CN116958152A - 一种零件尺寸测量方法、装置、设备及介质 - Google Patents

一种零件尺寸测量方法、装置、设备及介质 Download PDF

Info

Publication number
CN116958152A
CN116958152A CN202311222074.5A CN202311222074A CN116958152A CN 116958152 A CN116958152 A CN 116958152A CN 202311222074 A CN202311222074 A CN 202311222074A CN 116958152 A CN116958152 A CN 116958152A
Authority
CN
China
Prior art keywords
image
measured
area
size
preset
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.)
Granted
Application number
CN202311222074.5A
Other languages
English (en)
Other versions
CN116958152B (zh
Inventor
谭勇
肖溱鸽
苏辉南
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.)
Zhongke Hangmai CNC Software Shenzhen Co Ltd
Original Assignee
Zhongke Hangmai CNC Software Shenzhen 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 Zhongke Hangmai CNC Software Shenzhen Co Ltd filed Critical Zhongke Hangmai CNC Software Shenzhen Co Ltd
Priority to CN202311222074.5A priority Critical patent/CN116958152B/zh
Publication of CN116958152A publication Critical patent/CN116958152A/zh
Application granted granted Critical
Publication of CN116958152B publication Critical patent/CN116958152B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种零件尺寸测量方法、装置、设备及介质，涉及图像处理技术领域，方法包括：获取待测量零件的待测量零件图像；对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数；若图像质量分数小于第一预设阈值，则将待测量零件图像进行灰度处理，得到灰度化图像；通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像；通过预设的特征提取模型，对目标修复图像进行特征提取，得到待测量零件的零件尺寸特征；通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸。本发明可以提高零件尺寸检测的准确度。

Description

一种零件尺寸测量方法、装置、设备及介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种零件尺寸测量方法、装置、设备及介质。
背景技术
对于复杂结构零件，形状复杂且参数繁多，常规通用测量仪器往往通过夹持的方式进行测量，但是对于非常规形状的尺寸，会出现无法提供夹持位置的情况，测量准确度低。
发明内容
本发明提供一种零件尺寸测量方法、装置、设备及介质，用以解决现有技术中复杂结构零件尺寸测量准确度低的缺陷，实现提高零件尺寸检测准确度。
本发明提供一种零件尺寸测量方法，包括：
获取第一图像采集设备采集的待测量零件的待测量零件图像；
对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
根据本发明提供的一种零件尺寸测量方法，所述对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数，包括：
对所述待测量零件图像进行遮挡区域检测，确定所述待测量零件图像中待测量零件对应的零件区域是否被遮挡；
若所述零件区域被遮挡，则获取所述零件区域中的遮挡区域，并根据所述遮挡区域计算遮挡分数；以及
对所述待测量零件图像进行反光区域检测，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光；
若所述零件区域中存在反光，则获取所述零件区域中的反光区域，并根据所述反光区域计算反光分数；
根据所述遮挡分数和所述反光分数，计算所述待测量零件图像的图像质量分数。
根据本发明提供的一种零件尺寸测量方法，所述对所述待测量零件图像进行遮挡区域检测，确定所述待测量零件图像中待测量零件对应的零件区域是否被遮挡，包括：
获取所述第一图像采集设备采集所述待测量零件图像时的设备位置信息以及所述待测量零件的零件位置信息；
根据所述设备位置信息和零件位置信息，确定所述待测量零件图像的图像类型；所述图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据所述待测量零件图像的图像类型，获取所述待测量零件图像对应的零件形状；
根据所述零件形状确定所述待测量零件图像中待测量零件的零件区域是否被遮挡。
根据本发明提供的一种零件尺寸测量方法，所述待测量零件放置于传送装置的传送带上，以使所述待测量零件跟随所述传送带移动，所述第一图像采集设备和第二图像采集设备沿所述传送装置的传送方向依次设置；
所述对所述待测量零件图像进行反光区域检测，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光，包括：
获取所述第二图像采集设备采集的所述待测量零件的对比零件图像；
将所述对比零件图像和所述待测量零件图像进行一对一像素点比较，确定所述待测量零件图像中的变化像素点；
根据各所述变化像素点的位置信息，确定所述待测量零件图像中零件区域内变化像素点的像素点数量；
根据所述零件区域内变化像素点的像素点数量，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光。
根据本发明提供的一种零件尺寸测量方法，所述通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸之后，所述方法还包括：
根据所述待测量零件图像的图像类型，所述图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据所述待测量零件图像的图像类型，从预设数据库中获取所述待测量零件的预设标准尺寸阈值；
根据所述预设标准尺寸阈值与所述待测量零件的零件尺寸进行比较，确定所述待测量零件是否为合格；
若所述待测量零件不合格，则将所述待测量零件设置为尺寸缺陷零件，并通过所述传送装置将所述尺寸缺陷零件移动至不良品区域；
若所述待测量零件合格，则将所述待测量零件设置为合格零件，并通过所述传送装置将所述合格零件移动至良品区域。
根据本发明提供的一种零件尺寸测量方法，所述通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像之前，所述方法还包括：
获取样本零件图像，所述样本零件图像为信息缺失图像；
通过预训练的变分自编码器处理所述样本零件图像，获取所述样本零件图像的空间概率分布；将所述空间概率分布作为预训练的生成对抗网络中判别器的监督信息；
通过预训练的生成对抗网络处理所述样本零件图像以及所述监督信息，得到所述样本零件图像的预测修复图像；
根据所述样本零件图像的所述预测修复图像以及所述样本零件图像的预设完整图像，对所述生成对抗网络进行参数调整，得到已训练的所述图像修复模型。
根据本发明提供的一种零件尺寸测量方法，所述对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数之前，所述方法还包括：
对所述待测量零件图像进行模糊度检测，得到所述待测量零件图像的模糊度；
若所述模糊度大于或等于第二预设阈值，则控制所述第一图像采集设备对所述待测量零件进行二次图像采集，并将采集到的零件图像作为所述待测量零件图像；
若所述模糊度小于所述第二预设阈值，则继续执行对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数的步骤。
本发明还提供了一种零件尺寸测量装置，所述零件尺寸测量装置包括：
获取模块，用于获取第一图像采集设备采集的待测量零件的待测量零件图像；
质量检测模块，用于对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
灰度化模块，用于若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
插补模块，用于通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
特征提取模块，用于通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
尺寸测量模块，用于通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的零件尺寸测量方法。
本发明还提供了一种非暂态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上任一项所述零件尺寸测量方法。
本发明提供的零件尺寸测量方法、装置、设备及介质，获取第一图像采集设备采集的待测量零件的待测量零件图像；对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数；若图像质量分数小于第一预设阈值，则将待测量零件图像进行灰度处理，得到灰度化图像；通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像；通过预设的特征提取模型，对目标修复图像进行特征提取，得到待测量零件的零件尺寸特征；通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸，本发明对待测量零件进行成像，并对图像进行缺失信息插补，基于修复后的图像进行特征提取进而得到零件尺寸，对于形状复杂的零件，不需要采用夹持测量工具即可实现测量，可以提高零件尺寸检测的准确度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明提供的零件尺寸测量方法的流程示意图；
图2是本发明提供的零件尺寸测量装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明提供的零件尺寸测量方法，如图1所示，该零件尺寸测量方法至少包括以下步骤：
S100，获取第一图像采集设备采集的待测量零件的待测量零件图像。
在本申请实施例中，第一图像采集设备与待测量零件均设置为固定姿态，以采集待测量零件的待测量零件图像。
可以理解的是，由于第一图像采集设备采集的待测量零件图像为二维图像，因此本实施例中可以预先设置多个不同位置的第一图像采集设备，以采集不同面的待测量零件图像，本申请实施例提供的零件尺寸测量方法能够通过对不同面的待测量零件图像实现对待测量零件整体的尺寸测量。
S200，对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数。
具体地，可以对待测量零件图像进行遮挡区域检测，确定待测量零件图像中待测量零件对应的零件区域是否被遮挡；若零件区域被遮挡，则获取零件区域中的遮挡区域，并根据遮挡区域计算遮挡分数；然后对待测量零件图像进行反光区域检测，确定待测量零件图像中待测量零件对应的零件区域中是否存在反光；若零件区域中存在反光，则获取零件区域中的反光区域，并根据反光区域计算反光分数；最后根据遮挡分数和反光分数，计算待测量零件图像的图像质量分数。
上述零件区域为待测量零件在待测量零件图像的区域。
在本申请实施例中，预先设置数据库称为预设数据库，预设数据库中预先存储有预设零件标识及与预设零件标识关联的预设零件形状。
进一步地，可以从预设数据库中，根据待测量零件的零件标识确定对应的预设零件标识，并根据预设零件标识及关联关系获取待测量零件对应的预设零件形状，然后通过对待测量零件图像进行目标检测，并根据预设零件形状以及目标检测结果确定待测量零件图像中待测量零件的零件区域。
更进一步地，可以根据遮挡区域在零件区域中的面积占比作为遮挡分数，将反光区域在零件区域中的面积占比作为反光分数，然后将遮挡分数和反光分数的和值作为图像质量分数。
由于待测量零件图像可能存在缺失，因此，通过待测量零件图像的目标检测结果以及对应的预设零件形状，以得到更加精确的零件区域。
可以理解的是，可以先计算反光分数再计算遮挡分数，或者反光分数和遮挡分数同时计算，本申请实施例中不作具体限定。
在本申请的一些实施例中，上述对待测量零件图像进行遮挡区域检测，确定待测量零件图像中待测量零件的零件区域是否被遮挡，包括：
获取第一图像采集设备采集待测量零件图像时的设备位置信息以及待测量零件的零件位置信息；
根据设备位置信息和零件位置信息，确定待测量零件图像的图像类型；图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据待测量零件图像的图像类型，获取待测量零件图像对应的零件形状；
根据零件形状确定待测量零件图像中待测量零件的零件区域是否被遮挡。
由前文可知，第一图像采集设备和待测量零件为固定姿态，本申请实施例中根据第一图像采集设备和待测量零件的零件位置信息，确定第一图像采集设备采集的待测量零件图像的图像类型，然后通过图像类型从预设数据库中获取该待测量零件对应的零件形状，通过图像识别对待测量零件图像进行目标识别，得到待测量零件图像中的零件形状，将从预设数据库中获取该待测量零件对应的零件形状与目标识别得到的零件形状进行匹配，若二者不一致则确定该待测量零件的零件区域被遮挡，反之，则未被遮挡。
进一步地，若从预设数据库中获取该待测量零件对应的零件形状与目标识别得到的零件形状不匹配，则根据预设数据库中获取该待测量零件对应的零件形状确定目标识别得到的零件形状的缺失区域，该缺失区域即为遮挡区域。
在本申请实施例中，待测量零件图像的图像类型以及待测量零件图像对应的零件形状确定是否被遮挡，能够进一步提高零件尺寸测量的准确度。在本申请的一些实施例中，零件尺寸测量方法基于尺寸测量系统，尺寸测量系统包括：传送装置、沿传送装置传送方向依次设置的第一图像采集设备和第二图像采集设备；待测量零件放置于传送装置的传送带上，以使待测量零件跟随传送带移动；
对待测量零件图像进行反光区域检测，确定待测量零件图像中待测量零件对应的零件区域中是否存在反光，包括：
获取第二图像采集设备采集的待测量零件的对比零件图像；
将对比零件图像和待测量零件图像进行一对一像素点比较，确定待测量零件图像中的变化像素点；
根据各变化像素点的位置信息，确定待测量零件图像中零件区域内变化像素点的像素点数量；
根据零件区域内变化像素点的像素点数量，确定待测量零件图像中待测量零件对应的零件区域中是否存在反光。
进一步地，若对比零件图像和待测量零件图像中相应的像素点在预设范围内不匹配，则说明该像素点为变化像素点。若零件区域内变化像素点的像素点数量大于第三预设阈值，则待测量零件图像中待测量零件对应的零件区域中存在反光。
在零件尺寸测量场景中，光源基本是固定设置的，待测量零件在不同位置的反光情况有所不同。因此，在传送装置的传动方向上设置第一图像采集设备和第二图像采集设备，以对比零件图像和待测量零件图像进行比较，确定是否存在发光，并将零件区域内连续的变化像素点成的区域作为反光区域。
可以理解的是，零件区域内可能存在多个遮挡区域和/或反光区域。
在本申请的一些实施例中，对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数之前，方法还包括：
对待测量零件图像进行模糊度检测，得到待测量零件图像的模糊度；
若模糊度大于或等于第二预设阈值，则控制第一图像采集设备对待测量零件进行二次图像采集，并将采集到的零件图像作为待测量零件图像；
若模糊度小于第二预设阈值，则继续执行对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数的步骤。
在本申请实施例中，先对待测量零件图像进行模糊度检测，对于模糊度大于或等于第二预设阈值重新采集图像，避免后续资源浪费，进一步提高零件尺寸测量准确度。
S300，若图像质量分数小于第一预设阈值，则将待测量零件图像进行灰度处理，得到灰度化图像。
S400，通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像。
在本申请的一些实施例中，通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像之前，方法还包括：
获取样本零件图像，样本零件图像为信息缺失图像；
通过预训练的变分自编码器处理样本零件图像，获取样本零件图像的空间概率分布；将空间概率分布作为预训练的生成对抗网络中判别器的监督信息；
通过预训练的生成对抗网络处理样本零件图像以及监督信息，得到样本零件图像的预测修复图像；
根据样本零件图像的预测修复图像以及样本零件图像的预设完整图像，对生成对抗网络进行参数调整，得到已训练的图像修复模型。
在本申请实施例中，样本零件图像为存在图像信息确实的信息确实图像，通过变分自编码器和生成对抗网络训练得到的图像修复模型，能够进一步提高零件尺寸测量的准确度。
S500，通过预设的特征提取模型，对目标修复图像进行特征提取，得到待测量零件的零件尺寸特征。
上述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项。
在本申请实施例中，预设的特征提取模型可以为卷积神经网络，以提取与零件尺寸相关的特征，例如边缘线、轮廓线、角点。
S600，通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸。
上述预设的尺寸测量模型的模型为回归模型，通过零件尺寸特征预测零件尺寸。
在本申请的一些实施例中，通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸之后，方法还包括：
根据待测量零件图像的图像类型，图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据待测量零件图像的图像类型，从预设数据库中获取待测量零件的预设标准尺寸阈值；
根据预设标准尺寸阈值与待测量零件的零件尺寸进行比较，确定待测量零件是否为合格；
若待测量零件不合格，则将待测量零件设置为尺寸缺陷零件，并通过传送装置将尺寸缺陷零件移动至不良品区域；
若待测量零件合格，则将待测量零件设置为合格零件，并通过传送装置将合格零件移动至良品区域。
本申请实施例中，通过待测量零件图像的图像类型确定待测量零件的预设标准尺寸阈值，从而基于待测量零件的预设标准尺寸阈值以及预测得到的零件尺寸进行比较，确定是否合格，并通过传送装置将待测量零件传送于不同区域，从而减少人力成本。本发明提供的零件尺寸测量方法，通过对第一图像采集设备采集的待测量零件的待测量零件图像；进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数；若图像质量分数小于第一预设阈值，则将待测量零件图像进行灰度处理，得到灰度化图像；通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像；通过预设的特征提取模型，对目标修复图像进行特征提取，得到待测量零件的零件尺寸特征；通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸，由此可以对图像质量较差的待测量零件图像进行差值修复，将修复后的图像进行零件尺寸检索能够有效提高零件尺寸检测的准确度。
下面结合图2描述本发明还提供的零件尺寸测量装置，如包括：
获取模块210，用于获取第一图像采集设备采集的待测量零件的待测量零件图像；
质量检测模块220，用于对待测量零件图像进行反光区域和遮挡区域检测，以根据待测量零件图像中反光区域和/或遮挡区域计算待测量零件图像的图像质量分数；
灰度化模块230，用于若图像质量分数小于第一预设阈值，则将待测量零件图像进行灰度处理，得到灰度化图像；
插补模块240，用于通过预设的图像修复模型对灰度化图像进行缺失信息插补，得到待测量零件图像的目标修复图像；
特征提取模块250，用于通过预设的特征提取模型，对目标修复图像进行特征提取，得到待测量零件的零件尺寸特征，零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
尺寸测量模块260，用于通过预设的尺寸测量模型处理零件尺寸特征，得到待测量零件的零件尺寸。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行零件尺寸测量方法，该方法包括：
获取第一图像采集设备采集的待测量零件的待测量零件图像；
对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的零件尺寸测量方法，该方法包括：
获取第一图像采集设备采集的待测量零件的待测量零件图像；
对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的零件尺寸测量方法，该方法包括：
获取第一图像采集设备采集的待测量零件的待测量零件图像；
对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种零件尺寸测量方法，其特征在于，包括：
获取第一图像采集设备采集的待测量零件的待测量零件图像；
对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
2.根据权利要求1所述的零件尺寸测量方法，其特征在于，所述对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数，包括：
对所述待测量零件图像进行遮挡区域检测，确定所述待测量零件图像中待测量零件对应的零件区域是否被遮挡；
若所述零件区域被遮挡，则获取所述零件区域中的遮挡区域，并根据所述遮挡区域计算遮挡分数；以及
对所述待测量零件图像进行反光区域检测，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光；
若所述零件区域中存在反光，则获取所述零件区域中的反光区域，并根据所述反光区域计算反光分数；
根据所述遮挡分数和所述反光分数，计算所述待测量零件图像的图像质量分数。
3.根据权利要求2所述的零件尺寸测量方法，其特征在于，所述对所述待测量零件图像进行遮挡区域检测，确定所述待测量零件图像中待测量零件对应的零件区域是否被遮挡，包括：
获取所述第一图像采集设备采集所述待测量零件图像时的设备位置信息以及所述待测量零件的零件位置信息；
根据所述设备位置信息和零件位置信息，确定所述待测量零件图像的图像类型；所述图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据所述待测量零件图像的图像类型，获取所述待测量零件图像对应的零件形状；
根据所述零件形状确定所述待测量零件图像中待测量零件的零件区域是否被遮挡。
4.根据权利要求2所述的零件尺寸测量方法，其特征在于，所述待测量零件放置于传送装置的传送带上，以使所述待测量零件跟随所述传送带移动，所述第一图像采集设备和第二图像采集设备沿所述传送装置的传送方向依次设置；
所述对所述待测量零件图像进行反光区域检测，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光，包括：
获取所述第二图像采集设备采集的所述待测量零件的对比零件图像；
将所述对比零件图像和所述待测量零件图像进行一对一像素点比较，确定所述待测量零件图像中的变化像素点；
根据各所述变化像素点的位置信息，确定所述待测量零件图像中零件区域内变化像素点的像素点数量；
根据所述零件区域内变化像素点的像素点数量，确定所述待测量零件图像中待测量零件对应的零件区域中是否存在反光。
5.根据权利要求4所述的零件尺寸测量方法，其特征在于，所述通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸之后，所述方法还包括：
根据所述待测量零件图像的图像类型，所述图像类型包括：正视图、侧视图、俯视图、仰视图中的至少一项；
根据所述待测量零件图像的图像类型，从预设数据库中获取所述待测量零件的预设标准尺寸阈值；
根据所述预设标准尺寸阈值与所述待测量零件的零件尺寸进行比较，确定所述待测量零件是否为合格；
若所述待测量零件不合格，则将所述待测量零件设置为尺寸缺陷零件，并通过所述传送装置将所述尺寸缺陷零件移动至不良品区域；
若所述待测量零件合格，则将所述待测量零件设置为合格零件，并通过所述传送装置将所述合格零件移动至良品区域。
6.根据权利要求1所述的零件尺寸测量方法，其特征在于，所述通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像之前，所述方法还包括：
获取样本零件图像，所述样本零件图像为信息缺失图像；
通过预训练的变分自编码器处理所述样本零件图像，获取所述样本零件图像的空间概率分布；将所述空间概率分布作为预训练的生成对抗网络中判别器的监督信息；
通过预训练的生成对抗网络处理所述样本零件图像以及所述监督信息，得到所述样本零件图像的预测修复图像；
根据所述样本零件图像的所述预测修复图像以及所述样本零件图像的预设完整图像，对所述生成对抗网络进行参数调整，得到已训练的所述图像修复模型。
7.根据权利要求1所述的零件尺寸测量方法，其特征在于，所述对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数之前，所述方法还包括：
对所述待测量零件图像进行模糊度检测，得到所述待测量零件图像的模糊度；
若所述模糊度大于或等于第二预设阈值，则控制所述第一图像采集设备对所述待测量零件进行二次图像采集，并将采集到的零件图像作为所述待测量零件图像；
若所述模糊度小于所述第二预设阈值，则继续执行对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数的步骤。
8.一种零件尺寸测量装置，其特征在于，所述零件尺寸测量装置包括：
获取模块，用于获取第一图像采集设备采集的待测量零件的待测量零件图像；
质量检测模块，用于对所述待测量零件图像进行反光区域和遮挡区域检测，以根据所述待测量零件图像中反光区域和/或遮挡区域计算所述待测量零件图像的图像质量分数；
灰度化模块，用于若所述图像质量分数小于第一预设阈值，则将所述待测量零件图像进行灰度处理，得到灰度化图像；
插补模块，用于通过预设的图像修复模型对所述灰度化图像进行缺失信息插补，得到所述待测量零件图像的目标修复图像；
特征提取模块，用于通过预设的特征提取模型，对所述目标修复图像进行特征提取，得到所述待测量零件的零件尺寸特征，所述零件尺寸特征包括：边缘线、轮廓线、角点中的至少一项；
尺寸测量模块，用于通过预设的尺寸测量模型处理所述零件尺寸特征，得到所述待测量零件的零件尺寸。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的零件尺寸测量方法。
10.一种非暂态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至7任一项所述零件尺寸测量方法。
CN202311222074.5A 2023-09-21 2023-09-21 一种零件尺寸测量方法、装置、设备及介质 Active CN116958152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311222074.5A CN116958152B (zh) 2023-09-21 2023-09-21 一种零件尺寸测量方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311222074.5A CN116958152B (zh) 2023-09-21 2023-09-21 一种零件尺寸测量方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116958152A true CN116958152A (zh) 2023-10-27
CN116958152B CN116958152B (zh) 2024-01-12

Family

ID=88442943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311222074.5A Active CN116958152B (zh) 2023-09-21 2023-09-21 一种零件尺寸测量方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116958152B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140078279A1 (en) * 2011-06-03 2014-03-20 Olympus Corporation Fluorescence observation apparatus and fluorescence observation method
CN108520503A (zh) * 2018-04-13 2018-09-11 湘潭大学 一种基于自编码器和生成对抗网络修复人脸缺损图像的方法
CN114092542A (zh) * 2021-11-22 2022-02-25 华侨大学 一种基于二维视觉的螺栓测量方法以及系统
CN114120343A (zh) * 2021-11-29 2022-03-01 盛视科技股份有限公司 证件图像质量评估方法及终端
CN114529491A (zh) * 2020-10-30 2022-05-24 顺丰科技有限公司 图像质量检测方法、装置、电子设备及存储介质
CN115205273A (zh) * 2022-07-26 2022-10-18 富联裕展科技(深圳)有限公司 尺寸检测方法、装置、电子设备及可读存储介质
CN116499362A (zh) * 2023-06-26 2023-07-28 太原科技大学 钢板尺寸在线测量系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140078279A1 (en) * 2011-06-03 2014-03-20 Olympus Corporation Fluorescence observation apparatus and fluorescence observation method
CN108520503A (zh) * 2018-04-13 2018-09-11 湘潭大学 一种基于自编码器和生成对抗网络修复人脸缺损图像的方法
CN114529491A (zh) * 2020-10-30 2022-05-24 顺丰科技有限公司 图像质量检测方法、装置、电子设备及存储介质
CN114092542A (zh) * 2021-11-22 2022-02-25 华侨大学 一种基于二维视觉的螺栓测量方法以及系统
CN114120343A (zh) * 2021-11-29 2022-03-01 盛视科技股份有限公司 证件图像质量评估方法及终端
CN115205273A (zh) * 2022-07-26 2022-10-18 富联裕展科技(深圳)有限公司 尺寸检测方法、装置、电子设备及可读存储介质
CN116499362A (zh) * 2023-06-26 2023-07-28 太原科技大学 钢板尺寸在线测量系统

Also Published As

Publication number Publication date
CN116958152B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
CN106803244B (zh) 缺陷识别方法及系统
CN111223078B (zh) 瑕疵等级判定的方法及存储介质
US20170278234A1 (en) Method for detecting a defect on a surface of a tire
CN110378227B (zh) 修正样本标注数据的方法、装置、设备及存储介质
US6993187B2 (en) Method and system for object recognition using fractal maps
CN111415339B (zh) 一种复杂纹理工业产品图像缺陷检测方法
CN115797314B (zh) 零件表面缺陷检测方法、系统、设备及存储介质
CN113362238A (zh) 测试图像处理方法、装置、电子设备及存储介质
CN113176270A (zh) 一种调光方法、装置及设备
CN117237360A (zh) 一种基于3d视觉的铸件毛刺检测方法和系统
CN116579955B (zh) 一种新能源电芯焊缝反光点去噪和点云补全方法及系统
CN116958152B (zh) 一种零件尺寸测量方法、装置、设备及介质
CN116258838B (zh) 一种用于管片模具合模系统的智能视觉引导方法
CN116091405B (zh) 图像处理方法及装置、计算机设备、存储介质
CN116958099A (zh) 线缆磨耗检测方法、系统、装置与计算机设备
JP6114559B2 (ja) フラットパネルディスプレイの自動ムラ検出装置
JP2018205030A (ja) 距離測定装置、距離測定方法および距離測定プログラム
CN117953189B (zh) 视点确定方法、装置、电子设备及存储介质
CN112712499B (zh) 一种物体检测方法、装置以及计算机可读存储介质
RU2351091C2 (ru) Способ автоматического определения и коррекции радиальной дисторсии на цифровом изображении
CN117078666B (zh) 二维和三维结合的缺陷检测方法、装置、介质和设备
CN117078665B (zh) 产品表面缺陷检测方法、装置、存储介质和电子设备
US20230316484A1 (en) Inspection device
Crispin et al. Evolutionary algorithm for PCB inspection
Kim et al. Universal denoiser to improve metrology throughput

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
GR01 Patent grant
GR01 Patent grant