CN117388261A - 表面缺陷检测方法、装置、系统、存储介质及计算机设备 - Google Patents

表面缺陷检测方法、装置、系统、存储介质及计算机设备 Download PDF

Info

Publication number
CN117388261A
CN117388261A CN202311370398.3A CN202311370398A CN117388261A CN 117388261 A CN117388261 A CN 117388261A CN 202311370398 A CN202311370398 A CN 202311370398A CN 117388261 A CN117388261 A CN 117388261A
Authority
CN
China
Prior art keywords
pixel
aluminum material
determining
defect
detected
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
CN202311370398.3A
Other languages
English (en)
Inventor
姜星旭
高崇
马科
杨升
黄鑫
李欣
刘贞山
赵丕植
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.)
Chalco He'nan Luoyang Aluminum Processing Co ltd
Chinalco Materials Application Research Institute Co Ltd
Original Assignee
Chalco He'nan Luoyang Aluminum Processing Co ltd
Chinalco Materials Application Research Institute 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 Chalco He'nan Luoyang Aluminum Processing Co ltd, Chinalco Materials Application Research Institute Co Ltd filed Critical Chalco He'nan Luoyang Aluminum Processing Co ltd
Priority to CN202311370398.3A priority Critical patent/CN117388261A/zh
Publication of CN117388261A publication Critical patent/CN117388261A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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

Abstract

本发明公开了一种表面缺陷检测方法、装置、系统、存储介质及计算机设备。其中，该方法包括：获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态。本发明解决了依赖人工目检确定铝材料表面是否存在异色缺陷费时费力且检测结果不准确的技术问题。

Description

表面缺陷检测方法、装置、系统、存储介质及计算机设备
技术领域
本发明涉及材料分析测试领域，具体而言，涉及一种表面缺陷检测方法、装置、系统、存储介质及计算机设备。
背景技术
近年来，随着铝材料的销量及出口量逐年增加，对于铝材料表面质量和美观的要求也越来越高。铝和铝合金制成的部件的表面性能要求根据其使用环境决定。许多不同的铝和铝合金产品：如锻造产品，挤压产品、轧制产品以及深拉产品被设计为具有阳极氧化表面。阳极氧化表面处理已成为铝基材表面保护、耐用性和装饰的代名词。所有采用高强度重量比铝合金的行业：飞机、国防、建筑、汽车、电子、液压、医疗和半导体设备等，都将阳极氧化工艺视为重要的技术。
但是，在酸洗、碱洗和阳极氧化等表面处理工艺后，铝材料表面容易产生异色缺陷影响铝材料的表面色泽均匀性。目前，铝材料的异色缺陷检测仍然依靠人工目检的方法，耗费时间大，劳动成本高，并且难以对铝材料表面质量做出准确量化检测和等级评价。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种表面缺陷检测方法、装置、系统、存储介质及计算机设备，以至少解决了依赖人工目检确定铝材料表面是否存在异色缺陷费时费力且检测结果不准确的技术问题。
根据本发明实施例的一个方面，提供了一种表面缺陷检测方法，包括：获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态。
可选地，根据原始像素点的像素值，确定待测表面中的异色区域的面积占比，包括：根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，其中，目标像素点的像素值为第一像素值，其他像素点的像素值为第二像素值，第一像素值表征目标像素点存在异色缺陷，第二像素值表征其他像素点不存在异色缺陷；根据目标像素点和其他像素点，确定待测表面中的异色区域的面积占比，其中，待测表面中的异色区域与目标像素点对应。
可选地，根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，包括：获取第一二值化处理阈值和第二二值化处理阈值；根据第一二值化处理阈值、第二二值化处理阈值和原始像素点的像素值，将原始像素点分类为阈值范围内像素点和阈值范围外像素点，其中，阈值范围内像素点的像素值位于第一二值化处理阈值和第二二值化处理阈值之间，阈值范围外像素点的像素值小于第一二值化处理阈值或大于第二二值化处理阈值；将阈值范围内像素点的像素值修改为第一像素值，得到目标像素点，以及将阈值范围外像素点的像素值修改为第二像素值，得到其他像素点。
可选地，第一二值化处理阈值和第二二值化处理阈值预先通过如下方式确定：获取铝材料的待测表面的表面类型和/或处理工艺；根据待测表面的表面类型和/或处理工艺，确定待测表面未出现异色缺陷时的像素值范围；根据像素值范围，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，第一二值化处理阈值和第二二值化处理阈值预先通过如下方式确定：获取铝材料标准件，其中，铝材料标准件的标准表面与铝材料的待测表面的表面类型和/或处理工艺相同；将铝材料标准件的标准表面置于目标检测环境中，其中，目标检测环境与采集铝材料的待测表面对应的图像时的环境相同；采集铝材料标准件的标准表面对应的标准图像；根据标准图像，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，根据原始像素点的像素值，确定待测表面中的异色区域的面积占比，包括：根据原始像素点的像素值，确定待测表面中的多个局部区域各自对应的异色区域的局部面积占比；根据所述面积占比，确定铝材料的待测表面的异色缺陷状态，包括：根据局部面积占比，确定待测表面中的多个局部区域各自的异色缺陷状态。
根据本发明实施例的另一方面，还提供了一种表面缺陷检测装置，包括：获取模块，用于获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；第一确定模块，用于根据图像，确定原始像素点的像素值；第二确定模块，用于根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；第三确定模块，用于根据面积占比，确定铝材料的待测表面的异色缺陷状态。
根据本发明实施例的另一方面，还提供了一种表面缺陷检测系统，包括：图像采集模块和表面缺陷检测装置，其中，图像采集模块包括：相机，镜头和光源；表面缺陷检测装置与图像采集模块连接，用于确定铝材料的待测表面的缺陷状态。
根据本发明实施例的又一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述表面缺陷检测方法。
根据本发明实施例的再一方面，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行所述存储器存储的程序，其中，所述程序运行时执行上述任意一项所述表面缺陷检测方法。
在本发明实施例中，采用检测表面缺陷的方式，通过获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态，达到了确定铝材料表面是否存在异色缺陷的目的，从而实现了快速准确地检测铝材料表面是否存在异色缺陷的技术效果，进而解决了依赖人工目检确定铝材料表面是否存在异色缺陷费时费力且检测结果不准确的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了一种用于表面缺陷检测方法的计算机终端的硬件结构框图；
图2是根据本发明实施例提供的表面缺陷检测方法的示意图；
图3是根据本发明可选实施例提供的铝材表面色泽均匀性的量化检测方法的流程图；
图4是根据本发明可选实施例提供的一种铝材表面异色缺陷的示意图；
图5是根据本发明可选实施例提供的一种铝材表面异色缺陷的示意图；
图6是根据本发明可选实施例提供的一种铝材表面异色缺陷的示意图；
图7是根据本发明可选实施例提供的一种铝材表面异色缺陷的示意图；
图8是根据本发明可选实施例提供的一种铝材表面异色缺陷的示意图；
图9是根据本发明实施例提供的表面缺陷检测系统的示例的结构示意图；
图10是根据本发明实施例提供的表面缺陷检测装置的结构框图。
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。
根据本发明实施例，提供了一种表面缺陷检测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现表面缺陷检测方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中采用处理器102a、处理器102b，……，处理器102n来示出)处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的表面缺陷检测方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的表面缺陷检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。
铝材料可以包括金属铝材料或铝合金材料，且不同铝材料的表面工艺不同。不同铝材料的表面色泽均匀性为评价铝材料品质的重要指标，通常铝材料表面的色泽均匀性越好，铝材料的品质越好。然而，铝材料在经过酸洗、碱洗或阳极氧化等表面处理工艺后，铝材表面容易产生异色缺陷影响铝材的表面色泽均匀性。目前，铝材的异色缺陷检测仍然依靠人工目检的方法，耗费时间大，劳动成本高，并且难以对铝材表面质量做出准确量化检测和等级评价。
为了解决相关技术中存在的上述问题，本申请提出了如下的表面缺陷检测方法，以识别出铝材料表面是否存在异色缺陷。图2是根据本发明实施例提供的表面缺陷检测方法的流程示意图，如图2所示，该方法包括如下步骤：
步骤S202，获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应。
上述步骤中，为了获取铝材料的待测表面对应的图像，可以从铝材产品上切割出预设尺寸的待测铝材样本，并通过工业相机对待测铝材样本进行拍照，获取待测铝材样本表面图片；还可以将铝材料放置在工业相机的视场范围内，将工业相机对准待测表面进行拍照，然后对拍摄得到的图片进行裁剪，将图片中不属于待测表面的区域裁掉，进而得到待测表面对应的图像。
步骤S204，根据图像，确定原始像素点的像素值。
上述步骤中，原始像素点的像素值可以通过如下方式确定：拍摄铝材料的待测表面后得到的图像中，可以用8位二进制数表示一个像素的像素值，这样总共有256个灰度等级，即图像中的原始像素点的像素值取值范围在0-255之间，256个灰度等级代表不同的亮度。
步骤S206，根据原始像素点的像素值，确定待测表面中的异色区域的面积占比。
上述步骤中，异色区域是指待测表面中与未出现异色缺陷的正常表面存在色泽不同的区域，异色缺陷是指待测表面中出现的颜色与预期或正常情况下应有的颜色不一致的情况。这种情况通常是由于材料组分或者材料加工工艺有问题而导致的颜色异常。异色区域可能是异色缺陷的表现之一，当待测表面出现颜色缺陷或者颜色不均匀时，会在该区域形成明显的异色区域。
作为一种可选的实施例，根据原始像素点的像素值，可以通过如下步骤确定待测表面中的异色区域的面积占比：根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，其中，目标像素点的像素值为第一像素值，其他像素点的像素值为第二像素值，第一像素值表征目标像素点存在异色缺陷，第二像素值表征其他像素点不存在异色缺陷；根据目标像素点和其他像素点，确定待测表面中的异色区域的面积占比，其中，待测表面中的异色区域与目标像素点对应。
本可选实施例中，二值化处理是将图像像素的灰度值转化为两个值(例如，可以是0和255)，以实现图像的黑白化处理。在二值化处理中，可以将图像中的像素灰度值与阈值进行比较，小于阈值的像素被设置为0(黑色)，大于等于阈值的像素被设置为255(白色)。这样就将图像转化为黑白两个颜色的二值图像，用于简化图像信息，提取特定目标或轮廓等应用中。
本可选实施例中，为了对原始像素点进行二值化处理，采用了基于阈值进行二值化判断的方式，确定铝材料图片像素点的像素值阈值范围，像素值阈值范围边界值分别为第一二值化处理阈值和第二二值化处理阈值，根据第一二值化处理阈值和第二二值化处理阈值来进行二值化的判断。采用该方式的原因为通过二值化处理，可以精准区分底纹缺陷和铝合金基体边界，量化底纹缺陷占比，从而判断铝材料表面色泽均匀性。
可选地，确定铝材料的待测表面中异色缺陷区域面积占比的具体步骤如下：获取待测铝材样本表面图片中原始像素点对应的像素值。将待测铝材样本表面图片放置于平面坐标系中，则每个原始像素点可以以坐标形式表示，坐标系中每个原始像素点的像素值可以通过图像处理软件如(Image-Pro Plus 6.0)获取。针对每个原始像素点，如果该原始像素点的像素值不位于预设的像素阈值范围，则将该原始像素点确定为目标像素点。可以将正常铝材(评价为合格产品)本身的原始像素值范围设置为预设的像素阈值范围，如220-230。针对每个原始像素点，如果该原始像素点的像素值不位于预设的像素阈值范围，则说明该原始像素点与正常铝材的像素值不一致，为异色缺陷像素点，因此将该原始像素点确定为目标像素点。确定各目标像素点的总面积，并将该总面积与待测铝材样本表面图片的面积的比值，确定为铝材料的待测表面中异色缺陷区域面积占比。将不在预设的像素阈值范围内的目标像素点提取出来，计算目标像素点的总面积，并根据该总面积和待测铝材样本表面图片的尺寸，计算二者面积的比值，从而确定待测铝材样本表面图片中异色缺陷区域面积占比。将异色缺陷像素点的总面积与所述铝材样本表面图片的面积的比值，确定为所述铝材表面中异色缺陷区域面积占比。
可选地，评价铝材表面质量的方法可以基于异色缺陷区域越少，说明铝材质量越高的原则，预设异色缺陷质量评价标准，如表1所示。如果异色缺陷区域面积占比低于预设的第一面积占比阈值，则将待测铝材样本确定为合格样本，如果异色缺陷区域面积占比高于或等于预设的第一面积占比阈值，则将待测铝材样本确定为不合格样本。其中，第一面积占比阈值3％，还可以预设第二面积占比阈值，如5％，如果异色缺陷区域面积占比小于3％，则说明铝材质量过关，如果异色缺陷区域面积占比位于3％和5％之间，则可以通过改进工艺或者重新加工，以获得更高的铝材质量。
表1.铝材表面异色缺陷质量评价表
作为一种可选的实施例，根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，可以通过如下步骤实现：获取第一二值化处理阈值和第二二值化处理阈值；根据第一二值化处理阈值、第二二值化处理阈值和原始像素点的像素值，将原始像素点分类为阈值范围内像素点和阈值范围外像素点，其中，阈值范围内像素点的像素值位于第一二值化处理阈值和第二二值化处理阈值之间，阈值范围外像素点的像素值小于第一二值化处理阈值或大于第二二值化处理阈值；将阈值范围内像素点的像素值修改为第一像素值，得到目标像素点，以及将阈值范围外像素点的像素值修改为第二像素值，得到其他像素点。
可选地，本可选实施例采用的二值化处理的公式可以为：
其中，F(i，j)表示铝材料的待测表面中坐标为(i，j)处的原始像素点对应的像素值，t1和t2可以分别表示预设的铝材料原始像素点的像素值阈值范围，分别为第一二值化处理阈值和第二二值化处理阈值，G(i，j)表示二值化处理后坐标(i，j)处的原始像素点对应的像素值。
本可选实施例中，像素点可以通过如下方式确定：如图3所示，采集待测铝材料样本表面图片，根据目标像素值范围设置二值化阈值，将待测铝材料样本表面图片中的像素点分成目标像素点和非目标像素点。例如：如图3所示，铝材料本身颜色对应的像素值范围为220-230，那么，不在此范围中的像素点均为异色缺陷。可以设置二值化阈值为220和230，针对待测铝材料样本表面图片，可以将图片中的像素的像素值分成两类，一类为铝材料本身颜色对应的像素点(铝材基体像素点)，二值化处理后的像素值为0，表示黑色；另一类为异色缺陷对应的像素点，二值化处理后的像素值为255，表示白色，待测铝材料样本表面图片也转变为黑白图，图中黑色为未出现异色缺陷对应的非目标像素点，白色为异色缺陷对应的目标像素点。
作为一种可选的实施例，第一二值化处理阈值和第二二值化处理阈值预先通过如下方式确定：获取铝材料的待测表面的表面类型和/或处理工艺；根据待测表面的表面类型和/或处理工艺，确定待测表面未出现异色缺陷时的像素值范围；根据像素值范围，确定第一二值化处理阈值和第二二值化处理阈值。
本可选实施例可以提供一种灵活地二值化处理阈值的确定方式。由于铝材料在不同表面类型和/或处理工艺下的表面色泽表现存在差异，因此采用固定的二值化处理阈值对铝材料表面是否出现异色缺陷进行判断的话，可能会存在误判，例如某些工艺下会导致铝材料待测表面的色泽偏深，此时若依然采用唯一一套二值化处理阈值，可能会将该铝材料的待测表面的大部分区域判断为存在异色缺陷，导致识别结果不够准确。基于本可选的实施例可以避免这样的情况，可选地，可以提前测定铝材料在不同表面类型和/或处理工艺下的二值化处理阈值组合，然后将这些二值化处理阈值的组合预存在异色缺陷检测系统，当上述实施例或可选实施例中对铝材料进行检测时，先将铝材料与预存的二值化处理阈值的组合进行匹配，确定该铝材料的待测表面适用哪一套二值化处理阈值，进而将该套二值化处理阈值中的数值分别确定为第一二值化处理阈值和第二二值化处理阈值。
作为一种可选的实施例，第一二值化处理阈值和第二二值化处理阈值预先还可以通过如下方式确定：获取铝材料标准件，其中，铝材料标准件的标准表面与铝材料的待测表面的表面类型和/或处理工艺相同；将铝材料标准件的标准表面置于目标检测环境中，其中，目标检测环境与采集铝材料的待测表面对应的图像时的环境相同；采集铝材料标准件的标准表面对应的标准图像；根据标准图像，确定第一二值化处理阈值和第二二值化处理阈值。
上述可选实施例中，确定第一二值化处理阈值和第二二值化处理阈值包括如下方法：选取1060H18态铝材样本表面，可以将其放在放潮湿、干燥等不同环境下，先确定在不同环境下的标准像素值，标准像素值是评价待测铝材料标准件的表面是理想表面的标准，然后将标准值上下浮动，确定二重阈值，二重阈值包括第一二值化处理阈值和第二二值化处理阈值，在第一二值化处理阈值和第二二值化处理阈值之间的值，则认为待测样品表面是理想表面。例如，待测铝材料标准件在潮湿环境下的标准像素值是225，将标准像素值向下浮动5作为第一二值化处理阈值，即第一二值化处理阈值是220；将标准像素值向上浮动5作为第二二值化处理阈值，即第二二值化处理阈值是230；同样在潮湿环境下，当检测铝材料非标准件时，检测结果在220-230之间，即认为此检测的铝材料的表面是理想表面，理想表面即为没有出现异色缺陷的表面。
作为一种可选的实施例，根据原始像素点的像素值，确定待测表面中的异色区域的面积占比，还可以通过如下方式确定：根据原始像素点的像素值，确定待测表面中的多个局部区域各自对应的异色区域的局部面积占比；根据所述面积占比，确定铝材料的待测表面的异色缺陷状态，包括：根据局部面积占比，确定待测表面中的多个局部区域各自的异色缺陷状态。
本可选实施例提供了一种对待测表面是否存在异色缺陷的精细化检测方法，铝材料在加工过程中，由于生产加工流程和工艺等原因，可能存在加工效果整体不均匀的现象，例如铝材料的待测表面中的部分区域存在严重的异色缺陷，而其他区域的异色缺陷较少。在上述场景中，对铝材料表面的异色区域进行整体面积占比检测，可能会将上述铝材料识别为合格品，因为整个待测表面中的异色区域占整个待测表面的面积占比没有超过阈值，但是该铝材料的局部区域可能严重不合格，通过本可选实施例提供的方案就可以将这种情况识别出来，后续处理中可以将存在严重异色缺陷的材料部分进行切割，或者对其进行二次加工，以降低铝材料的异色缺陷。
可选地，待测表面中局部区域的划分方式可以包括多种方式，例如，可以将待测表面划分为多个矩形条带区域，每个矩形条带区域为上述可选实施例中的一个局部区域；又例如，可以将待测表面划分为多个矩形网格，每个矩形网格为上述可选实施例中的一个局部区域。
可选地，将铝材料的待测表面划分为多个局部区域之后，还可以通过如下方式确定待测表面整体是否存在异色缺陷状态：
步骤一：采集铝材料的待测表面的图像；
步骤二：将铝材料待测表面的图像分割成许多局部区域，分别记为S1、S2…Sn；
步骤三：分别检测每个局部区域中的异色区域面积占比，记为N1、N2…Nn；
步骤四：分别确定每个局部区域中异色区域面积占比和预先设定的阈值N的大小关系，假如N1小于N，则认为该局部区域中不存在异色缺陷；假如N2大于N，则认为该局部区域存在异色缺陷；
步骤五：判断铝材料的待测表面中是否存在相邻的两个局部区域都有异色缺陷的情况，若存在上述情况，则判断铝材料的待测表面的检测结果为整体不合格，若不存在上述情况，则判断铝材料的待测表面整体合格。
上述可选实施例中，若相邻的局部区域都出现了异色缺陷，则说明铝材料该表面的加工工艺出现了较为广泛的不良影响范围，整体的处理效果非常不均匀，因此应当对该铝材料进行重新加工处理；若不存在同时出现了异色缺陷的相邻的局部区域，则说明铝材料的加工工艺对整个待测表面的处理是较为均匀的，异色区域的出现可能是由于材料类型或者加工工艺以外的因素导致的，例如检测现场的光源问题，此时若整个待测表面中异色区域的面积占比没有超过阈值，则可以直接认定该铝材料的待测表面整体不存在异色缺陷。
上述步骤通过采集待测表面未经过处理的不同材质的铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，方法可以避免铝材出现局部严重缺陷，但是依然被认为是合格铝材的情况出现。
本发明还可以提供如下可选实施方式：
采集待测表面未经过处理的1060H18态铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，t1和t2分别设为220和230，二值化处理后的图片如图4所示，其中白色区域为异色缺陷区域，计算出样本铝材料表面异色缺陷区域面积占比；根据产品表面要求，预设的第一面积占比阈值为3％，第二面积占比阈值为5％，第三面积占比阈值为10％，第四面积占比阈值为20％，铝材料表面异色缺陷质量评价如表2所示；所测表面未经过处理的1060H18态铝材铝材料异色缺陷区域面积占比为2.8％，异色缺陷区域面积占低于预设的第一面积占比阈值3％，符合标准一的区间，所测铝材料样本确定为理想表面。
采集待测表面经过表面喷砂处理的1060H18态铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，t1和t2分别设为215和225，二值化处理后的图片如图5所示，其中白色区域为异色缺陷区域，计算出样本铝材料表面异色缺陷区域面积占比；根据产品表面要求，预设的第一面积占比阈值为3％，第二面积占比阈值为5％，第三面积占比阈值为10％，第四面积占比阈值为20％，铝材料表面异色缺陷质量评价如表2所示；所测表面喷砂处理的1060H18态铝材料异色缺陷区域面积占比为2％，低于预设的第一面积占比阈值3％，符合标准一的区间，所测铝材样本确定为理想表面。
采集待测表面经过表面碱洗10s处理的1060H18态铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，t1和t2分别设为215和220，二值化处理后的图片如图6所示，其中白色区域为异色缺陷区域，计算出样本铝材料表面异色缺陷区域面积占比；根据产品表面要求，预设的第一面积占比阈值为3％，第二面积占比阈值为5％，第三面积占比阈值为10％，第四面积占比阈值为20％，铝材料表面异色缺陷质量评价如表2所示；所测表面碱洗10秒的1060铝材异色缺陷区域面积占比为3.5％，高于预设的第一面积占比阈值为3％，符合标准二的区间，所测铝材料样本确定为异色缺陷微小，是可接受的铝材料表面。
采集待测表面经过表面阳极氧化处理的1060H18态铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，t1和t2分别设为225和235，二值化处理后的图片如图7所示，其中白色区域为异色缺陷区域，计算出样本铝材料表面异色缺陷区域面积占比；根据产品表面要求，预设的第一面积占比阈值为3％，第二面积占比阈值为5％，第三面积占比阈值为10％，第四面积占比阈值为20％，铝材料表面异色缺陷质量评价如表2所示；所测表面阳极氧化处理的1060铝材料异色缺陷区域面积占比为3.2％，高于预设的第一面积占比阈值3％，在标准二的区间，所测铝材料样本确定为异色缺陷微小，是可接受的铝材料表面。
采集待测表面经过表面酸洗180s处理的1060H18态铝材料样本表面图片，对采集到的样本表面图片进行二值化处理，t1和t2分别设为220和230，二值化处理后的图片如图8所示，其中白色区域为异色缺陷区域，计算出样本铝材料表面异色缺陷区域面积占比；根据产品表面要求，预设的第一面积占比阈值为3％，第二面积占比阈值为5％，第三面积占比阈值为10％，第四面积占比阈值为20％，铝材料表面异色缺陷质量评价如表2所示；所测表面酸洗180秒的1060铝材料异色缺陷区域面积占比为44.83％，高于预设的第四面积占比阈值20％，所测铝材料样本确定为不合格样品，异色缺陷非常大，在大部分应用中不可接受。
表2.样品表面异色缺陷测量与评价
铝材型号 状态 异色缺陷占比 评价标准 评价结果
1060 H18态表面未处理 2.8％ 标准一 理想表面
1060 表面喷砂处理 2％ 标准一 理想表面
1060 表面碱洗10秒 3.5％ 标准二 可接受
1060 表面阳极氧化处理 3.2％ 标准二 可接受
1060 表面酸洗180秒 44.83％ 标准五 不合格
步骤S208，根据面积占比，确定铝材料的待测表面的异色缺陷状态。
上述步骤中，根据待测样品的缺陷面积占比确定异色缺陷状态，预先确定异色缺陷面积占比和结论的对应关系，异色缺陷面积占比为1-3％，认为异色缺陷非常小或没有，是理想铝材表面；异色缺陷面积占比为3-5％，认为异色缺陷微小，是可接受的铝材表面匀；异色缺陷面积占比为5-10％，认为异色缺陷微小到中等，在一些应用中可接受；异色缺陷面积占比为10-20％，认为异色缺陷微中等以上，在特定应用中可接受；异色缺陷面积占比为20％以上，认为异色缺陷非常大，在大部分应用中不可接受。
上述实施例及可选实施例中，可以实现通过获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态，达到了快速准确地检测铝材料表面有异色缺陷的目的，从而实现了检测铝材料表面色泽的技术效果，进而解决了依赖人工目检确定铝材料表面是否存在异色缺陷费时费力且检测结果不准确的技术问题。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的表面缺陷检测方法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，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
根据本发明实施例，还提供了一种用于实施上述表面缺陷检测方法的系统，图9是根据本发明实施例提供的表面缺陷检测系统的示例的结构示意图，如图9所示，该表面缺陷检测系统包括：图像采集模块和表面缺陷检测装置，表面缺陷检测装置与图像采集模块连接，用于确定铝材料的待测表面的缺陷状态，其中，表面缺陷检测装置可以包括图像处理模块。图像采集模块，用于采集待测铝材料样本表面的图像；图像处理模块用于确定待测铝材料样本表面图像中异色缺陷区域面积占比，如果异色缺陷区域面积占比低于预设的第一面积占比阈值，则将待测铝材样本标记为合格样本，如果异色缺陷区域面积占比高于或等于预设的面积占比阈值，则将待测铝材样本标记为不合格样本。图像处理模块可以为带有图像处理软件的计算机，如Image-Pro Plus 6.0，可以提取像素点，并显示被提取的像素点的像素值。
根据本发明实施例，还提供了一种用于实施上述表面缺陷检测方法的表面缺陷检测装置，图10是根据本发明实施例提供的表面缺陷检测装置的结构框图，如图10所示，该表面缺陷检测装置包括：获取模块1002、第一确定模块1004、第二确定模块1006和第三确定模块1008，下面对该表面缺陷检测装置进行说明。
获取模块1002，用于获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；
第一确定模块1004，连接于获取模块1002，用于根据图像，确定原始像素点的像素值；
第二确定模块1006，连接于第一确定模块1004，用于根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；
第三确定模块1008，连接于第二确定模块1006，用于根据面积占比，确定铝材料的待测表面的异色缺陷状态。
此处需要说明的是，上述获取模块1002、第一确定模块1004、第二确定模块1006和第三确定模块1008对应于实施例中的步骤S202至步骤S208，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例提供的计算机终端10中。
本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的表面缺陷检测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的表面缺陷检测方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态。
可选地，上述处理器还可以执行如下步骤的程序代码：根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，其中，目标像素点的像素值为第一像素值，其他像素点的像素值为第二像素值，第一像素值表征目标像素点存在异色缺陷，第二像素值表征其他像素点不存在异色缺陷；根据目标像素点和其他像素点，确定待测表面中的异色区域的面积占比，其中，待测表面中的异色区域与目标像素点对应。
可选地，上述处理器还可以执行如下步骤的程序代码：获取第一二值化处理阈值和第二二值化处理阈值；根据第一二值化处理阈值、第二二值化处理阈值和原始像素点的像素值，将原始像素点分类为阈值范围内像素点和阈值范围外像素点，其中，阈值范围内像素点的像素值位于第一二值化处理阈值和第二二值化处理阈值之间，阈值范围外像素点的像素值小于第一二值化处理阈值或大于第二二值化处理阈值；将阈值范围内像素点的像素值修改为第一像素值，得到目标像素点，以及将阈值范围外像素点的像素值修改为第二像素值，得到其他像素点。
可选地，上述处理器还可以执行如下步骤的程序代码：获取铝材料的待测表面的表面类型和/或处理工艺；根据待测表面的表面类型和/或处理工艺，确定待测表面未出现异色缺陷时的像素值范围；根据像素值范围，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，上述处理器还可以执行如下步骤的程序代码：获取铝材料标准件，其中，铝材料标准件的标准表面与铝材料的待测表面的表面类型和/或处理工艺相同；将铝材料标准件的标准表面置于目标检测环境中，其中，目标检测环境与采集铝材料的待测表面对应的图像时的环境相同；采集铝材料标准件的标准表面对应的标准图像；根据标准图像，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，上述处理器还可以执行如下步骤的程序代码：根据原始像素点的像素值，确定待测表面中的多个局部区域各自对应的异色区域的局部面积占比；根据所述面积占比，确定铝材料的待测表面的异色缺陷状态，包括：根据局部面积占比，确定待测表面中的多个局部区域各自的异色缺陷状态。
采用本发明实施例，提供了一种表面缺陷检测的方案。通过获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态，达到了确定金属表面有缺陷的目的，从而实现了检测金属表面色泽的技术效果，进而解决了依赖人工目检确定铝材料表面是否存在异色缺陷费时费力且检测结果不准确的技术问题。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例所提供的表面缺陷检测方法所执行的程序代码。可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取铝材料的待测表面对应的图像，其中，图像中的原始像素点与待测表面对应；根据图像，确定原始像素点的像素值；根据原始像素点的像素值，确定待测表面中的异色区域的面积占比；根据面积占比，确定铝材料的待测表面的异色缺陷状态。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据原始像素点的像素值，对原始像素点进行二值化处理，得到目标像素点和其他像素点，其中，目标像素点的像素值为第一像素值，其他像素点的像素值为第二像素值，第一像素值表征目标像素点存在异色缺陷，第二像素值表征其他像素点不存在异色缺陷；根据目标像素点和其他像素点，确定待测表面中的异色区域的面积占比，其中，待测表面中的异色区域与目标像素点对应。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取第一二值化处理阈值和第二二值化处理阈值；根据第一二值化处理阈值、第二二值化处理阈值和原始像素点的像素值，将原始像素点分类为阈值范围内像素点和阈值范围外像素点，其中，阈值范围内像素点的像素值位于第一二值化处理阈值和第二二值化处理阈值之间，阈值范围外像素点的像素值小于第一二值化处理阈值或大于第二二值化处理阈值；将阈值范围内像素点的像素值修改为第一像素值，得到目标像素点，以及将阈值范围外像素点的像素值修改为第二像素值，得到其他像素点。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取铝材料的待测表面的表面类型和/或处理工艺；根据待测表面的表面类型和/或处理工艺，确定待测表面未出现异色缺陷时的像素值范围；根据像素值范围，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取铝材料标准件，其中，铝材料标准件的标准表面与铝材料的待测表面的表面类型和/或处理工艺相同；将铝材料标准件的标准表面置于目标检测环境中，其中，目标检测环境与采集铝材料的待测表面对应的图像时的环境相同；采集铝材料标准件的标准表面对应的标准图像；根据标准图像，确定第一二值化处理阈值和第二二值化处理阈值。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据原始像素点的像素值，确定待测表面中的多个局部区域各自对应的异色区域的局部面积占比；根据所述面积占比，确定铝材料的待测表面的异色缺陷状态，包括：根据局部面积占比，确定待测表面中的多个局部区域各自的异色缺陷状态。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
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，可以存储在一个非易失性取存储介质中。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(可为个人计算机、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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种表面缺陷检测方法，其特征在于，包括：
获取铝材料的待测表面对应的图像，其中，所述图像中的原始像素点与所述待测表面对应；
根据所述图像，确定所述原始像素点的像素值；
根据所述原始像素点的像素值，确定所述待测表面中的异色区域的面积占比；
根据所述面积占比，确定所述铝材料的待测表面的异色缺陷状态。
2.根据权利要求1所述的方法，其特征在于，根据所述原始像素点的像素值，确定所述待测表面中的异色区域的面积占比，包括：
根据所述原始像素点的像素值，对所述原始像素点进行二值化处理，得到目标像素点和其他像素点，其中，所述目标像素点的像素值为第一像素值，所述其他像素点的像素值为第二像素值，所述第一像素值表征所述目标像素点存在异色缺陷，所述第二像素值表征所述其他像素点不存在异色缺陷；
根据所述目标像素点和所述其他像素点，确定所述待测表面中的异色区域的面积占比，其中，所述待测表面中的异色区域与所述目标像素点对应。
3.根据权利要求2所述的方法，其特征在于，根据所述原始像素点的像素值，对所述原始像素点进行二值化处理，得到目标像素点和其他像素点，包括：
获取第一二值化处理阈值和第二二值化处理阈值；
根据所述第一二值化处理阈值、所述第二二值化处理阈值和所述原始像素点的像素值，将所述原始像素点分类为阈值范围内像素点和阈值范围外像素点，其中，所述阈值范围内像素点的像素值位于所述第一二值化处理阈值和所述第二二值化处理阈值之间，所述阈值范围外像素点的像素值小于所述第一二值化处理阈值或大于所述第二二值化处理阈值；
将所述阈值范围内像素点的像素值修改为所述第一像素值，得到所述目标像素点，以及将所述阈值范围外像素点的像素值修改为所述第二像素值，得到所述其他像素点。
4.根据权利要求3所述的方法，其特征在于，所述第一二值化处理阈值和所述第二二值化处理阈值预先通过如下方式确定：
获取所述铝材料的待测表面的表面类型和/或处理工艺；
根据所述待测表面的表面类型和/或处理工艺，确定所述待测表面未出现异色缺陷时的像素值范围；
根据所述像素值范围，确定所述第一二值化处理阈值和所述第二二值化处理阈值。
5.根据权利要求3所述的方法，其特征在于，所述第一二值化处理阈值和所述第二二值化处理阈值预先通过如下方式确定：
获取铝材料标准件，其中，所述铝材料标准件的标准表面与所述铝材料的待测表面的表面类型和/或处理工艺相同；
将所述铝材料标准件的标准表面置于目标检测环境中，其中，所述目标检测环境与采集所述铝材料的待测表面对应的图像时的环境相同；
采集所述铝材料标准件的标准表面对应的标准图像；
根据所述标准图像，确定所述第一二值化处理阈值和所述第二二值化处理阈值。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，根据所述原始像素点的像素值，确定所述待测表面中的异色区域的面积占比，包括：
根据所述原始像素点的像素值，确定所述待测表面中的多个局部区域各自对应的异色区域的局部面积占比；
所述根据所述面积占比，确定所述铝材料的待测表面的异色缺陷状态，包括：
根据所述局部面积占比，确定所述待测表面中的多个局部区域各自的异色缺陷状态。
7.一种表面缺陷检测装置，其特征在于，包括：
获取模块，用于获取铝材料的待测表面对应的图像，其中，所述图像中的原始像素点与所述待测表面对应；
第一确定模块，用于根据所述图像，确定所述原始像素点的像素值；
第二确定模块，用于根据所述原始像素点的像素值，确定所述待测表面中的异色区域的面积占比；
第三确定模块，用于根据所述面积占比，确定所述铝材料的待测表面的异色缺陷状态。
8.一种表面缺陷检测系统，其特征在于，包括：图像采集模块和权利要求7所述的表面缺陷检测装置，其中，所述图像采集模块包括：相机，镜头和光源；所述表面缺陷检测装置与所述图像采集模块连接，用于确定铝材料的待测表面的缺陷状态。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至6中任意一项所述表面缺陷检测方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行所述存储器存储的程序，其中，所述程序运行时执行权利要求1至6中任意一项所述表面缺陷检测方法。
CN202311370398.3A 2023-10-20 2023-10-20 表面缺陷检测方法、装置、系统、存储介质及计算机设备 Pending CN117388261A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311370398.3A CN117388261A (zh) 2023-10-20 2023-10-20 表面缺陷检测方法、装置、系统、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311370398.3A CN117388261A (zh) 2023-10-20 2023-10-20 表面缺陷检测方法、装置、系统、存储介质及计算机设备

Publications (1)

Publication Number Publication Date
CN117388261A true CN117388261A (zh) 2024-01-12

Family

ID=89471585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311370398.3A Pending CN117388261A (zh) 2023-10-20 2023-10-20 表面缺陷检测方法、装置、系统、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN117388261A (zh)

Similar Documents

Publication Publication Date Title
CN110400290B (zh) 一种太阳能电池片色差的检测方法、装置及存储介质
CN113379680B (zh) 缺陷检测方法、装置、电子设备和计算机可读存储介质
CN112153371B (zh) 图像质量检测方法、装置、存储介质及产品检测方法
CN107490582B (zh) 一种流水线工件检测系统
CN115222733A (zh) 基于图像识别的金属构件表面缺陷检测方法
CN111598801B (zh) 一种用于微弱Mura缺陷的识别方法
CN114202532A (zh) 一种喷涂缺陷的检测方法、装置、设备及存储介质
CN114066857A (zh) 红外图像质量评价方法、装置、电子设备及可读存储介质
TW202127372A (zh) 瑕疵等級判定的方法及存儲介質
CN111882547A (zh) 一种基于神经网络的pcb漏件检测方法
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
CN117392042A (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN114581415A (zh) Pcb缺陷的检测方法、装置、计算机设备及存储介质
CN117388261A (zh) 表面缺陷检测方法、装置、系统、存储介质及计算机设备
CN114820597B (zh) 一种基于人工智能的冶炼品缺陷检测方法、装置及系统
CN113284133B (zh) 一种光伏电池片间距的确定方法、装置、设备及存储介质
CN111523605B (zh) 一种图像识别方法、装置、电子设备及介质
CN108776146B (zh) 丝印线条的检测方法及装置
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
JPH08145907A (ja) 欠陥検査装置
Nahar et al. Computer aided system for inspection of assembled PCB
CN113155247A (zh) 物体称重方法、状态评估方法、称重系统及状态评估系统
CN111768357A (zh) 一种图像检测的方法及装置
CN112070847A (zh) 木地板颜色分选方法和装置
CN117197129B (zh) 黑化程度检测方法、装置和计算机设备

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