CN117350995A - 一种产品缺陷检测方法、装置、设备及存储介质 - Google Patents
一种产品缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117350995A CN117350995A CN202311480138.1A CN202311480138A CN117350995A CN 117350995 A CN117350995 A CN 117350995A CN 202311480138 A CN202311480138 A CN 202311480138A CN 117350995 A CN117350995 A CN 117350995A
- Authority
- CN
- China
- Prior art keywords
- gray
- point cloud
- cloud image
- target point
- determining
- 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 59
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种产品缺陷检测方法、装置、设备及存储介质,包括:获取目标产品对应的目标点云图像;根据目标点云图像中各像素点的灰度值,确定目标点云图像在竖直方向上对应的第一灰度渐变图,以及目标点云图像在水平方向上对应的第二灰度渐变图;根据目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定目标点云图像对应的水平基准面;根据水平基准面确定基准高度值,并根据目标点云图像中各像素点灰度值与基准高度值之间的差值,确定目标产品对应的缺陷检测结果。本发明实施例的技术方案可以提高目标产品缺陷检测结果的准确性。
Description
技术领域
本发明涉及缺陷检测领域,尤其涉及一种产品缺陷检测方法、装置、设备及存储介质。
背景技术
随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对工业自动化中的产品进行实时定位研究越来越热门。在工业、制造业中,有着对产品进行尺寸检测、瑕疵检测等大量的工作,引入机器视觉的自动检测方法,相比于人工检测,能大大降低工人的检测劳动强度,检测精度高、速度快,可以有效保证产品的合格率。
现有技术中,在对产品进行检测时,通常是通过立体相机获取产品的三维(3-Dimension,3D)图像,然后对3D图像进行分析,得到产品缺陷检测结果。
但是,现有的检测方法中,如果产品摆放位置不正,获取的3D图像位置将不准确,容易导致检测结果出现误判。
发明内容
本发明提供了一种产品缺陷检测方法、装置、设备及存储介质,可以提高产品缺陷检测结果的准确性。
根据本发明的一方面,提供了一种产品缺陷检测方法,包括:
获取目标产品对应的目标点云图像;
根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图;
根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面;
根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
根据本发明的另一方面,提供了一种产品缺陷检测装置,所述装置包括:
点云图像获取模块,用于获取目标产品对应目标点云图像;
渐变图确定模块,用于根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图;
基准面确定模块,用于根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面;
缺陷检测模块,用于根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的产品缺陷检测方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的产品缺陷检测方法。
本发明实施例提供的技术方案,通过获取目标产品对应的目标点云图像,生成目标点云图像对应的第一灰度渐变图和第二灰度渐变图,并根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面,根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果的技术手段,可以提高目标产品缺陷检测结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是根据本发明实施例提供的一种产品缺陷检测方法的流程图;
图2a是根据本发明实施例提供的另一种产品缺陷检测方法的流程图;
图2b是根据本发明实施例提供的一种目标点云图像的示意图;
图2c是根据本发明实施例提供的一种灰度轮廓线的示意图;
图2d是根据本发明实施例提供的一种灰度轮廓线对应拟合线的示意图;
图2e是根据本发明实施例提供的一种灰度渐变图的示意图;
图3a是根据本发明实施例提供的另一种产品缺陷检测方法的流程图;
图3b是根据本发明实施例提供的一种竖直基准面对应的灰度轮廓线;
图3c是根据本发明实施例提供的一种目标产品对应的第一轮廓线示意图;
图4是根据本发明实施例提供的一种产品缺陷检测装置的结构示意图;
图5是实现本发明实施例的产品缺陷检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
图1为本发明实施例一提供的一种产品缺陷检测方法的流程图,本实施例可适用于对产品进行缺陷检测的情况,该方法可以由产品缺陷检测装置来执行,该产品缺陷检测装置可以采用硬件和/或软件的形式实现,该产品缺陷检测装置可配置于具备数据处理功能的电子设备中。如图1所示,该方法包括:
步骤110、获取目标产品对应的目标点云图像。
在本实施例中,所述目标产品可以为待检测的产品。具体的,可以通过3D相机采集目标产品对应的目标点云图像。
步骤120、根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图。
在本实施例中,获取到目标产品对应的目标点云图像后,可以根据目标点云图像中各像素点的灰度值,生成用于表征目标点云图像在竖直方向上灰度变化趋势的第一灰度渐变图,以及表征目标点云图像在水平方向上灰度变化趋势的第二灰度渐变图。
步骤130、根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面。
在本实施例中,目标点云图像中各像素点的灰度值,可以代表目标产品中对应位置的高度值,由此可以根据所述目标点云图像中各像素点的灰度值,以及目标点云图像在竖直方向和水平方向上分别对应的灰度变化趋势,确定目标点云图像对应的水平基准面。
步骤140、根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
在本实施例中,可选的,可以获取水平基准面中全部像素点的全部灰度值,然后对全部灰度值进行线性处理(例如计算平均值等),得到基准高度值。
在本实施例的一个实施方式中,通过上述方式确定基准高度值后,可以分别计算目标点云图像中各像素点灰度值与基准高度值之间的差值,并根据所述差值的数值大小,确定目标产品对应的缺陷检测结果。
具体的,在计算出目标点云图像中各像素点灰度值与基准高度值之间的差值后,如果多数差值较大,则确定目标产品为有缺陷产品;反之,如果多数差值较小,则确定目标产品为合格产品。
本发明实施例提供的技术方案,通过获取目标产品对应的目标点云图像,生成目标点云图像对应的第一灰度渐变图和第二灰度渐变图,并根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面,根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果的技术手段,可以避免目标产品摆放位置不正导致检测结果出现误判的情形,从而提高产品缺陷检测结果的准确性。
图2a为本发明实施例二提供的一种产品缺陷检测方法的流程图,本实施例是对上述实施例的进一步细化。如图2a所示,该方法包括:
步骤210、获取目标产品对应的原始点云图像,按照预设的尺寸比例,对所述原始点云图像进行缩放处理,并对缩放后的点云图像进行二值化处理。
在本实施例中,具体的,假设原始点云图像中水平方向长度与竖直方向长度的比例为2:1,则可以对原始点云图像的水平方向长度缩小2倍,然后对缩小后的点云图像进行二值化处理。
步骤220、获取处理后的点云图像对应的外接矩形,根据所述外接矩形的倾斜角度,对处理后的点云图像进行旋转,得到目标产品对应的目标点云图像。
这样设置的好处在于,可以保证目标点云图像处于水平状态,便于后续确定目标点云图像对应的水平基准面。
在一个具体的实施例中,对目标产品对应的原始点云图像进行上述预处理后,可以得到如图2b所示的目标点云图像。
步骤230、获取所述目标点云图像在竖直方向上对应的直线,根据所述直线中各像素点的灰度值与坐标值,生成所述目标点云图像在竖直方向上对应的第一灰度轮廓线。
在本实施例中,以图2b所示的目标点云图像为例,可以获取该目标点云图像中的竖直直线,并获取该竖直直线上每个像素点的灰度值与坐标值。具体的,假设所述直线中包括以下像素点,并且各像素点在目标点云图像中的坐标值分别为:A(100,200)、B(100,250)、C(100,300)、D(100,350)、E(100,400)……,其中像素点A的灰度值为37555,像素点B的灰度值为37541,像素点C的灰度值为37544,像素点D的灰度值为37539,像素点E的灰度值为37532,则可以根据上述各像素点的纵坐标值与灰度值,生成如图2c所示的第一灰度轮廓线。从图2c可以看出,目标点云图像在竖直方向上灰度值越来越少。
步骤240、确定所述第一灰度轮廓线对应的第一斜率,根据所述第一斜率生成目标点云图像在竖直方向上对应的第一灰度渐变图。
在本实施例中,可选的,可以将第一灰度轮廓线划分为多个子线段,然后计算每个子线段的斜率,并对全部子线段的斜率求平均值,得到第一灰度轮廓线对应的第一斜率。
在本实施例的一个实施方式中,确定所述第一灰度轮廓线对应的第一斜率,包括:在所述第一灰度轮廓线中,按照预设采样间隔,分别获取多个像素点组合,并确定每个像素点组合中像素点灰度值之间的差分值;将多个差分值分别与预设采样间隔进行相除,得到多个备选斜率;将所述多个备选斜率对应的中值,作为第一灰度轮廓线对应的第一斜率k1。
在一个具体的实施例中,所述采样间隔可以为5,具体数值可以根据实际情况进行调整,本实施例对此并不进行限制。假设第一灰度轮廓线对应600个像素点,则可以按照采样间隔5获取595个像素点组合,并计算得到595个灰度值差分值,然后将这些差分值分别除以5得到595个备选斜率,最后对这些备选斜率取中值作为第一斜率k1。
在本实施例中,在确定出第一斜率后,可以按照第一斜率对第一轮廓线进行拟合(如图2d所示),然后根据拟合线判断第一斜率是否正确。
在实际应用中,根据点云图像生成渐变图的公式如下:
Image(x,y)=kx(x-x0)+ky(y-y0)+b
其中,Image(x,y)代表渐变图中坐标(x,y)上的灰度值,(x0,y0)为固定点(例如原点)坐标,kx为x方向(也即水平方向)上灰度轮廓线的斜率,ky为y方向(也即竖直方向)上灰度轮廓线的斜率,b为截距。
在此步骤中,在确定目标点云图像在竖直方向上对应的第一灰度渐变图时,由于kx=0,ky=k1,b=0,因此,可以通过下述公式生成第一灰度渐变图:
Image1(x,y)=k1(y-y0)
Image1(x,y)代表第一灰度渐变图中各像素点的灰度值。具体的,通过上述方式可以生成如图2e所示的第一灰度渐变图。
步骤250、根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在水平方向上对应的第二灰度渐变图。
在本实施例中,可以获取所述目标点云图像在水平方向上对应的直线,根据该直线中各像素点的灰度值与坐标值,生成所述目标点云图像在水平方向上对应的第二灰度轮廓线,确定所述第二灰度轮廓线对应的第二斜率k2,根据所述第二斜率k2生成目标点云图像在水平方向上对应的第二灰度渐变图。
在此步骤中,具体的,参考上述渐变图生成公式:Image(x,y)=kx(x-x0)+ky(y-y0)+b,在确定目标点云图像在水平方向上对应的第二灰度渐变图时,由于ky=0,kx=k2,b=0,因此,可以通过下述公式生成第二灰度渐变图:
Image2(x,y)=k2(x-x0)
Image2(x,y)代表第二灰度渐变图中各像素点的灰度值。
步骤260、根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面。
步骤270、根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
本发明实施例提供的技术方案,通过获取目标产品对应的原始点云图像,按照预设的尺寸比例对原始点云图像进行缩放处理,并对缩放后的点云图像进行二值化处理,根据外接矩形的倾斜角度对处理后的点云图像进行旋转得到目标点云图像,获取目标点云图像在竖直方向上对应的直线,根据直线中各像素点的灰度值与坐标值,生成目标点云图像在竖直方向上对应的第一灰度轮廓线,确定第一灰度轮廓线对应的第一斜率,根据第一斜率生成第一灰度渐变图,根据目标点云图像中各像素点的灰度值,确定目标点云图像在水平方向上对应的第二灰度渐变图,根据目标点云图像、第一灰度渐变图以及第二灰度渐变图确定水平基准面,根据水平基准面确定基准高度值,并根据目标点云图像中各像素点灰度值与基准高度值之间的差值,确定目标产品对应的缺陷检测结果的技术手段,可以提高目标产品缺陷检测结果的准确性。
图3a为本发明实施例三提供的一种产品缺陷检测方法的流程图,本实施例是对上述实施例的进一步细化。如图3a所示,该方法包括:
步骤310、获取目标产品对应的目标点云图像。
步骤320、获取所述目标点云图像在竖直方向上对应的直线,根据所述直线中各像素点的灰度值与坐标值,生成所述目标点云图像在竖直方向上对应的第一灰度轮廓线。
步骤330、确定所述第一灰度轮廓线对应的第一斜率,根据所述第一斜率生成目标点云图像在竖直方向上对应的第一灰度渐变图。
步骤340、根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在水平方向上对应的第二灰度渐变图。
步骤350、根据所述目标点云图像中各像素点的灰度值,以及第一灰度渐变图中各像素点的灰度值,确定所述目标点云图像对应的竖直基准面。
在本实施例中,具体的,可以将目标点云图像中各像素点的灰度值,与第一灰度渐变图中对应像素点的灰度值进行相减,并根据相减结果生成目标点云图像对应的竖直基准面。
在一个具体的实施例中,通过上述方式生成竖直基准面后,可以根据竖直基准面中各像素点的灰度值,确定竖直基准面对应的灰度轮廓线,如图3b所示。从图3b可以看出,目标点云图像在竖直方向上,灰度值已经趋于水平趋势。
步骤360、根据所述第二灰度渐变图中各像素点的灰度值,以及所述竖直基准面,确定所述目标点云图像对应的水平基准面。
在本实施例中,具体的,可以将第二灰度渐变图中各像素点的灰度值,与竖直基准面中对应像素点的灰度值进行相减,然后根据相减结果生成目标点云图像对应的水平基准面。
步骤370、获取所述水平基准面中全部像素点对应的全部灰度值,将所述全部灰度值对应的中值,作为基准高度值,并确定第一灰度轮廓线中各像素点灰度值,与基准高度值之间的差值。
步骤380、统计所述差值大于预设差值阈值时对应的像素点数量;将所述像素点数量与预设数量阈值进行对比,根据对比结果确定所述目标产品对应的缺陷检测结果。
在本实施例中,可选的,所述预设差值阈值可以为50,所述预设数量阈值可以为30。如果第一灰度轮廓线中存在超过30个像素点对应的差值大于50,则可以确定目标产品为有缺陷产品。
在一个具体的实施例中,假设图3c为目标产品对应的第一轮廓线示意图,如果第一轮廓线中间存在50个像素点对应的差值大于50,则可以确定该目标产品中间位置形状为凸出,同理如果第一轮廓线中存在50个像素点对应的差值小于-50,则可以确定该目标产品形状为凹坑。
本发明实施例提供的技术方案,通过获取目标产品对应的目标点云图像,获取所述目标点云图像在竖直方向上对应的直线,根据直线中各像素点的灰度值与坐标值生成第一灰度轮廓线,确定第一灰度轮廓线对应的第一斜率,根据第一斜率生成第一灰度渐变图,根据目标点云图像中各像素点的灰度值确定第二灰度渐变图,根据目标点云图像中各像素点的灰度值,以及第一灰度渐变图中各像素点的灰度值确定竖直基准面,根据第二灰度渐变图中各像素点的灰度值以及竖直基准面确定水平基准面,获取水平基准面中全部像素点对应的全部灰度值,将全部灰度值对应的中值作为基准高度值,并确定第一灰度轮廓线中各像素点灰度值与基准高度值之间的差值,统计差值大于预设差值阈值时对应的像素点数量,将像素点数量与预设数量阈值进行对比,根据对比结果确定所述目标产品对应的缺陷检测结果的技术手段,可以提高目标产品缺陷检测结果的准确性。
图4为本发明实施例四提供的一种产品缺陷检测装置的结构示意图,如图4所示,该装置包括:点云图像获取模块410、渐变图确定模块420、基准面确定模块430和缺陷检测模块440。
其中,点云图像获取模块410,用于获取目标产品对应的目标点云图像;
渐变图确定模块420,用于根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图;
基准面确定模块430,用于根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面;
缺陷检测模块440,用于根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
本发明实施例提供的技术方案,通过获取目标产品对应的目标点云图像,生成目标点云图像对应的第一灰度渐变图和第二灰度渐变图,并根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面,根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果的技术手段,可以提高目标产品缺陷检测结果的准确性。
在上述实施例的基础上,点云图像获取模块410包括:
图像处理单元,用于获取目标产品对应的原始点云图像,按照预设的尺寸比例,对所述原始点云图像进行缩放处理,并对缩放后的点云图像进行二值化处理;
图像旋转单元,用于获取处理后的点云图像对应的外接矩形,根据所述外接矩形的倾斜角度,对处理后的点云图像进行旋转,得到目标产品对应的目标点云图像。
渐变图确定模块420包括:
第一轮廓线确定单元,用于获取所述目标点云图像在竖直方向上对应的直线,根据所述直线中各像素点的灰度值与坐标值,生成所述目标点云图像在竖直方向上对应的第一灰度轮廓线;
第一渐变图生成单元,用于确定所述第一灰度轮廓线对应的第一斜率,根据所述第一斜率生成目标点云图像在竖直方向上对应的第一灰度渐变图;
像素点采样单元,用于在所述第一灰度轮廓线中,按照预设采样间隔,分别获取多个像素点组合,并确定每个像素点组合中像素点灰度值之间的差分值;
备选斜率确定单元,用于将多个差分值分别与预设采样间隔进行相除,得到多个备选斜率;
第一斜率确定单元,用于将所述多个备选斜率对应的中值,作为第一灰度轮廓线对应的第一斜率。
基准面确定模块430包括:
竖直基准面确定单元,用于根据所述目标点云图像中各像素点的灰度值,以及第一灰度渐变图中各像素点的灰度值,确定所述目标点云图像对应的竖直基准面;
水平基准面确定单元,用于根据所述第二灰度渐变图中各像素点的灰度值,以及所述竖直基准面,确定所述目标点云图像对应的水平基准面。
缺陷检测模块440包括:
基准高度值确定单元,用于获取所述水平基准面中全部像素点对应的全部灰度值,将所述全部灰度值对应的中值,作为基准高度值;
差值确定单元,用于确定第一灰度轮廓线中各像素点灰度值,与基准高度值之间的差值;
数量统计单元,用于统计所述差值大于预设差值阈值时对应的像素点数量;将所述像素点数量与预设数量阈值进行对比,根据对比结果确定所述目标产品对应的缺陷检测结果。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如产品缺陷检测方法。
在一些实施例中,产品缺陷检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的产品缺陷检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行产品缺陷检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种产品缺陷检测方法,其特征在于,包括:
获取目标产品对应的目标点云图像;
根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图;
根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面;
根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,获取目标产品对应的目标点云图像包括:
获取目标产品对应的原始点云图像,按照预设的尺寸比例,对所述原始点云图像进行缩放处理,并对缩放后的点云图像进行二值化处理;
获取处理后的点云图像对应的外接矩形,根据所述外接矩形的倾斜角度,对处理后的点云图像进行旋转,得到目标产品对应的目标点云图像。
3.根据权利要求1所述的方法,其特征在于,根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,包括:
获取所述目标点云图像在竖直方向上对应的直线,根据所述直线中各像素点的灰度值与坐标值,生成所述目标点云图像在竖直方向上对应的第一灰度轮廓线;
确定所述第一灰度轮廓线对应的第一斜率,根据所述第一斜率生成目标点云图像在竖直方向上对应的第一灰度渐变图。
4.根据权利要求1所述的方法,其特征在于,根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面,包括:
根据所述目标点云图像中各像素点的灰度值,以及第一灰度渐变图中各像素点的灰度值,确定所述目标点云图像对应的竖直基准面;
根据所述第二灰度渐变图中各像素点的灰度值,以及所述竖直基准面,确定所述目标点云图像对应的水平基准面。
5.根据权利要求1所述的方法,其特征在于,根据所述水平基准面确定基准高度值,包括:
获取所述水平基准面中全部像素点对应的全部灰度值,将所述全部灰度值对应的中值,作为基准高度值。
6.根据权利要求3所述的方法,其特征在于,根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果,包括:
确定第一灰度轮廓线中各像素点灰度值,与基准高度值之间的差值;
统计所述差值大于预设差值阈值时对应的像素点数量;
将所述像素点数量与预设数量阈值进行对比,根据对比结果确定所述目标产品对应的缺陷检测结果。
7.根据权利要求3所述的方法,其特征在于,确定所述第一灰度轮廓线对应的第一斜率,包括:
在所述第一灰度轮廓线中,按照预设采样间隔,分别获取多个像素点组合,并确定每个像素点组合中像素点灰度值之间的差分值;
将多个差分值分别与预设采样间隔进行相除,得到多个备选斜率;
将所述多个备选斜率对应的中值,作为第一灰度轮廓线对应的第一斜率。
8.一种产品缺陷检测装置,其特征在于,包括:
点云图像获取模块,用于获取目标产品对应的目标点云图像;
渐变图确定模块,用于根据所述目标点云图像中各像素点的灰度值,确定所述目标点云图像在竖直方向上对应的第一灰度渐变图,以及所述目标点云图像在水平方向上对应的第二灰度渐变图;
基准面确定模块,用于根据所述目标点云图像、第一灰度渐变图以及第二灰度渐变图,确定所述目标点云图像对应的水平基准面;
缺陷检测模块,用于根据所述水平基准面确定基准高度值,并根据所述目标点云图像中各像素点灰度值与基准高度值之间的差值,确定所述目标产品对应的缺陷检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的产品缺陷检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的产品缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311480138.1A CN117350995A (zh) | 2023-11-07 | 2023-11-07 | 一种产品缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311480138.1A CN117350995A (zh) | 2023-11-07 | 2023-11-07 | 一种产品缺陷检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117350995A true CN117350995A (zh) | 2024-01-05 |
Family
ID=89371006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311480138.1A Pending CN117350995A (zh) | 2023-11-07 | 2023-11-07 | 一种产品缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117350995A (zh) |
-
2023
- 2023-11-07 CN CN202311480138.1A patent/CN117350995A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116152208A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
CN117372499A (zh) | 一种原木长短径确定方法、装置、设备及存储介质 | |
CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
CN116182748A (zh) | 基于视线驱动的海上风力发电机组垂直度检测方法及装置 | |
CN116225163A (zh) | 一种基于视觉检测的物体位置调节方法、装置及存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN116883488B (zh) | 一种圆形管的中心位置确定方法、装置、设备及介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN117739993B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN117975099A (zh) | 一种像素级的目标标注方法、装置、电子设备及存储介质 | |
CN115032615B (zh) | 一种激光雷达标定点确定方法、装置、设备及存储介质 | |
CN115237289B (zh) | 热区范围确定方法、装置、设备及存储介质 | |
CN116934714A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116977930A (zh) | 基于图像的油迹检测方法及装置 | |
CN118072078A (zh) | 目标检测方法、装置、设备及存储介质 | |
CN118298027A (zh) | 一种标定装置及外参标定方法、装置、电子设备及存储介质 | |
CN118191935A (zh) | 基于边缘检测的断层识别方法、装置、电子设备和介质 | |
CN117788423A (zh) | 一种装配件轮廓度确定方法、装置、设备及存储介质 | |
CN118333983A (zh) | 一种焊缝提取方法、装置、电子设备及存储介质 | |
CN117576077A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN116309660A (zh) | 一种直线检测方法、装置、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 |