可以参见方法的实施，重复之处不再赘述。
如图3所示，其为本申请实施例提供的一种瑕疵检测的装置的结构框图，包括：
检测单元301，用于对待检测图片进行透气膜检测，获得透气膜局部图像；
获得单元302，用于采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
一种实施方式中，检测单元301用于：
采用霍夫圆检测模型，对待检测图片进行透气膜检测；
根据透气膜检测结果，对待检测图片进行分割，获得透气膜局部图像；
根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
一种实施方式中，获得单元302用于：
采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得初始检测结果；
若初始检测结果为非指定类别，则将初始检测结果，确定为瑕疵检测结果；
若初始检测结果为指定类别，则根据初始检测结果，对透气膜局部图像进行二次检测，获得瑕疵检测结果。
一种实施方式中，获得单元302用于：
若初始检测结果为划痕，则对透气膜局部图像进行二值化处理，获得二值化图像；
根据二值化图像，确定划痕面积以及透气膜内圆面积；
根据划痕面积以及透气膜内圆面积，确定划痕面积占比；
若确定划痕面积占比高于设定划痕占比阈值，则确定瑕疵检测结果为划痕，否则，确定瑕疵检测结果为合格。
一种实施方式中，获得单元302用于：
若初始检测结果为白点，则采用像素点分类模型，对透气膜局部图像中的各像素点进行识别，获得白点面积；
若确定白点面积高于第一面积阈值，则确定瑕疵检测结果为白点；
若确定白点面积不高于第一面积阈值，且不低于第二面积阈值，则确定瑕疵检测结果为极小白点；
若确定白点面积低于第二面积阈值，则确定瑕疵检测结果为合格。
一种实施方式中，获得单元302用于：
若初始检测结果为合格，则对透气膜局部图像进行划痕二次检测以及白点二次检测，获得瑕疵检测结果。
本申请实施例提供的瑕疵检测的方法、装置、电子设备及计算机可读存储介质中，对待检测图片进行透气膜检测，获得透气膜局部图像；采用瑕疵分类模型，对透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。这样，可以降低耗费的人力成本和时间成本，提高检测准确度。
图4示出了一种电子设备4000的结构示意图。参阅图4所示，电子设备4000包括：处理器4010以及存储器4020，可选的，还可以包括电源4030、显示单元4040、输入单元4050。
处理器4010是电子设备4000的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在存储器4020内的软件程序和/或数据，执行电子设备4000的各种功能，从而对电子设备4000进行整体监控。
本申请实施例中，处理器4010调用存储器4020中存储的计算机程序时执行上述实施例中的各个步骤。
可选的，处理器4010可包括一个或多个处理单元；优选的，处理器4010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器4010中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
存储器4020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、各种应用等；存储数据区可存储根据电子设备4000的使用所创建的数据等。此外，存储器4020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
电子设备4000还包括给各个部件供电的电源4030（比如电池），电源可以通过电源管理系统与处理器4010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元4040可用于显示由用户输入的信息或提供给用户的信息以及电子设备4000的各种菜单等，本发明实施例中主要用于显示电子设备4000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元4040可以包括显示面板4041。显示面板4041可以采用液晶显示屏（Liquid Crystal Display，LCD）、有机发光二极管（Organic Light-Emitting Diode，OLED）等形式来配置。
输入单元4050可用于接收用户输入的数字或字符等信息。输入单元4050可包括触控面板4051以及其他输入设备4052。其中，触控面板4051，也称为触摸屏，可收集用户在其上或附近的触摸操作（比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板4051上或在触控面板4051附近的操作）。
具体的，触控面板4051可以检测用户的触摸操作，并检测触摸操作带来的信号，将这些信号转换成触点坐标，发送给处理器4010，并接收处理器4010发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板4051。其他输入设备4052可以包括但不限于物理键盘、功能键（比如音量控制按键、开关机按键等）、轨迹球、鼠标、操作杆等中的一种或多种。
当然，触控面板4051可覆盖显示面板4041，当触控面板4051检测到在其上或附近的触摸操作后，传送给处理器4010以确定触摸事件的类型，随后处理器4010根据触摸事件的类型在显示面板4041上提供相应的视觉输出。虽然在图4中，触控面板4051与显示面板4041是作为两个独立的部件来实现电子设备4000的输入和输出功能，但是在某些实施例中，可以将触控面板4051与显示面板4041集成而实现电子设备4000的输入和输出功能。
电子设备4000还可包括一个或多个传感器，例如压力传感器、重力加速度传感器、接近光传感器等。当然，根据具体应用中的需要，上述电子设备4000还可以包括摄像头等其它部件，由于这些部件不是本申请实施例中重点使用的部件，因此，在图4中没有示出，且不再详述。
本领域技术人员可以理解，图4仅仅是电子设备的举例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
本申请实施例中，一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使得通信设备可以执行上述实施例中的各个步骤。
为了描述的方便，以上各部分按照功能划分为各模块（或单元）分别描述。当然，在实施本申请时可以把各模块（或单元）的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (14)

1.一种瑕疵检测的方法，其特征在于，包括：
对待检测图片进行透气膜检测，获得透气膜局部图像；
采用瑕疵分类模型，对所述透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
2.如权利要求1所述的方法，其特征在于，所述对待检测图片进行透气膜检测，获得透气膜局部图像，包括：
采用霍夫圆检测模型，对待检测图片进行透气膜检测；
根据透气膜检测结果，对所述待检测图片进行分割，获得透气膜局部图像；
根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
3.如权利要求1或2所述的方法，其特征在于，所述采用瑕疵分类模型，对所述透气膜局部图像进行瑕疵检测，获得瑕疵检测结果，包括：
采用瑕疵分类模型，对所述透气膜局部图像进行瑕疵检测，获得初始检测结果；
若所述初始检测结果为非指定类别，则将所述初始检测结果，确定为所述瑕疵检测结果；
若所述初始检测结果为指定类别，则根据所述初始检测结果，对所述透气膜局部图像进行二次检测，获得所述瑕疵检测结果。
4.如权利要求3所述的方法，其特征在于，所述若所述初始检测结果为指定类别，则根据所述初始检测结果，对所述透气膜局部图像进行二次检测，获得所述瑕疵检测结果，包括：
若所述初始检测结果为划痕，则对所述透气膜局部图像进行二值化处理，获得二值化图像；
根据所述二值化图像，确定划痕面积以及透气膜内圆面积；
根据所述划痕面积以及所述透气膜内圆面积，确定划痕面积占比；
若确定所述划痕面积占比高于设定划痕占比阈值，则确定所述瑕疵检测结果为划痕，否则，确定所述瑕疵检测结果为合格。
5.如权利要求4所述的方法，其特征在于，所述若所述初始检测结果为指定类别，则根据所述初始检测结果，对所述透气膜局部图像进行二次检测，获得所述瑕疵检测结果，包括：
若所述初始检测结果为白点，则采用像素点分类模型，对所述透气膜局部图像中的各像素点进行识别，获得白点面积；
若确定所述白点面积高于第一面积阈值，则确定所述瑕疵检测结果为白点；
若确定所述白点面积不高于所述第一面积阈值，且不低于第二面积阈值，则确定所述瑕疵检测结果为极小白点；
若确定所述白点面积低于所述第二面积阈值，则确定所述瑕疵检测结果为合格。
6.如权利要求5所述的方法，其特征在于，所述若所述初始检测结果为指定类别，则根据所述初始检测结果，对所述透气膜局部图像进行二次检测，获得所述瑕疵检测结果，包括：
若所述初始检测结果为合格，则对所述透气膜局部图像进行划痕二次检测以及白点二次检测，获得所述瑕疵检测结果。
7.一种瑕疵检测的装置，其特征在于，包括：
检测单元，用于对待检测图片进行透气膜检测，获得透气膜局部图像；
获得单元，用于采用瑕疵分类模型，对所述透气膜局部图像进行瑕疵检测，获得瑕疵检测结果。
8.如权利要求7所述的装置，其特征在于，所述检测单元用于：
采用霍夫圆检测模型，对待检测图片进行透气膜检测；
根据透气膜检测结果，对所述待检测图片进行分割，获得透气膜局部图像；
根据图像检测算法，对透气膜局部图像进行内外圆环检测，获得包含透气膜标识框的透气膜局部图像。
9.如权利要求7或8所述的装置，其特征在于，所述获得单元用于：
采用瑕疵分类模型，对所述透气膜局部图像进行瑕疵检测，获得初始检测结果；
若所述初始检测结果为非指定类别，则将所述初始检测结果，确定为所述瑕疵检测结果；
若所述初始检测结果为指定类别，则根据所述初始检测结果，对所述透气膜局部图像进行二次检测，获得所述瑕疵检测结果。
10.如权利要求9所述的装置，其特征在于，所述获得单元用于：
若所述初始检测结果为划痕，则对所述透气膜局部图像进行二值化处理，获得二值化图像；
根据所述二值化图像，确定划痕面积以及透气膜内圆面积；
根据所述划痕面积以及所述透气膜内圆面积，确定划痕面积占比；
若确定所述划痕面积占比高于设定划痕占比阈值，则确定所述瑕疵检测结果为划痕，否则，确定所述瑕疵检测结果为合格。
11.如权利要求10所述的装置，其特征在于，所述获得单元用于：
若所述初始检测结果为白点，则采用像素点分类模型，对所述透气膜局部图像中的各像素点进行识别，获得白点面积；
若确定所述白点面积高于第一面积阈值，则确定所述瑕疵检测结果为白点；
若确定所述白点面积不高于所述第一面积阈值，且不低于第二面积阈值，则确定所述瑕疵检测结果为极小白点；
若确定所述白点面积低于所述第二面积阈值，则确定所述瑕疵检测结果为合格。
12.如权利要求11所述装置，其特征在于，所述获得单元用于：
若所述初始检测结果为合格，则对所述透气膜局部图像进行划痕二次检测以及白点二次检测，获得所述瑕疵检测结果。
13.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-6任一所述方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-6任一所述方法。
CN202310430865.0A 2023-04-21 2023-04-21 瑕疵检测的方法、装置、电子设备及计算机可读存储介质 Pending CN116148268A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310430865.0A CN116148268A (zh) 2023-04-21 2023-04-21 瑕疵检测的方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310430865.0A CN116148268A (zh) 2023-04-21 2023-04-21 瑕疵检测的方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116148268A true CN116148268A (zh) 2023-05-23

Family

ID=86339218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310430865.0A Pending CN116148268A (zh) 2023-04-21 2023-04-21 瑕疵检测的方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116148268A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000092319A (ja) * 1998-09-17 2000-03-31 Dainippon Screen Mfg Co Ltd 画像上の傷部分判定装置、方法および記憶媒体
CN101696943A (zh) * 2009-11-13 2010-04-21 无锡众望四维科技有限公司 机器视觉系统对医用手术刀瑕疵的在线检测方法
JP2016061759A (ja) * 2014-09-22 2016-04-25 横浜ゴム株式会社 ワークの検査方法および検査装置
CN106408555A (zh) * 2015-12-27 2017-02-15 华南理工大学 一种基于图像视觉的轴承表面瑕疵检测方法
CN110261410A (zh) * 2019-05-24 2019-09-20 西安交通大学 一种玻璃透镜缺陷的检测装置及方法
CN112102278A (zh) * 2020-09-11 2020-12-18 天津科技大学 一种基于计算机视觉的金属工件加工面缺陷检测方法
CN113158969A (zh) * 2021-05-10 2021-07-23 上海畅选科技合伙企业(有限合伙) 一种苹果外观缺陷识别系统及方法
CN113325001A (zh) * 2021-04-12 2021-08-31 浙江花园新能源有限公司 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法
CN113850791A (zh) * 2021-09-28 2021-12-28 哈尔滨工业大学 一种基于两阶段MobileNet的卫浴陶瓷缺陷检测方法
CN114428110A (zh) * 2022-01-27 2022-05-03 东华大学 一种轴承套圈荧光磁粉探伤图像缺陷检测方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000092319A (ja) * 1998-09-17 2000-03-31 Dainippon Screen Mfg Co Ltd 画像上の傷部分判定装置、方法および記憶媒体
CN101696943A (zh) * 2009-11-13 2010-04-21 无锡众望四维科技有限公司 机器视觉系统对医用手术刀瑕疵的在线检测方法
JP2016061759A (ja) * 2014-09-22 2016-04-25 横浜ゴム株式会社 ワークの検査方法および検査装置
CN106408555A (zh) * 2015-12-27 2017-02-15 华南理工大学 一种基于图像视觉的轴承表面瑕疵检测方法
CN110261410A (zh) * 2019-05-24 2019-09-20 西安交通大学 一种玻璃透镜缺陷的检测装置及方法
CN112102278A (zh) * 2020-09-11 2020-12-18 天津科技大学 一种基于计算机视觉的金属工件加工面缺陷检测方法
CN113325001A (zh) * 2021-04-12 2021-08-31 浙江花园新能源有限公司 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法
CN113158969A (zh) * 2021-05-10 2021-07-23 上海畅选科技合伙企业(有限合伙) 一种苹果外观缺陷识别系统及方法
CN113850791A (zh) * 2021-09-28 2021-12-28 哈尔滨工业大学 一种基于两阶段MobileNet的卫浴陶瓷缺陷检测方法
CN114428110A (zh) * 2022-01-27 2022-05-03 东华大学 一种轴承套圈荧光磁粉探伤图像缺陷检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
彭青枫: "基于机器视觉的防水透气膜智能检测系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, pages 20 - 31 *
邵伟等: "工件表面低对比度缺陷快速准确识别方法", 《计量学报》, vol. 40, no. 5, pages 793 - 797 *

Similar Documents

Publication Publication Date Title
US11537450B2 (en) Method, apparatus, and mobile terminal for associating notification messages
CN116168038B (zh) 一种图像翻拍检测的方法、装置、电子设备及存储介质
US9843670B2 (en) Method and apparatus for setting color ring back tone and determining color ring back tone music
CN103729636A (zh) 字符切割方法、装置及电子设备
CN114693673A (zh) 玻璃检测的方法、装置、电子设备及计算机可读存储介质
US8718374B2 (en) Method and apparatus for accessing an electronic resource based upon a hand-drawn indicator
CN107896180A (zh) 设备间协同处理事件的方法、设备、系统与存储介质
KR20160059455A (ko) 웹 페이지 인코딩 인식 방법, 인식 장치, 프로그램 및 저장매체
CN106504050A (zh) 一种信息比对装置及方法
CN111027854A (zh) 一种基于企业大数据的综合画像指数生成方法及相关设备
CN108595481A (zh) 一种通知消息显示方法及终端设备
CN111680686A (zh) 招牌信息识别方法、装置、终端及存储介质
CN110196833A (zh) 应用程序的搜索方法、装置、终端及存储介质
US20140195951A1 (en) Method for managing schedule and electronic device thereof
CN114943978B (zh) 一种表格重建的方法及电子设备
CN114937027B (zh) 风机叶片缺陷检测的方法、装置、电子设备及存储介质
CN116148268A (zh) 瑕疵检测的方法、装置、电子设备及计算机可读存储介质
CN114547242A (zh) 一种问卷调研的方法、装置、电子设备及可读存储介质
CN113922998A (zh) 一种漏洞风险评估方法、装置、电子设备及可读存储介质
CN113705722B (zh) 一种操作系统版本识别的方法、装置、设备和介质
CN107831896B (zh) 音频信息播放方法、装置、存储介质及电子设备
CN116206161A (zh) 一种水位线测量的方法、装置、电子设备及存储介质
CN111382148A (zh) 一种船舶信息管理方法、终端设备及计算机可读介质
CN115147856B (zh) 一种表格信息提取的方法及电子设备
CN115346217A (zh) 文字行检测的方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination