CN116468687A - 划伤缺陷检测方法、装置及存储介质、电子设备 - Google Patents
划伤缺陷检测方法、装置及存储介质、电子设备 Download PDFInfo
- Publication number
- CN116468687A CN116468687A CN202310400103.6A CN202310400103A CN116468687A CN 116468687 A CN116468687 A CN 116468687A CN 202310400103 A CN202310400103 A CN 202310400103A CN 116468687 A CN116468687 A CN 116468687A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- defect
- target product
- scratch
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 179
- 238000001514 detection method Methods 0.000 title claims abstract description 124
- 238000009795 derivation Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 12
- 230000004069 differentiation Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种划伤缺陷检测方法、装置及存储介质、电子设备,该方法包括:获取待检测图像;对所述待检测图像进行梯度求导,提取所述待检测图像中目标产品的边缘轮廓,确定目标检测区域;对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷。利用梯度求导计算灰度差,去除边缘模糊像素,并对边缘轮廓进行增强,以提取到待检测图像中目标产品的真实准确的边缘轮廓,进而对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
Description
技术领域
本发明涉及缺陷检测技术领域,尤其设一种划伤缺陷检测方法、装置及存储介质、电子设备。
背景技术
在光学成像理想,得到的图像边缘较为清晰的情况下,可以直接通过边缘检测算法直接提取出图像中产品的轮廓。但是经常遇到的问题是光学成像不理想,或者相机分辨率不够,导致边缘扩散严重找不到真实边缘,无法利用边缘检测算法提取产品的真实轮廓。提取不到产品的真实轮廓导致在对产品进行缺陷检测时,无法准确检测出产品存在的缺陷。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种划伤缺陷检测方法,可以提取到待检测图像中目标产品的真实准确的边缘轮廓,对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
本发明的第二个目的在于提出一种划伤缺陷检测装置。
本发明的第三个目的在于提出一种计算机可读存储介质。
本发明的第四个目的在于提出一种电子设备。
为达到上述目的,本发明第一方面实施例提出一种划伤缺陷检测方法,所述方法包括:获取待检测图像;对所述待检测图像进行梯度求导,提取所述待检测图像中目标产品的边缘轮廓,确定目标检测区域;对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷。
根据本发明实施例的划伤缺陷检测方法,利用梯度求导计算灰度差,去除边缘模糊像素,并对边缘轮廓进行增强,以提取到待检测图像中目标产品的真实准确的边缘轮廓,进而对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
另外,根据本发明上述实施例提出的划伤缺陷检测方法还可以具有如下附加的技术特征:
根据本发明的一个实施例,对所述待检测图像进行梯度求导,提取所述待检测图像中所述目标产品的边缘轮廓,确定目标检测区域之前,所述方法还包括:获取所述目标产品的模板图像;根据所述模板图像和所述待检测图像之间的位置关系,确定所述模板图像和所述待检测图像之间的旋转系数和平移系数;根据所述旋转系数和所述平移系数,对所述待检测图像进行矫正。
根据本发明的一个实施例,对所述待检测图像进行梯度求导,提取所述待检测图像中所述目标产品的边缘轮廓,确定目标检测区域,包括:获取所述模板图像中的初检测区域;根据所述初检测区域和所述旋转系数和所述平移系数,确定所述待检测图像中的初检测区域,对所述初检测区域进行梯度求导,提取所述初检测区域中所述目标产品的边缘轮廓,确定目标检测区域。
根据本发明的一个实施例,对所述初检测区域进行梯度求导,提取所述初检测区域中所述目标产品的边缘轮廓,包括:计算所述初检测区域中各像素点之间的灰度差,并根据各所述灰度差构造连续灰度值的一维函数;利用所述连续灰度值的一维函数计算所述待检测图像中每一像素点在x方向与y方向的二次偏微分;对于所述待检测图像中每一像素点,当该像素点在x方向与y方向的二次偏微分值均为负时,将该像素点的灰度值进行膨胀;当该像素点在x方向与y方向的二次偏微分值均为正时,将该像素点的灰度值进行腐蚀,得到所述目标产品的边缘轮廓。
根据本发明的一个实施例,对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷,包括:根据所述目标检测区域中的相邻像素点之间的灰度差进行梯度求导,得到相邻像素点之间极大值;若所述极大值大于预设阈值,则将对应的像素点记为划伤缺陷点;根据所述划伤缺陷点确定划伤缺陷区域。
根据本发明的一个实施例,所述方法还包括:对各所述划伤缺陷区域进行预设像素个数的扩增,对扩增后的划伤缺陷区域进行锐化;计算各锐化后的划伤缺陷区域的缺陷尺寸;利用欧氏距离计算各所述各锐化后的划伤缺陷区域的长度值和宽度值;根据各所述划伤缺陷区域的缺陷尺寸、长度值和宽度值,确定真实划伤缺陷区域。
根据本发明的一个实施例,所述方法还包括:获取各所述真实划伤缺陷区域的位置和缺陷尺寸;将各所述真实划伤缺陷区域的位置和缺陷尺寸与所述模板图像中的各实际缺陷区域的位置和缺陷尺寸进行对标;根据对标结果确定所述目标产品是否合格。
为达到上述目的,本发明第二方面实施例提出了一种划伤缺陷检测装置,所述装置包括:获取模块,用于获取目标产品的待检测图像;提取模块,用于对所述待检测图像进行梯度求导,提取所述待检测图像中所述目标产品的边缘轮廓,确定目标检测区域;检测模块,用于对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷。
为达到上述目的,本发明第三方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如本发明第一方面实施例提出的划伤缺陷检测方法。
为达到上述目的,本发明第四方面实施例提出了一种电子设备,包括存储器、处理器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如本发明第一方面实施例提出的划伤缺陷检测方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是本发明一实施例的划伤缺陷检测方法的流程图;
图2(a)、图2(b)、图2(c)示出了待检测图像中目标产品边缘较为清晰的具体示意图;
图3(a)和图3(b)示出了待检测图像中目标产品边缘存在扩散的具体示意图;
图4是本发明一实施例的对待检测图像进行矫正的流程图;
图5是本发明一实施例的确定目标检测区域的流程图;
图6示出了初检测区域与目标产品真实边缘轮廓以及局部轮廓的放大图;
图7是本发明又一实施例的确定目标检测区域的流程图;
图8是本发明一实施例的确定目标产品的划伤缺陷的流程图;
图9是本发明另一实施例的划伤缺陷检测方法的流程图;
图10(a)示出了扩增后的划伤缺陷区域未经过锐化增强前的效果图;
图10(b)示出了扩增后的划伤缺陷区域经过锐化增强后的效果图;
图11是本发明又一实施例的划伤缺陷检测方法的流程图;
图12是本发明一实施例的划伤缺陷检测装置的示意图;
图13是本发明实施例的电子设备的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合说明书附图1-13以及具体的实施方式对本发明实施例的划伤缺陷检测方法、装置及存储介质、电子设备进行详细说明。
图1是本发明一实施例的划伤缺陷检测方法的流程图。如图1所示,划伤缺陷检测方法可包括:
S1,获取待检测图像。
具体地,可采用工业相机采集目标产品的图像,以通过工业相机获取待检测图像。其中,图2(a)、图2(b)、图2(c)示出了待检测图像中目标产品边缘较为清晰的具体示意图;图3(a)和图3(b)示出了待检测图像中目标产品边缘存在扩散的具体示意图。当待检测图像中目标产品边缘存在扩散时,无法利用边缘检测算法提取目标产品边缘。本发明实施例通过对待检测图像进行梯度求导,提取待检测图像中目标产品真实的边缘轮廓。
在本发明的一个具体实施例中,工业相机可采用8K线扫相机,其对应的相机视野范围为200mm×900mm。
在本发明的一个实施例中,如图4所示,对待检测图像进行梯度求导,提取待检测图像中目标产品的边缘轮廓,确定目标检测区域之前,划伤缺陷检测方法还可包括:
S101,获取目标产品的模板图像;
S102,根据模板图像和待检测图像之间的位置关系,确定模板图像和待检测图像之间的旋转系数和平移系数;
S103,根据旋转系数和平移系数,对待检测图像进行矫正。
为使目标产品与真实产品进行对标,即判断目标产品中存在的缺陷是否在真实产品的标准范围内,在确定目标检测区域,以及对目标检测区域进行缺陷检测之前,对待检测图像进行矫正。使待检测图像中目标产品轮廓与模板图像中产品轮廓大小方向均一致,以便于计算得到目标产品上缺陷区域的真实缺陷面积,以与模板图像中的缺陷进行对标,确定目标产品是否合格。
具体地,获取模板图像中产品轮廓的顶点坐标,示例性的,当目标产品为手机屏时,获取模板图像中产品轮廓的四个顶点坐标。同理,获取待检测图像中目标产品轮廓的顶点坐标。根据模板图像中产品轮廓的顶点坐标和待检测图像中目标产品轮廓的顶点坐标,计算模板图像与待检测图像之间的映射矩阵,确定模板图像和待检测图像之间的旋转系数和平移系数,并根据旋转系数和平移系数对待检测图像进行矫正,使待检测图像中目标产品轮廓与模板图像中产品轮廓大小方向均一致。
S2,对待检测图像进行梯度求导,提取待检测图像中目标产品的边缘轮廓,确定目标检测区域。
具体地,为提高提取目标产品的边缘轮廓效率,可进一步从待检测图像中获取初检测区域,对初检测区域进行梯度求导,以降低计算量,以及提高提取目标产品的边缘轮廓效率。
需要说明的是,初检测区域中可包含目标产品的全部区域,也可仅包括具有目标产品边缘的局部区域。以对目标产品的全部区域或局域区域的缺陷进行检测。
在本发明的一个实施例中,如图5所示,对待检测图像进行梯度求导,提取待检测图像中目标产品的边缘轮廓,确定目标检测区域,可包括:
S21,获取模板图像中的初检测区域;
S22,根据初检测区域和旋转系数和平移系数,确定待检测图像中的初检测区域,对初检测区域进行梯度求导,提取初检测区域中目标产品的边缘轮廓,确定目标检测区域。
具体地,可在模板图像中粗略地绘制一个初检测区域,以根据初检测区域和旋转系数和平移系数,确定待检测图像中的初检测区域,对初检测区域进行梯度求导,提取初检测区域中目标产品的边缘轮廓,确定目标检测区域。其中,图6示出了初检测区域与目标产品真实边缘轮廓以及局部轮廓的放大图。
在本发明的一个实施例中,如图7所示,对初检测区域进行梯度求导,提取初检测区域中目标产品的边缘轮廓,包括:
S221,计算初检测区域中各像素点之间的灰度差,并根据各灰度差构造连续灰度值的一维函数;
S222,利用连续灰度值的一维函数计算待检测图像中每一像素点在x方向与y方向的二次偏微分;
S223,对于初检测区域中每一像素点,当该像素点在x方向与y方向的二次偏微分值均为负时,将该像素点的灰度值进行膨胀;当该像素点在x方向与y方向的二次偏微分值均为正时,将该像素点的灰度值进行腐蚀,得到目标产品的边缘轮廓。
具体地,计算初检测区域中各像素点之间的灰度差,根据各灰度差构造连续灰度值的一维函数。利用连续灰度值的一维函数计算待检测图像中每一像素点在x方向与y方向的二次偏微分。对于待检测图像中每一像素点,当该像素点在x方向与y方向的二次偏微分值均为负,将该边缘像素的灰度值进行膨胀;当该像素点在x方向与y方向的二次偏微分值为正时,将边缘像素的灰度值进行腐蚀,如此既能消除边缘模糊不清的影响,亦能凸显出真实边缘轮廓,而且不会造成真实边缘的缺少。
S3,对目标检测区域进行缺陷检测,确定目标产品的划伤缺陷。
在本发明的一个实施例中,如图8所示,对目标检测区域进行缺陷检测,确定目标产品的划伤缺陷,包括:
S31,根据目标检测区域中的相邻像素点之间的灰度差进行梯度求导,得到相邻像素点之间极大值;
S32,若极大值大于预设阈值,则将对应的像素点记为划伤缺陷点;
S33,根据划伤缺陷点确定划伤缺陷区域。
具体地,利用获取到的目标检测区域,对整个目标检测区域进行梯度求导(梯度指的是相邻像素灰度差),根据目标检测区域中相邻像素点对应的灰度值,作为一个连续的一维函数,对一维函数进行求导,进而可以获取到极大值点(相邻像素点之间的最大灰度差),如果最大灰度差(极大值)比预设阈值大则将对应的像素点记为划伤缺陷点。根据确定的划伤缺陷点即可确定目标检测区域中划伤缺陷区域。
在本发明的一个实施例中,如图9所示,划伤缺陷检测方法还可包括:
S41,对各划伤缺陷区域进行预设像素个数的扩增,对扩增后的划伤缺陷区域进行锐化;
S42,计算各锐化后的划伤缺陷区域的缺陷尺寸;
S43,利用欧氏距离计算各锐化后的划伤缺陷区域的长度值和宽度值;
S44,根据各划伤缺陷区域的缺陷尺寸、长度值和宽度值,确定真实划伤缺陷区域。
由于产品表面会有一些毛丝等非缺陷的干扰,从图像上看毛丝与条状缺陷(直划伤缺陷)区别在于直划伤缺陷一般为直线,而毛丝一般为弯曲形状,通过计算缺陷区域的长宽比以及面积值可以过滤掉大部分毛丝干扰。
具体地,对各划伤缺陷区域进行预设像素个数,如一个像素的扩增,增加各划伤缺陷区域廓一圈的像素个数,再对扩增后的划伤缺陷区域进行锐化增强,计算各锐化后的划伤缺陷区域的缺陷尺寸,以获取到较准确的缺陷尺寸。其中,对扩增后的划伤缺陷区域进行锐化增强时,可根据缺陷区域的轮廓大小确定滤波核尺寸,利用对应滤波核尺寸的滤波核对扩增后的划伤缺陷区域进行锐化,扩增后的划伤缺陷区域未经过锐化增强前与经过增强后的效果图如图10(a)、图10(b)所示。
计算各锐化后的划伤缺陷区域的缺陷尺寸时,可累加锐化后的划伤缺陷区域的像素个数获取到锐化后的划伤缺陷区域的面积值。通过欧氏距离公式计算锐化后的划伤缺陷区域的长度值和宽度值。以根据锐化后的划伤缺陷区域的面积值、长度值和宽度值,确定锐化后的划伤缺陷区域是否为直划伤。具体地,根据得到的长度值和宽度值计算出对应的面积值,将根据长度值和宽度值计算出的面积值与锐化后的划伤缺陷区域的真实面积值进行比较。若根据长度值和宽度值计算出的面积值大于真实面积值的预设范围,则该划伤缺陷区域记为毛丝干扰。
在本发明的实施例中,还可根据锐化后的划伤缺陷区域,获取不规则缺陷的真实长度值和宽度值,再计算锐化后的划伤缺陷区域边缘像素点的累加个数,确定缺陷的周长值,进而获取长宽比=长度值/周长值,以根据长宽比确定锐化后的划伤缺陷区域是否为直划伤。具体地的,将得到的长宽比与预设值进行比较,若长宽比大于预设值,则确定该划伤缺陷区域记为毛丝干扰。
在本发明的一个实施例中,如图11所示,划伤缺陷检测方法还包括:
S51,获取各真实划伤缺陷区域的位置和缺陷尺寸;
S52,将各真实划伤缺陷区域的位置和缺陷尺寸与模板图像中的各实际缺陷区域的位置和缺陷尺寸进行对标;
S53,根据对标结果确定目标产品是否合格。
具体地,将各真实划伤缺陷区域的位置和缺陷尺寸与模板图像中的各实际缺陷区域的位置和缺陷尺寸进行对标。若各真实划伤缺陷区域的位置和缺陷尺寸与模板图像中的各实际缺陷区域的位置和缺陷尺寸一致,或者真实划伤缺陷区域的个数少于模板图像中的各实际缺陷区域,或者对应的缺陷尺寸小于模板图像中的各实际缺陷区域的缺陷尺寸,则判定目标产品合格,可通过验收。否则,判定不合格,不能通过验收。其中,在目标产品的生产过程中,可实施监测检测结果,以根据检测结果调整生产线,提高目标产品的合格率。
本发明实施例的划伤缺陷检测方法,利用梯度求导计算灰度差,去除边缘模糊像素,并对边缘轮廓进行增强,以提取到待检测图像中目标产品的真实准确的边缘轮廓,进而对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
本发明提出一种划伤缺陷检测装置。
图12是本发明一实施例的划伤缺陷检测装置的示意图。如图12所示,划伤缺陷检测装置100可包括获取模块10、提取模块20和检测模块30。其中,获取模块10用于获取目标产品的待检测图像;提取模块20用于对待检测图像进行梯度求导,提取待检测图像中目标产品的边缘轮廓,确定目标检测区域;检测模块30用于对目标检测区域进行缺陷检测,确定目标产品的划伤缺陷。
需要说明的是,本发明实施例提供的划伤缺陷检测装置的其他具体实施方式可参见本发明上述实施例的划伤缺陷检测方法的其他具体实施方式。
本发明实施例的划伤缺陷检测装置,利用梯度求导计算灰度差,去除边缘模糊像素,并对边缘轮廓进行增强,以提取到待检测图像中目标产品的真实准确的边缘轮廓,进而对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
本发明提出一种计算机可读存储介质。
在该实施例中,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现如上述的划伤缺陷检测方法。
本发明提出一种电子设备。
在该实施例中,电子设备500可包括存储器503、处理器501,存储器501上存储有计算机程序,计算机程序被处理器执行时,实现如上述的划伤缺陷检测方法。
图13是本发明实施例的电子设备的结构框图。如图13所示,电子设备500包括:处理器501和存储器503。其中,处理器501和存储器503相连,如通过总线502相连。可选地,电子设备500还可以包括收发器504。需要说明的是,实际应用中收发器504不限于一个,该电子设备500的结构并不构成对本发明实施例的限定。
处理器501可以是CPU(CentralProcessingUnit,中央处理器),通用处理器,DSP(DigitalSignalProcessor,数据信号处理器),ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路),FPGA(FieldProgrammableGateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框、模块和电路。处理器501也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线502可包括一通路,在上述组件之间传送信息。总线502可以是PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture,扩展工业标准结构)总线等。总线502可以分为地址总线、数据总线、控制总线等。为便于表示,图13中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器503用于存储与本发明上述实施例的划伤缺陷检测方法对应的计算机程序,该计算机程序由处理器501来控制执行。处理器501用于执行存储器503中存储的计算机程序,以实现前述方法实施例所示的内容。
本发明实施例的计算机可读存储介质、电子设备,利用梯度求导计算灰度差,去除边缘模糊像素,并对边缘轮廓进行增强,以提取到待检测图像中目标产品的真实准确的边缘轮廓,进而对边缘轮廓内的区域进行缺陷检测,提高缺陷检测的准确率。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种划伤缺陷检测方法,其特征在于,所述方法包括:
获取待检测图像;
对所述待检测图像进行梯度求导,提取所述待检测图像中目标产品的边缘轮廓,确定目标检测区域;
对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷。
2.根据权利要求1所述的划伤缺陷检测方法,其特征在于,对所述待检测图像进行梯度求导,提取所述待检测图像中所述目标产品的边缘轮廓,确定目标检测区域之前,所述方法还包括:
获取所述目标产品的模板图像;
根据所述模板图像和所述待检测图像之间的位置关系,确定所述模板图像和所述待检测图像之间的旋转系数和平移系数;
根据所述旋转系数和所述平移系数,对所述待检测图像进行矫正。
3.根据权利要求2所述的划伤缺陷检测方法,其特征在于,对所述待检测图像进行梯度求导,提取所述待检测图像中所述目标产品的边缘轮廓,确定目标检测区域,包括:
获取所述模板图像中的初检测区域;
根据所述初检测区域和所述旋转系数和所述平移系数,确定所述待检测图像中的初检测区域,对所述初检测区域进行梯度求导,提取所述初检测区域中所述目标产品的边缘轮廓,确定目标检测区域。
4.根据权利要求3所述的划伤缺陷检测方法,其特征在于,对所述初检测区域进行梯度求导,提取所述初检测区域中所述目标产品的边缘轮廓,包括:
计算所述初检测区域中各像素点之间的灰度差,并根据各所述灰度差构造连续灰度值的一维函数;
利用所述连续灰度值的一维函数计算所述待检测图像中每一像素点在x方向与y方向的二次偏微分;
对于所述待检测图像中每一像素点,当该像素点在x方向与y方向的二次偏微分值均为负时,将该像素点的灰度值进行膨胀;当该像素点在x方向与y方向的二次偏微分值均为正时,将该像素点的灰度值进行腐蚀,得到所述目标产品的边缘轮廓。
5.根据权利要求2所述的划伤缺陷检测方法,其特征在于,对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷,包括:
根据所述目标检测区域中的相邻像素点之间的灰度差进行梯度求导,得到相邻像素点之间极大值;
若所述极大值大于预设阈值,则将对应的像素点记为划伤缺陷点;
根据所述划伤缺陷点确定划伤缺陷区域。
6.根据权利要求5所述的划伤缺陷检测方法,其特征在于,所述方法还包括:
对各所述划伤缺陷区域进行预设像素个数的扩增,对扩增后的划伤缺陷区域进行锐化;
计算各锐化后的划伤缺陷区域的缺陷尺寸;
利用欧氏距离计算各所述各锐化后的划伤缺陷区域的长度值和宽度值;
根据各所述划伤缺陷区域的缺陷尺寸、长度值和宽度值,确定真实划伤缺陷区域。
7.根据权利要求6所述的划伤缺陷检测方法,其特征在于,所述方法还包括:
获取各所述真实划伤缺陷区域的位置和缺陷尺寸;
将各所述真实划伤缺陷区域的位置和缺陷尺寸与所述模板图像中的各实际缺陷区域的位置和缺陷尺寸进行对标;
根据对标结果确定所述目标产品是否合格。
8.一种划伤缺陷检测装置,其特征在于,所述装置包括:
获取模块,用于获取目标产品的待检测图像;
提取模块,用于对所述待检测图像进行梯度求导,提取所述待检测图像中目标产品的边缘轮廓,确定目标检测区域;
检测模块,用于对所述目标检测区域进行缺陷检测,确定所述目标产品的划伤缺陷。
9.一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,实现如权利要求1-7中任一项所述的划伤缺陷检测方法。
10.一种电子设备,包括存储器、处理器,所述存储器上存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,实现如权利要求1-7中任一项所述的划伤缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310400103.6A CN116468687A (zh) | 2023-04-13 | 2023-04-13 | 划伤缺陷检测方法、装置及存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310400103.6A CN116468687A (zh) | 2023-04-13 | 2023-04-13 | 划伤缺陷检测方法、装置及存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116468687A true CN116468687A (zh) | 2023-07-21 |
Family
ID=87172997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310400103.6A Pending CN116468687A (zh) | 2023-04-13 | 2023-04-13 | 划伤缺陷检测方法、装置及存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468687A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN116934746A (zh) * | 2023-09-14 | 2023-10-24 | 常州微亿智造科技有限公司 | 划伤缺陷检测方法、系统、设备及其介质 |
CN117351013A (zh) * | 2023-12-05 | 2024-01-05 | 天津风霖物联网科技有限公司 | 一种建筑物损伤智能检测系统与方法 |
CN117474924A (zh) * | 2023-12-28 | 2024-01-30 | 山东鲁抗医药集团赛特有限责任公司 | 基于机器视觉的标签缺陷检测方法 |
-
2023
- 2023-04-13 CN CN202310400103.6A patent/CN116468687A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN116823924B (zh) * | 2023-08-24 | 2023-12-12 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN116934746A (zh) * | 2023-09-14 | 2023-10-24 | 常州微亿智造科技有限公司 | 划伤缺陷检测方法、系统、设备及其介质 |
CN116934746B (zh) * | 2023-09-14 | 2023-12-01 | 常州微亿智造科技有限公司 | 划伤缺陷检测方法、系统、设备及其介质 |
CN117351013A (zh) * | 2023-12-05 | 2024-01-05 | 天津风霖物联网科技有限公司 | 一种建筑物损伤智能检测系统与方法 |
CN117351013B (zh) * | 2023-12-05 | 2024-02-09 | 天津风霖物联网科技有限公司 | 一种建筑物损伤智能检测系统与方法 |
CN117474924A (zh) * | 2023-12-28 | 2024-01-30 | 山东鲁抗医药集团赛特有限责任公司 | 基于机器视觉的标签缺陷检测方法 |
CN117474924B (zh) * | 2023-12-28 | 2024-03-15 | 山东鲁抗医药集团赛特有限责任公司 | 基于机器视觉的标签缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
JP4601134B2 (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
CN115908411B (zh) | 基于视觉检测的混凝土养护质量分析方法 | |
CN110570411A (zh) | 一种基于变异系数的Mura检测方法及装置 | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN107796826B (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN109816645B (zh) | 一种钢卷松卷的自动检测方法 | |
CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
CN111353993A (zh) | 一种基于机器视觉的螺纹角度测量方法 | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
CN112085700A (zh) | X射线图像中焊缝区域的自动化提取方法、系统及介质 | |
CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN113240667A (zh) | 一种基于图像处理的汽车模具平面裂纹检测方法 | |
JP2014020926A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
CN115861315B (zh) | 缺陷检测方法和装置 | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN116152220A (zh) | 一种基于机器视觉的种子计数和尺寸测量方法 | |
CN116012322A (zh) | 一种相机脏污检测方法、装置、设备及介质 | |
CN114511522A (zh) | 一种荧光免疫法、胶体金法试剂自动判定方法 |
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 |