CN116977268A - 设备缺陷的检测方法、装置、设备及存储介质 - Google Patents
设备缺陷的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116977268A CN116977268A CN202310420878.XA CN202310420878A CN116977268A CN 116977268 A CN116977268 A CN 116977268A CN 202310420878 A CN202310420878 A CN 202310420878A CN 116977268 A CN116977268 A CN 116977268A
- Authority
- CN
- China
- Prior art keywords
- defect
- value
- shooting
- preset
- image
- 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 239
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000002950 deficient Effects 0.000 claims abstract description 9
- 230000002902 bimodal effect Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 2
- 238000005286 illumination Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及设备检测领域,公开了一种设备缺陷的检测方法、装置、设备及存储介质。该方法包括:根据预置图像采集设置,拍摄目标设备的检测图像;对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;判断所述缺陷值是否小于预置预警阈值;若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
Description
技术领域
本发明涉及设备检测领域,尤其涉及一种设备缺陷的检测方法、装置、设备及存储介质。
背景技术
设备的缺陷检测如果都使用人工的话,人工检测设备则由于长时间的重复劳动,疲劳导致检测结果出现错误。即使检测设备探测出目标设备的缺陷结果,也可能由于外部光线等干扰数据,导致检测设备探测的结果失真发生检测的假阳性。
在工厂、工地的环境光线经常出现不能满足检测设备的光线需求引发检测结果假阳性,或者由于外部光线过强导致检测结果过曝引发假阳性,或者存在目标设备的外表光滑导致的反射光无法避免的导致假阳性结果。因此,对于现有的目标设备检测无法避免环境光线导致假阳性的失真结果,需要一种技术改进当前检测结果失真的问题。
发明内容
本发明的主要目的在于解决现有的目标设备检测无法避免环境光线导致假阳性的失真结果的技术问题。
本发明第一方面提供了一种设备缺陷的检测方法,所述设备缺陷的检测方法包括:
根据预置图像采集设置,拍摄目标设备的检测图像;
对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断所述缺陷值是否小于预置预警阈值;
若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
可选的,在本发明第一方面的第一种实现方式中,所述根据预置图像采集设置,拍摄目标设备的检测图像包括:
读取设置的拍摄视宽、识别最小缺陷宽度、最大表面直径值、采集像素均值、梯度参数、拍摄余量值、双峰初始阈值、摄像运动最大速度;
根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率;
根据预置拍摄行频计算公式,对所述摄像运动最大速度、所述拍摄余量值、所述拍摄视宽进行计算,得到拍摄行频;
基于所述拍摄分辨率、所述拍摄行频,调整相机拍摄目标设备,得到检测图像。
可选的,在本发明第一方面的第二种实现方式中,所述根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率包括:
基于分辨率计算公式,得到拍摄分辨率,其中,所述分辨率计算公式包括:
其中,Rs为拍摄分辨率,L为拍摄视宽,w为识别最小缺陷宽度,di为最大表面直径值,a为采集像素均值,g为梯度参数,R为拍摄余量值,n为双峰初始阈值。
可选的,在本发明第一方面的第三种实现方式中,所述拍摄行频计算公式包括:
H=2vR/L,其中,H为拍摄行频,v为摄像运动最大速度、R为拍摄余量值、L为拍摄视宽。
可选的,在本发明第一方面的第四种实现方式中,所述根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值包括:
根据预置二维缺陷计算公式,对所述缺陷标记图进行二维缺陷分析处理,得到二维缺陷值;
根据预置三维缺陷计算公式,对所述缺陷标记图进行三维缺陷分析处理,得到三维缺陷值。
可选的,在本发明第一方面的第五种实现方式中,所述判断所述缺陷值是否小于预置预警阈值包括:
判断所述二维缺陷值是否小于预置二维预警阈值;
若小于二维预警阈值,则判断所述三维缺陷值是否小于预置三维预警值;
若不小于三维预警阈值,则确定缺陷值不小于预警阈值;
若小于三维预警阈值,则确定缺陷值小于预警阈值
若不小于二维预警阈值,则确定缺陷值不小于预警阈值。
可选的,在本发明第一方面的第六种实现方式中,所述对所述检测图像进行灰度处理,得到灰度图像包括:
基于RGB数值和Gamma校正算法,对所述检测图像进行灰度转换处理,得到灰度图像。
本发明第二方面提供了一种设备缺陷的检测装置,所述设备缺陷的检测装置包括:
拍摄模块,用于根据预置图像采集设置,拍摄目标设备的检测图像;
缺陷标记模块,用于对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
缺陷分析模块,用于根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断模块,用于判断所述缺陷值是否小于预置预警阈值;
标记模块,用于若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
本发明第三方面提供了一种设备缺陷的检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述设备缺陷的检测设备执行上述的设备缺陷的检测方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的设备缺陷的检测方法。
在本发明实施例中,通过对目标设备的采集图像进行灰度化,并通基于预置图像采集设置,对采集图像的缺陷实现复杂光照下的设施缺陷分割,利用外形检测减弱了图像中光照不均匀造成的影响,并利用视域提取的方式,解决现有的目标设备检测无法避免环境光线导致假阳性的失真结果的技术问题。
附图说明
图1为本发明实施例中设备缺陷的检测方法的一个实施例示意图;
图2为本发明实施例中设备缺陷的检测装置的一个实施例示意图;
图3为本发明实施例中设备缺陷的检测装置的另一个实施例示意图;
图4为本发明实施例中设备缺陷的检测设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种设备缺陷的检测方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中设备缺陷的检测方法的一个实施例包括:
101、根据预置图像采集设置,拍摄目标设备的检测图像;
在本实施例中,利用相机拍摄目标设备的检测视频,然后对检测视频拆解帧图像得到检测图像,生成能进行检测图像。
进一步的,在101可以执行以下步骤:
1011、读取设置的拍摄视宽、识别最小缺陷宽度、最大表面直径值、采集像素均值、梯度参数、拍摄余量值、双峰初始阈值、摄像运动最大速度;
1012、根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率;
1013、根据预置拍摄行频计算公式,对所述摄像运动最大速度、所述拍摄余量值、所述拍摄视宽进行计算,得到拍摄行频;
1014、基于所述拍摄分辨率、所述拍摄行频,调整相机拍摄目标设备,得到检测图像。
在1011-1014步骤中,主要采用双阈值法,整合有梯度参数g和彩色图像的采集像素均值a的提取特征,可以提取出设施外表面的二维缺陷Ds和三维缺陷Dt。
系统能够识别的最小缺陷也即是识别最小缺陷宽度w=50mm,设施最大外表面直径为最大表面直径值di=20mm,考虑运动情况下,设施边缘外各留拍摄余量值R=20mm,拍摄视宽L=80mm,在实际中的最高运动速度v=15mm/s,基于以上的参数,基于分辨率计算公式和拍摄行频计算公式,计算出相机所需拍摄分辨率Rs和拍摄行频的数据大小。
具体的,在1012中可以执行以下步骤:
1012X、基于分辨率计算公式,得到拍摄分辨率,其中,所述分辨率计算公式包括:
其中,Rs为拍摄分辨率,L为拍摄视宽,w为识别最小缺陷宽度,di为最大表面直径值,a为采集像素均值,g为梯度参数,R为拍摄余量值,n为双峰初始阈值。
具体的,在1013中可以执行以下步骤:
1013X、H=2vR/L,其中,H为拍摄行频,v为摄像运动最大速度、R为拍摄余量值、L为拍摄视宽。
102、对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
在本实施例中,何颜色都由红、绿、蓝三基色组成,假如原来某点的颜色为RGB(R,G,B),那么,我们可以通过下面几种方法,将其转换为灰度:
1.浮点法:Gray=R*0.3+G*0.59+B*0.11;
2.整数法:Gray=(R*30+G*59+B*11)/100;
3.移位法:Gray=(R*77+G*151+B*28)>>8;
4.平均值法:Gray=(R+G+B)/3;
5.仅取绿色:Gray=G。
双峰模糊算法是一种现有算法,有利用双峰模糊算法应用在线缆表面缺陷检测的方案,在双峰值模糊阈值n、m分割的基础上提取分段自适应模糊阈值dim的分割方法,实现复杂光照下的设施缺陷分割。
具体的,在“对所述检测图像进行灰度处理,得到灰度图像”可以执行以下步骤:
1021、基于RGB数值和Gamma校正算法,对所述检测图像进行灰度转换处理,得到灰度图像。
在本实施例中,Gamma校正公式为,Gray为灰度值,对检测图像进行灰度转换处理,得到灰度图像。
103、根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
在本实施例中,可以分析缺陷标记图的缺陷面积,进行积分叠加计算,得到总缺陷面积,将总缺陷面积作为缺陷值。
进一步的,在103可以执行以下步骤:
1031、根据预置二维缺陷计算公式,对所述缺陷标记图进行二维缺陷分析处理,得到二维缺陷值;
1032、根据预置三维缺陷计算公式,对所述缺陷标记图进行三维缺陷分析处理,得到三维缺陷值。
在1031-1032步骤中,计算二维缺陷Ds和三维缺陷Dt计算公式分别为:
其中,二维缺陷Ds中Rs为拍摄分辨率,n、m为双峰值模糊阈值的两个设置阈值,g为梯度参数,a为采集像素均值。三维缺陷Dt中都dimn为双峰值模糊阈值n端的自适应模糊阈值,dimm为双峰值模糊阈值m端的自适应模糊阈值,a为采集像素均值,di为最大表面直径值,w为识别最小缺陷宽度,L为拍摄视宽。
104、判断所述缺陷值是否小于预置预警阈值;
在本实施例中,可以独立以二维缺陷值作为判定标准,将二维缺陷值与对应的预警阈值进行比较。也可以独立以三维缺陷值作为标准,将三维缺陷值与对应的预警阈值进行比较。还可以二维缺陷、三维缺陷值组合与预警阈值进行比较。
进一步的,在104可以执行以下步骤:
1041、判断所述二维缺陷值是否小于预置二维预警阈值;
1042、若小于二维预警阈值,则判断所述三维缺陷值是否小于预置三维预警值;
1043、若不小于三维预警阈值,则确定缺陷值不小于预警阈值;
1044、若小于三维预警阈值,则确定缺陷值小于预警阈值;
1045、若不小于二维预警阈值,则确定缺陷值不小于预警阈值。
在1041-1045步骤中,需要二维缺陷值Ds小于二维预警阈值Z1,三维缺陷值Dt小于三维预警阈值Z2同时满足,认定整体缺陷值小于预警阈值,然后进入下一步。
105、若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
在本实施例中,超过预警阈值说明该目标设备的缺陷过大,已经不能被认定为合格产品,将该目标设备标记为缺陷设备。
在本发明实施例中,通过对目标设备的采集图像进行灰度化,并通基于预置图像采集设置,对采集图像的缺陷实现复杂光照下的设施缺陷分割,利用外形检测减弱了图像中光照不均匀造成的影响,并利用视域提取的方式,解决现有的目标设备检测无法避免环境光线导致假阳性的失真结果的技术问题。
上面对本发明实施例中设备缺陷的检测方法进行了描述,下面对本发明实施例中设备缺陷的检测装置进行描述,请参阅图2,本发明实施例中设备缺陷的检测装置一个实施例,所述设备缺陷的检测装置包括:
拍摄模块201,用于根据预置图像采集设置,拍摄目标设备的检测图像;
缺陷标记模块202,用于对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
缺陷分析模块203,用于根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断模块204,用于判断所述缺陷值是否小于预置预警阈值;
标记模块205,用于若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
在本发明实施例中,通过对目标设备的采集图像进行灰度化,并通基于预置图像采集设置,对采集图像的缺陷实现复杂光照下的设施缺陷分割,利用外形检测减弱了图像中光照不均匀造成的影响,并利用视域提取的方式,解决现有的目标设备检测无法避免环境光线导致假阳性的失真结果的技术问题。
请参阅图3,本发明实施例中设备缺陷的检测装置的另一个实施例,所述设备缺陷的检测装置包括:
拍摄模块201,用于根据预置图像采集设置,拍摄目标设备的检测图像;
缺陷标记模块202,用于对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
缺陷分析模块203,用于根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断模块204,用于判断所述缺陷值是否小于预置预警阈值;
标记模块205,用于若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
其中,所述拍摄模块201包括:
读取单元2011,用于读取设置的拍摄视宽、识别最小缺陷宽度、最大表面直径值、采集像素均值、梯度参数、拍摄余量值、双峰初始阈值、摄像运动最大速度;
分辨率计算单元2012,用于根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率;
行频计算单元2013,用于根据预置拍摄行频计算公式,对所述摄像运动最大速度、所述拍摄余量值、所述拍摄视宽进行计算,得到拍摄行频;
调整拍摄单元2014,用于基于所述拍摄分辨率、所述拍摄行频,调整相机拍摄目标设备,得到检测图像。
其中,所述分辨率计算单元2012具体用于:
基于分辨率计算公式,得到拍摄分辨率,其中,所述分辨率计算公式包括:
其中,Rs为拍摄分辨率,L为拍摄视宽,w为识别最小缺陷宽度,di为最大表面直径值,a为采集像素均值,g为梯度参数,R为拍摄余量值,n为双峰初始阈值。
其中,所述行频计算单元2013具体用于:
H=2vR/L,其中,H为拍摄行频,v为摄像运动最大速度、R为拍摄余量值、L为拍摄视宽。
其中,所述缺陷分析模块203具体用于:
根据预置二维缺陷计算公式,对所述缺陷标记图进行二维缺陷分析处理,得到二维缺陷值;
根据预置三维缺陷计算公式,对所述缺陷标记图进行三维缺陷分析处理,得到三维缺陷值。
其中,所述判断模块204具体用于:
判断所述二维缺陷值是否小于预置二维预警阈值;
若小于二维预警阈值,则判断所述三维缺陷值是否小于预置三维预警值;
若不小于三维预警阈值,则确定缺陷值不小于预警阈值;
若小于三维预警阈值,则确定缺陷值小于预警阈值;
若不小于二维预警阈值,则确定缺陷值不小于预警阈值。
其中,所述缺陷标记模块202还具体用于:
基于RGB数值和Gamma校正算法,对所述检测图像进行灰度转换处理,得到灰度图像。
在本发明实施例中,通过对目标设备的采集图像进行灰度化,并通基于预置图像采集设置,对采集图像的缺陷实现复杂光照下的设施缺陷分割,利用外形检测减弱了图像中光照不均匀造成的影响,并利用视域提取的方式,解决现有的目标设备检测无法避免环境光线导致假阳性的失真结果的技术问题。
上面图2和图3从模块化功能实体的角度对本发明实施例中的设备缺陷的检测装置进行详细描述,下面从硬件处理的角度对本发明实施例中设备缺陷的检测设备进行详细描述。
图4是本发明实施例提供的一种设备缺陷的检测设备的结构示意图,该设备缺陷的检测设备400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)410(例如,一个或一个以上处理器)和存储器420,一个或一个以上存储应用程序433或数据432的存储介质430(例如一个或一个以上海量存储设备)。其中,存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对设备缺陷的检测设备400中的一系列指令操作。更进一步地,处理器410可以设置为与存储介质430通信,在设备缺陷的检测设备400上执行存储介质430中的一系列指令操作。
基于设备缺陷的检测设备400还可以包括一个或一个以上电源440,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口460,和/或,一个或一个以上操作系统431,例如Windows Serve,Mac OS X,Unix,Linux,Free BSD等等。本领域技术人员可以理解,图4示出的设备缺陷的检测设备结构并不构成对基于设备缺陷的检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述设备缺陷的检测方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以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全部或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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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)
1.一种设备缺陷的检测方法,其特征在于,包括步骤:
根据预置图像采集设置,拍摄目标设备的检测图像;
对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断所述缺陷值是否小于预置预警阈值;
若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
2.根据权利要求1所述的设备缺陷的检测方法,其特征在于,所述根据预置图像采集设置,拍摄目标设备的检测图像包括:
读取设置的拍摄视宽、识别最小缺陷宽度、最大表面直径值、采集像素均值、梯度参数、拍摄余量值、双峰初始阈值、摄像运动最大速度;
根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率;
根据预置拍摄行频计算公式,对所述摄像运动最大速度、所述拍摄余量值、所述拍摄视宽进行计算,得到拍摄行频;
基于所述拍摄分辨率、所述拍摄行频,调整相机拍摄目标设备,得到检测图像。
3.根据权利要求2所述的设备缺陷的检测方法,其特征在于,所述根据预置分辨率算法,对所述拍摄视宽、所述识别最小缺陷宽度、所述最大表面直径值、所述采集像素均值、所述梯度参数、所述拍摄余量值、所述双峰初始阈值进行计算,得到拍摄分辨率包括:
基于分辨率计算公式,得到拍摄分辨率,其中,所述分辨率计算公式包括:
其中,Rs为拍摄分辨率,L为拍摄视宽,w为识别最小缺陷宽度,di为最大表面直径值,a为采集像素均值,g为梯度参数,R为拍摄余量值,n为双峰初始阈值。
4.根据权利要求2所述的设备缺陷的检测方法,其特征在于,所述拍摄行频计算公式包括:
H=2vR/L,其中,H为拍摄行频,v为摄像运动最大速度、R为拍摄余量值、L为拍摄视宽。
5.根据权利要求1所述的设备缺陷的检测方法,其特征在于,所述根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值包括:
根据预置二维缺陷计算公式,对所述缺陷标记图进行二维缺陷分析处理,得到二维缺陷值;
根据预置三维缺陷计算公式,对所述缺陷标记图进行三维缺陷分析处理,得到三维缺陷值。
6.根据权利要求5所述的设备缺陷的检测方法,其特征在于,所述判断所述缺陷值是否小于预置预警阈值包括:
判断所述二维缺陷值是否小于预置二维预警阈值;
若小于二维预警阈值,则判断所述三维缺陷值是否小于预置三维预警值;
若不小于三维预警阈值,则确定缺陷值不小于预警阈值;
若小于三维预警阈值,则确定缺陷值小于预警阈值;
若不小于二维预警阈值,则确定缺陷值不小于预警阈值。
7.根据权利要求1所述的设备缺陷的检测方法,其特征在于,所述对所述检测图像进行灰度处理,得到灰度图像包括:
基于RGB数值和Gamma校正算法,对所述检测图像进行灰度转换处理,得到灰度图像。
8.一种设备缺陷的检测装置,其特征在于,所述设备缺陷的检测装置包括:
拍摄模块,用于根据预置图像采集设置,拍摄目标设备的检测图像;
缺陷标记模块,用于对所述检测图像进行灰度处理,得到灰度图像,以及根据预置双峰模糊算法,对所述灰度图像进行缺陷分析处理,得到缺陷标记图;
缺陷分析模块,用于根据预置缺陷计算公式,对所述缺陷标记图进行缺陷分析处理,得到缺陷值;
判断模块,用于判断所述缺陷值是否小于预置预警阈值;
标记模块,用于若不小于预置预警阈值,则将所述目标设备标记为缺陷设备。
9.一种设备缺陷的检测设备,其特征在于,所述设备缺陷的检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述设备缺陷的检测设备执行如权利要求1-7中任一项所述的设备缺陷的检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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中任一项所述的设备缺陷的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310420878.XA CN116977268A (zh) | 2023-04-12 | 2023-04-12 | 设备缺陷的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310420878.XA CN116977268A (zh) | 2023-04-12 | 2023-04-12 | 设备缺陷的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116977268A true CN116977268A (zh) | 2023-10-31 |
Family
ID=88480394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310420878.XA Pending CN116977268A (zh) | 2023-04-12 | 2023-04-12 | 设备缺陷的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977268A (zh) |
-
2023
- 2023-04-12 CN CN202310420878.XA patent/CN116977268A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
US10255662B2 (en) | Image processing method for detail enhancement and noise reduction | |
JP5389903B2 (ja) | 最適映像選択 | |
CN114937055A (zh) | 基于人工智能的图像自适应分割方法与系统 | |
US9811746B2 (en) | Method and system for detecting traffic lights | |
US9064178B2 (en) | Edge detection apparatus, program and method for edge detection | |
CN111062934A (zh) | 一种织物图像缺陷实时检测方法 | |
CN111340749A (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
CN114820417A (zh) | 图像异常检测方法、装置、终端设备和可读存储介质 | |
CN107563985A (zh) | 一种红外图像空中运动目标的检测方法 | |
CN114820334A (zh) | 图像修复方法、装置、终端设备和可读存储介质 | |
JP2015092643A (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及系统、报靶设备 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN108965749A (zh) | 基于纹理识别的缺陷像素检测和校正装置及方法 | |
CN112017163A (zh) | 图像模糊度检测的方法、装置、电子设备及存储介质 | |
CN116977268A (zh) | 设备缺陷的检测方法、装置、设备及存储介质 | |
CN111275756A (zh) | 线轴定位方法及装置 | |
JP2005252451A (ja) | 画質検査方法及び画質検査装置 | |
CN110211096B (zh) | 一种雾霾图像的检测方法 | |
CN108205672B (zh) | 一种显示屏幕的自动标定方法 | |
CN112949367A (zh) | 基于视频流数据的工作服颜色检测方法及装置 | |
JP2010039832A (ja) | 画像処理装置および画像処理プログラム |
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 |