CN117808753A - 缺陷检测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明提供了一种缺陷检测方法、装置、电子设备和存储介质。该包括：获取待测目标的目标图像，其中所述待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象；确定所述待测目标在所述目标图像中的图像边缘区域，其中每个图像边缘区域对应于所述待测目标的一个物理边缘区域；确定所述图像边缘区域内包括的检测对象对应的第一检测对象区域；利用所述第一检测对象区域，确定所述待测目标是否存在缺陷。该发明能够有效避免待测目标的形状对于缺陷检测结果的影响，保证了无论待测目标是任何形状，均能够准确地检测待测目标的缺陷，计算效率较高，节省计算资源，能够适用于高通量要求的场景。

Description

缺陷检测方法、装置、电子设备和存储介质

技术领域

本发明涉及图像处理的领域，更具体地涉及一种缺陷检测方法、缺陷检测装置、电子设备和存储介质。

背景技术

随着智能化的快速发展，各行各业对产品质量的要求逐步提高，因此对产品缺陷检测的需求日益增加。例如，伴随集成电路技术的发展，为避免传统封装方式可能会产生的串扰现象，如今大多数的高脚数芯片采用方形扁平无引脚(QFN)封装技术。QFN封装的芯片呈正方形或矩形，芯片底部中央位置有一个大面积裸露焊盘用来导热，围绕大焊盘的封装外围设置有实现电气连结的导电焊盘。但是这类封装的芯片在生产过程中，由于加工工艺等问题，焊盘可能会出现毛刺、破损等缺陷。因此芯片被生产制造出来后，需要在出厂前进行缺陷的检测，以剔除质量有瑕疵的器件。

目前大多数的工厂对于产品的缺陷检测还通过人工目视的方式实现。这种检测方式效率低，受主观因素影响大。随着用户对产品品质要求的不断提高以及行业竞争的加剧，传统的这种以人工抽检为主的质量检测手段已经严重制约了企业竞争力的提高，用自动化质量检测设备代替人工是必然趋势。

近年来，图像处理技术也有了一定的发展，各种图像处理算法层出不穷，缺陷检测也是图像处理算法的一个比较重要的应用场景。目前已有的基于图像处理的缺陷检测方法在很多方面仍然存在问题。仍以上述QFN封装的芯片为例，已有的缺陷检测方法通常直接对焊盘进行边缘检测、Blob分析或者进行焊盘的毛刺、破损缺陷等特定目标的识别。其中，直接进行边缘检测、Blob分析的方法检测效果不理想；而目标识别算法存在计算量大、占用资源多、耗时长或者参数调整复杂的问题，并不适用于要实时检测并在短时间内完成计算并输出检测结果的场景。

发明内容

考虑到上述问题而提出了本发明。

根据本发明一个方面，提供了一种缺陷检测方法。方法包括：获取待测目标的目标图像，其中待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象；确定待测目标在目标图像中的图像边缘区域，其中每个图像边缘区域对应于待测目标的一个物理边缘区域；确定图像边缘区域内包括的检测对象对应的第一检测对象区域_；利用第一检测对象区域，确定待测目标是否存在缺陷。

示例性地，确定待测目标在目标图像中的图像边缘区域，包括：利用模板图像中的模板区域，确定目标图像中的感兴趣区域；对感兴趣区域进行图像分割，以确定感兴趣区域中的检测对象；根据感兴趣区域中的检测对象，确定图像边缘区域。

示例性地，利用模板图像中的模板区域，确定目标图像中的感兴趣区域，包括：基于待测目标的形状匹配，确定目标图像和模板图像之间的偏移量；根据偏移量，调整模板图像的模板区域，以将目标图像中的、与经调整的模板区域位置对应的区域作为感兴趣区域。

示例性地，利用第一检测对象区域，确定待测目标是否存在缺陷，包括：针对每个第一检测对象区域，确定该第一检测对象区域的最小外接矩形；确定最小外接矩形的中心坐标和宽度；根据最小外接矩形的宽度，在最小外接矩形的中心处确定扫描矩形，其中，扫描矩形的长度等于最小外接矩形的宽度与预设尺寸的和；利用扫描矩形，确定该第一检测对象区域中的检测对象的宽度；根据所确定的检测对象的宽度以及预设标准宽度，确定该第一检测对象区域内的检测对象是否存在缺陷，以确定待测目标是否存在缺陷。

示例性地，利用扫描矩形，确定该第一检测对象区域中的检测对象的宽度，包括：对于扫描矩形所包括的、检测对象的至少一行像素，确定任意两个相邻像素之间的灰度值的差值；根据相邻像素之间的灰度值的差值，确定第一像素和第二像素之间的距离，其中，第一像素是其相邻的前一个像素与该像素的灰度值的差值小于第一差值阈值的像素，第二像素是与其相邻的后一个像素的灰度值的差值大于第二差值阈值的像素，第一差值阈值是小于0的整数，第二差值阈值是大于0的整数；根据第一像素和第二像素之间的距离，确定该第一检测对象区域中的检测对象的宽度。

示例性地，利用第一检测对象区域，确定待测目标是否存在缺陷，包括：利用第一检测对象区域，确定第一检测对象区域的等宽参考区域；对每个第一检测对象区域进行形态学处理，以获得每个第一检测对象区域所对应的第二检测对象区域；利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷。

示例性地，形态学处理包括：开运算；利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷，包括：将第一检测对象区域与第二检测对象区域执行差运算，以获取第一差值区域；将第一差值区域与等宽参考区域执行差运算，以获得毛刺区域；根据毛刺区域，确定待测目标是否存在缺陷。

示例性地，形态学处理包括：闭运算；利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷，包括：将第二检测对象区域与第一检测对象区域执行差运算，以获取第二差值区域；确定第二差值区域与等宽参考区域的交集部分，以获得破损区域；根据破损区域，确定待测目标是否存在缺陷。

根据本发明又一个方面，还提供了一种缺陷检测装置，包括：

获取模块，用于获取待测目标的目标图像，其中待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象；

第一确定模块，用于确定待测目标在目标图像中的图像边缘区域，其中每个图像边缘区域对应于待测目标的一个物理边缘区域；

第二确定模块，用于确定图像边缘区域内包括的检测对象对应的第一检测对象区域；

第三确定模块，用于利用第一检测对象区域，确定待测目标是否存在缺陷。

根据本发明又一个方面，还提供了一种电子设备，包括处理器和存储器，存储器中存储有计算机程序指令，计算机程序指令被处理器运行时用于执行上述的缺陷检测方法。

根据本发明再一个方面，还提供了一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行上述的缺陷检测方法

在上述技术方案中，在待测目标的目标图像中的、包括检测对象的各个边缘中，分别确定检测对象所占的第一检测对象区域，并且根据第一检测对象区域确定待测目标是否存在缺陷。该方案能够有效避免待测目标的形状对于缺陷检测结果的影响，保证了无论待测目标是任何形状，均能够准确地检测待测目标的缺陷。此外，上述技术方案中不涉及复杂的图像处理算法，计算效率较高，节省计算资源，能够适用于高通量要求的场景。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出根据本申请一个实施例的缺陷检测方法的示意性流程图；

图2示出根据本申请一个实施例的芯片的目标图像的示意图；

图3示出根据本申请一个实施例的第一检测对象区域的示意图；

图4示出根据本申请一个实施例的第一检测对象区域的等宽参考区域的示意图；

图5示出根据本申请一个实施例的第一检测对象区域的示意图；

图6示出根据本申请一个实施例的第一检测对象区域的示意图；

图7示出根据本申请一个实施例的缺陷检测装置的示意性框图；

图8示出根据本申请一个实施例的电子设备的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

为了至少部分地解决上述技术问题，根据本申请的一个方面，提供了一种缺陷检测方法。这种方法通能够有效避免待测目标的形状对于缺陷检测结果的影响，保证了无论待测目标是任何形状，均能够准确地检测待测目标的缺陷。

图1示出根据本申请一个实施例的缺陷检测方法的示意性流程图。如图1所示，该方法包括步骤S110、步骤S120、步骤S130和步骤S140。

步骤S110：获取待测目标的目标图像，其中待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象。

待测目标的目标图像可以是图像采集装置直接采集到的原始图像，也可以是对原始图像进行预处理操作后的图像。该预处理操作可以包括为了改善图像的视觉效果，提高其清晰度，或是突出图像中的待测目标的所有操作。示例性而非限制性地，预处理操作可以包括对原始图像的数字化、几何变换、归一化、滤波等操作。目标图像可以是RGB图像或灰度图像。

对于待测目标来说，其包括多个物理边缘区域。每个物理边缘区域包括一个或多个检测对象。该检测对象的外观特征能够严重影响待测目标的质量。如果该检测对象的外观特征不满足要求，则可以认为该待测目标存在缺陷；否则，可以认为该待测目标良好。

以待测目标为方形扁平无引脚封装的芯片为例，该芯片包括4个物理边缘区域，每个物理边缘区域中可以包括一定数量的焊盘。可以理解，焊盘的形状显著影响芯片与其他装置或部件之间的电连接性能，所以，在本申请的实施例中，通过检测焊盘的形状来确定芯片是否存在缺陷。

步骤S120：确定待测目标在目标图像中的图像边缘区域，其中每个图像边缘区域对应于待测目标的一个物理边缘区域。

目标对象是针对待测目标的成像结果。在目标图像中的图像边缘区域是待测目标的物理边缘区域的成像结果。在此步骤中，确定目标图像中的、对应于待测目标的物理边缘区域的图像边缘区域。

步骤S130：确定图像边缘区域内包括的检测对象对应的第一检测对象区域。

图像边缘区域内可以包括一个或者多个检测对象。根据检测对象所在的不同位置，在图像边缘区域中确定检测对象对应的第一检测对象区域。每个检测对象占据一个第一检测对象区域，换言之，每个第一检测对象区域包括一个检测对象。第一检测对象区域可以表示为待测目标的缺陷检测位置。

步骤S140：利用第一检测对象区域，确定待测目标是否存在缺陷。

可以分别对每个第一检测对象区域进行像素化处理、形态学处理等多种处理操作，检测第一检测对象区域中的检测对象是否存在缺陷。当其中一个第一检测对象区域中的检测对象存在缺陷时，则可以确定待测目标存在缺陷。

在上述实施例中，在待测目标的目标图像中的、包括检测对象的各个边缘中，分别确定检测对象所占的第一检测对象区域，并且根据第一检测对象区域确定待测目标是否存在缺陷。该方案能够有效避免待测目标的形状对于缺陷检测结果的影响，保证了无论待测目标是任何形状，均能够准确地检测待测目标的缺陷。此外，上述技术方案中不涉及复杂的图像处理算法，计算效率较高，节省计算资源，能够适用于高通量要求的场景。

在一些实施例中，步骤S120确定待测目标在目标图像中的图像边缘区域，包括：利用模板图像中的模板区域，确定目标图像中的感兴趣区域；对感兴趣区域进行图像分割，以确定感兴趣区域中的检测对象；根据感兴趣区域中的检测对象，确定图像边缘区域。

模板图像中可以设置有模板区域。模板图像中可以包括标准目标并且与标准目标相应地设置有模板区域。模板图像中的模板区域对应于目标图像中的感兴趣区域。换言之，根据模板图像中的标准目标在模板图像中设置了与标准目标的物理边缘区域对应的模板区域。模板图像中模板区域与标准目标的相对位置关系和目标图像中图像边缘区域与待测目标的相对位置关系是相同的。可以根据模板图像中的模板区域和标准对象的位置以及目标图像中的待测目标的位置，确定目标图像中的感兴趣区域。

由于待测目标的主体与其上的检测对象之间存在颜色差异，所以目标图像的感兴趣区域中检测对象所覆盖的区域与其周围区域的像素值具有明显的不同。由此，可以对感兴趣区域进行图像分割，来确定其中的检查对象。可以利用诸如阈值分割法、区域生长法等现有的图像分割算法，也可以利用未来研发的图像分割算法，本申请对此不做限定。

图2示出根据本申请一个实施例的芯片的目标图像的示意图。可以利用模板图像中的模板区域，确定目标图像中的感兴趣区域。对感兴趣区域进行图像分割，可以确定感兴趣区域中的检测对象。如图2所示，图中的多个白色的点状区域可以表示感兴趣区域中的检测对象。通过二值化阈值分割操作，可以在目标图像中的感兴趣区域内快速并且准确地确定检测对象。可以将感兴趣区域中的检测对象所在的区域，确定为图像边缘区域。如图2所示，可以根据多个检测对象所在的不同位置，确定多个不同的图像边缘区域，例如图2中的矩形框所标记的上边缘区域、下边缘区域、左边缘区域和右边缘区域。未有检测对象的区域可以表示为非边缘区域。

在上述实施例中，首先通过模板图像中的模板区域确定目标图像中的感兴趣区域，进而根据感兴趣区域中的检测对象确定目标图像中的图像边缘区域。该方案图像处理的计算量较少，提高了计算效率，而且通过先基于模板图像大体确定图像边缘区域的位置再根据检测对象精准确定图像边缘区域的位置的方式，保证了图像边缘区域的准确性，进而保证了后续缺陷检测的准确性。

在一些实施例中，利用模板图像中的模板区域确定目标图像中的感兴趣区域，包括以下操作。首先，基于待测目标的形状匹配，确定目标图像和模板图像之间的偏移量。然后，根据偏移量，调整模板图像的模板区域，以将目标图像中的、与经调整的模板区域位置对应的区域作为感兴趣区域。

模板图像中包括标准目标，目标图像中包括待测目标。可以基于标准目标与待测目标的形状匹配，确定目标图像和模板图像之间的偏移量。具体地，该偏移量可以包括旋转角度和偏移位置。由于模板图像中模板区域与标准目标的相对位置关系和目标图像中感兴趣区域与待测目标的相对位置关系相同。由此，基于偏移量可以调整模板图像的模板区域，以使模板区域覆盖于目标图像的对应区域，进而确定目标图像中的感兴趣区域。可以将目标图像中的与经调整的模板区域位置对应的区域作为目标图像中的感兴趣区域。

在上述技术方案中，基于图像中目标之间的形状匹配调整模板图像中的模板区域，准确地确定目标图像中待测目标的感兴趣区域，有效地保证了目标图像中感兴趣区域定位的准确性。并且可以根据待测目标自身的形态进行自适应，这样可以避免因待测目标本身尺寸的变化和形态的差异导致定位精度下降的问题，提高了缺陷检测方法的适应性和鲁棒性。

在一些实施例中，步骤S140利用第一检测对象区域，确定待测目标是否存在缺陷，包括针对每个第一检测对象区域执行以下步骤S141至步骤S145。在步骤S141中，针对每个第一检测对象区域，确定该第一检测对象区域的最小外接矩形。在步骤S142中，确定最小外接矩形的中心坐标和宽度。在步骤S143中，根据最小外接矩形的宽度，在最小外接矩形的中心处确定扫描矩形，其中，扫描矩形的长度等于最小外接矩形的宽度与预设尺寸的和。在步骤S144中，利用扫描矩形，确定该第一检测对象区域中的检测对象的宽度。在步骤S145中，根据所确定的检测对象的宽度以及预设标准宽度，确定该第一检测对象区域内的检测对象是否存在缺陷，以确定待测目标是否存在缺陷。

再次参考图2，图中每个白色的点状区域可以表示第一检测对象区域。根据图像中的像素的像素值，可以确定第一检测对象区域的最小外接矩形，进而可以确定最小外接矩形的中心点的坐标值和最小外接矩形的宽度。

可以根据最小外接矩形的宽度，在最小外接矩形的中心处确定扫描矩形。在最小外接矩形的中心处确定扫描矩形，确保了该扫描矩形所在的位置处的检测对象的宽度能够代表检测对象的预设标准宽度。如果在最小外接矩形的上部或下部确定扫描矩形，则该扫描矩形所在的位置处的检测对象的宽度可能比其预设标准宽度更宽或更窄。该扫描矩形的长度可以大于最小外接矩形的宽度。由此，保证扫描矩形能够横跨整个最小外接矩形，进而保证了最小外接矩形内的第一检测对象区域的边缘位于扫描矩形内部。该扫描矩形的宽度可以为一个或多个像素数。

图3示出根据本申请一个实施例的第一检测对象区域的示意图。如图3所示，图中的白色矩形框表示在最小外接矩形的中心处确定的扫描矩形。扫描矩形的长度和宽度可以用像素的个数来表示扫描矩形的长度为最小外接矩形的宽度与预设长度尺寸的和，由此保证扫描矩形的长度大于最小外接矩形的宽度。该预设长度尺寸可以为5个像素或3个像素。扫描矩形的宽度可以为预设宽度，例如3个像素。

可以对扫描矩形中的一行或多行像素进行沿扫描矩形的长度方向上的扫描。在图3所示实施例中，对扫描矩形中的像素进行从左到右的扫描。根据扫描结果确定像素值的变化情况。可以理解，第一检测对象区域中的像素值与其周围区域的像素值具有明显差异，因此可以根据扫描所确定的像素值的变化情况确定第一检测对象区域的检测对象的宽度。

对于所有的检测对象来说，当其中一个所确定的宽度与预设标准宽度的偏差超过偏差阈值时，则可以直接判断该检测对象存在缺陷，而不再进行其余检测对象的缺陷检测。偏差阈值可以根据产品的质量要求来确定，如果产品的质量要求较高，则该偏差阈值可以设置得较低；否则，反之。预设标准宽度可以理解为判断检测对象是否存在缺陷的依据。当检测对象的宽度与预设标准宽度的偏差小于或等于偏差阈值时，可以表示检测对象满足要求。

在上述实施例中，通过扫描矩形确定检测对象的宽度，并通过与预设标准宽度相比较来确定是否存在缺陷。由此，可以以较小的计算代价准确地判断检测对象是否存在缺陷。并且当检测到其中某一个检测对象存在缺陷时，就可以确定待测目标存在缺陷，而无需采用遍历每个检测对象的方式，避免了过多无谓计算，减少了计算量，有效地提高了检测效率和准确性。

对于很多待测目标来说，其上的检测对象的在一个维度上的尺寸往往对其质量有较大影响。如对于芯片来说，其焊盘的宽度对于芯片与其他装置或部件的电连接特性影响较大。上述实施例中，通过检测对象在一个维度上的尺寸，即宽度，来确定检测对象是否存在缺陷，进而确定待测目标是否存在缺陷。该方案实现容易，缺陷检测的准确度高。

在一些实施例中，步骤S144利用扫描矩形确定该第一检测对象区域中的检测对象的宽度，包括以下操作。对于扫描矩形所包括的、检测对象的至少一行像素，确定任意两个相邻像素之间的灰度值的差值；并且根据相邻像素之间的灰度值的差值，确定第一像素和第二像素之间的距离。其中，第一像素是其相邻的前一个像素与该像素的灰度值的差值小于第一差值阈值的像素，第二像素是与其相邻的后一个像素的灰度值的差值大于第二差值阈值的像素，第一差值阈值是小于0的整数，第二差值阈值是大于0的整数。根据所确定的第一像素和第二像素之间的距离，确定该第一检测对象区域中的检测对象的宽度。

可以基于扫描矩形中的像素行进行逐像素扫描。通过扫描，确定每相邻的两个像素的像素值的差值。示例性地，再次参考图3，可以针对图中的像素从左至右依次分别计算。在两个相邻的像素中，左侧像素的像素值与右侧像素的像素值做差。当差值小于第一差值阈值，则表示左侧像素的像素值小于右侧像素的像素值较多。此情况下，左侧像素可能属于待测目标的主体，而右侧像素可能属于待测目标的检测对象。因此，可以将右侧像素确定为检测对象的边缘像素，即第一像素。同理，当差值大于第二差值阈值，则表示左侧像素的像素值大于右侧像素的像素值较多。此情况下，左侧像素可能属于待测目标的检测对象，而右侧像素可能属于待测目标的主体。因此，可以将左侧像素确定为检测对象的边缘像素，即第二像素。

可以根据第一像素和第二像素之间的像素个数，确定第一检测对象区域中的检测对象的宽度。在只针对扫描矩形所包括的、检测对象的一行像素执行了上述操作的实施例中，可以直接将第一像素和第二像素之间的距离，确定为检测对象的宽度。在针对扫描矩形所包括的、检测对象的多行像素执行了上述操作的实施例中，可以将每一行所确定的第一像素和第二像素之间的距离求平均，并将所求得的平均值确定为检测对象的宽度。

可以理解，对于待测对象中的不同姿态的检测对象，为方便后续的图像处理和计算，可以将每个不同方向的检测对象进行相应地旋转，使其宽度方向为图像的宽度方向，即笛卡尔坐标系的X轴方向，利于利用上述方案确定检测对象的宽度。例如，对于图2所示的左边缘区域和右边缘区域，可以将整个区域分别顺时针和逆时针旋转90度。

在上述实施例中，根据扫描矩形内所包含的检测对象的像素值，确定第一像素和第二像素，并根据第一像素和第二像素之间的距离，确定第一检测对象区域中的检测对象的宽度。有效地利用了图像中检测对象的特征，准确地确定了检测对象的宽度。通过准确且清晰地量化检测对象的宽度，可以进一步地提高缺陷检测方法的准确性。

在一些实施例中，步骤S140利用第一检测对象区域，确定待测目标是否存在缺陷还可以包括以下步骤S146至步骤S148。在步骤S146，利用第一检测对象区域，确定第一检测对象区域的等宽参考区域。在步骤S147，对每个第一检测对象区域进行形态学处理，以获得每个第一检测对象区域所对应的第二检测对象区域。在步骤S148，利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷。

图4示出根据本申请一个实施例的第一检测对象区域的等宽参考区域的示意图。如图4所示，将与第一检测对象区域与宽度相等的区域称为其等宽参考区域。

待测目标的目标图像中可以包括不同方向的检测对象，为方便后续的图像处理和计算，可以将每个不同方向的检测对象进行旋转，以使其宽度方向与图像的横向方向一致。由此，利于利用等宽参考区域检测检测对象是否存在缺陷。

将每个第一检测对象区域进行形态学处理。形态学处理可以用于改变第一检测对象区域中检测对象的形状和大小，得到与第一检测对象区域相对应的第二检测对象区域。形态学处理可以包括膨胀、腐蚀、开运算和闭运算等。例如，使用腐蚀处理可以消除小型噪点或细小的图像元素，而膨胀处理可以填充图像中缺失的区域。对比第一检测对象区域和第二检测对象区域，基于等宽参考区域可以确定当前的检测对象是否存在缺陷，进而确定待测目标是否存在缺陷。

在上述实施例中，将第一检测对象区域利用各种形态学处理，得到第二检测对象区域，基于第一检测对象区域、其等宽参考区域以及第二检测对象区域，可以实现对检测对象的图像进行更加精细的处理和分析，从而提高对缺陷区域检测的准确性。

在一些实施例中，形态学处理包括开运算。上述步骤S148利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷，包括：将第一检测对象区域与第二检测对象区域执行差运算，以获取第一差值区域；将第一差值区域与等宽参考区域执行差运算，以获得毛刺区域；根据毛刺区域，确定待测目标是否存在缺陷。

在这些实施例中，第二检测对象区域表示为对第一检测对象区域进行开运算后的检测对象的图像区域。具体地，可以首先对第一检测对象区域进行腐蚀处理。腐蚀处理会使第一检测对象区域中的检测对象所占面积缩小，并且可以消除小型噪点和细小的图像元素。然后对腐蚀处理后的第一检测对象区域进行膨胀处理，膨胀处理会使得第一检测对象区域中的检测对象重新增长，并且可以平滑检测对象的边缘以及检测对象内部的空洞。开运算可以去除图像的噪点、平滑图像的边缘和填补图像的空洞等，同时还可以保持图像的整体形状和结构大致不变。毛刺区域是突出于检测对象的主体的部分。对于第一检测对象区域执行开运算，能够获得去除了该毛刺区域的第二检测对象区域。由此，第一差值区域中，能够突出该毛刺区域。基于第一差值区域与等宽参考区域之间的差异，即可准确地确定该毛刺区域。

图5示出根据本申请一个实施例的第一检测对象区域的示意图。如图5所示，将第一检测对象区域与其开运算后所得到的第二检测对象区域进行差值运算的结果，再与等宽参考区域进行差值运算，可以得到毛刺区域(图中的黑色框所示区域)。可以根据毛刺区域的面积和\或长度等参数来确定当前检测对象是否存在缺陷，进而确定待测目标是否存在缺陷。

在上述实施例中，对第一检测对象区域执行形态学处理中的开运算，可以得到第二检测对象区域，通过对比第一检测对象区域、第二检测对象区域和等宽参考区域，可以更准确地确定检测对象是否具有毛刺区域。这提高了待测目标的质量检测的准确性和可靠性。

在一些实施例中，形态学处理包括闭运算。上述步骤S148利用等宽参考区域、第一检测对象区域和第二检测对象区域，确定待测目标是否存在缺陷，包括：将第二检测对象区域与第一检测对象区域执行差运算，以获取第二差值区域；确定第二差值区域与等宽参考区域的交集部分，以获得破损区域；根据破损区域，确定待测目标是否存在缺陷。

在这些实施例中，第二检测对象区域表示为对第一检测对象区域进行闭运算后的检测对象的图像区域。具体地，可以首先对第一检测对象区域进行膨胀处理。膨胀处理会使第一检测对象区域中的检测对象所占面积增大，并且可以填补检测对象区域内部的小型空洞。然后对膨胀处理后的第一检测对象区域进行腐蚀处理，腐蚀处理会使得第一检测对象区域中的检测对象重新缩小，并且可以平滑检测对象的边缘。闭运算可以实现对检测对象中小型空洞的填补和平滑，同时还可以保持图像的整体形状和结构大致不变。

破损区域是检测对象的主体的缺失部分。对于第一检测对象区域执行闭运算，能够获得填充了该破损区域的第二检测对象区域。由此，第二差值区域中，能够突出该破损区域。基于第二差值区域与等宽参考区域之间的差异，即可准确地确定该破损区域。

图6示出根据本申请一个实施例的第一检测对象区域的示意图。如图6所示，将第一检测对象区域与其闭运算后所得到的第二检测对象区域进行差值运算的结果，再求取该差值运算的结果与等宽参考区域的交集区域，以得到破损区域(图中的黑色框所示区域)。可以根据破损区域的面积和\或长度等参数来确定当前检测对象是否存在缺陷，进而确定待测目标是否存在缺陷。

在上述实施例中，对第一检测对象区域执行形态学处理中的闭运算，可以得到第二检测对象区域，通过对比第一检测对象区域、第二检测对象区域和等宽参考区域，可以更准确地确定检测对象是否具有破损区域。这提高了待测目标的质量检测的准确性和可靠性。

根据本申请的再一方面，还提供了一种缺陷检测装置。图7示出根据本申请一个实施例的缺陷检测装置的示意性框图。如图7所示，缺陷检测装置7007包括获取模块710、第一确定模块720、第二确定模块730和第三确定模块740。

获取模块710用于获取待测目标的目标图像，其中待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象。第一确定模块720用于确定待测目标在目标图像中的图像边缘区域，其中每个图像边缘区域对应于待测目标的一个物理边缘区域。第二确定模块730用于确定图像边缘区域内包括的检测对象对应的第一检测对象区域。第三确定模块740用于利用第一检测对象区域，确定待测目标是否存在缺陷。

根据本发明再一方面，还提供了一种电子设备。图8示出根据本申请一个实施例的电子设备的示意性框图。如图8所示，电子设备800包括处理器810和存储器820。其中，存储器820中存储有计算机程序指令，计算机程序指令被处理器运行时用于执行上述缺陷检测方法。

此外，根据本发明又一方面，还提供了一种存储介质，在存储介质上存储了程序指令，在程序指令被计算机或处理器运行时使得计算机或处理器执行本发明实施例的上述缺陷检测方法的相应步骤，并且用于实现根据本发明实施例的上述缺陷检测装置的相应模块或上述电子设备中的相应模块。存储介质例如可以包括平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

本领域普通技术人员通过阅读上述缺陷检测方法的具体描述，能够理解上述缺陷检测装置、电子设备和存储介质的具体实现和有益效果，为了简洁，在此不再赘述。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅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设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的缺陷检测装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种缺陷检测方法，其特征在于，包括：

获取待测目标的目标图像，其中所述待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象；

确定所述待测目标在所述目标图像中的图像边缘区域，其中每个图像边缘区域对应于所述待测目标的一个物理边缘区域；

确定所述图像边缘区域内包括的检测对象对应的第一检测对象区域_；

利用所述第一检测对象区域，确定所述待测目标是否存在缺陷。

2.根据权利要求1所述缺陷检测方法，其特征在于，所述确定所述待测目标在所述目标图像中的图像边缘区域，包括：

利用模板图像中的模板区域，确定所述目标图像中的感兴趣区域；

对所述感兴趣区域进行图像分割，以确定所述感兴趣区域中的检测对象；

根据所述感兴趣区域中的检测对象，确定所述图像边缘区域。

3.根据权利要求2所述缺陷检测方法，其特征在于，所述利用模板图像中的模板区域，确定所述目标图像中的感兴趣区域，包括：

基于待测目标的形状匹配，确定所述目标图像和所述模板图像之间的偏移量；

根据所述偏移量，调整所述模板图像的模板区域，以将所述目标图像中的、与经调整的模板区域位置对应的区域作为所述感兴趣区域。

4.根据权利要求1所述缺陷检测方法，其特征在于，所述利用所述第一检测对象区域，确定所述待测目标是否存在缺陷，包括：

针对每个第一检测对象区域，

确定该第一检测对象区域的最小外接矩形；

确定所述最小外接矩形的中心坐标和宽度；

根据所述最小外接矩形的宽度，在所述最小外接矩形的中心处确定扫描矩形，其中，所述扫描矩形的长度等于所述最小外接矩形的宽度与预设尺寸的和；

利用所述扫描矩形，确定该第一检测对象区域中的检测对象的宽度；

根据所确定的所述检测对象的宽度以及预设标准宽度，确定该第一检测对象区域内的检测对象是否存在缺陷，以确定所述待测目标是否存在缺陷。

5.根据权利要求4所述缺陷检测方法，其特征在于，所述利用所述扫描矩形，确定该第一检测对象区域中的检测对象的宽度，包括：

对于所述扫描矩形所包括的、所述检测对象的至少一行像素，

确定任意两个相邻像素之间的灰度值的差值；

根据所述相邻像素之间的灰度值的差值，确定第一像素和第二像素之间的距离，其中，所述第一像素是其相邻的前一个像素与该像素的灰度值的差值小于第一差值阈值的像素，所述第二像素是与其相邻的后一个像素的灰度值的差值大于第二差值阈值的像素，所述第一差值阈值是小于0的整数，所述第二差值阈值是大于0的整数；

根据所述第一像素和所述第二像素之间的距离，确定该第一检测对象区域中的检测对象的宽度。

6.根据权利要求1至5任一项所述缺陷检测方法，其特征在于，所述利用所述第一检测对象区域，确定所述待测目标是否存在缺陷，包括：

利用所述第一检测对象区域，确定所述第一检测对象区域的等宽参考区域；

对每个第一检测对象区域进行形态学处理，以获得每个第一检测对象区域所对应的第二检测对象区域；

利用所述等宽参考区域、所述第一检测对象区域和所述第二检测对象区域，确定所述待测目标是否存在缺陷。

7.根据权利要求6所述缺陷检测方法，其特征在于，所述形态学处理包括：开运算；

所述利用所述等宽参考区域、所述第一检测对象区域和所述第二检测对象区域，确定所述待测目标是否存在缺陷，包括：

将所述第一检测对象区域与所述第二检测对象区域执行差运算，以获取第一差值区域；

将所述第一差值区域与所述等宽参考区域执行差运算，以获得毛刺区域；

根据所述毛刺区域，确定所述待测目标是否存在缺陷。

8.根据权利要求6所述缺陷检测方法，其特征在于，所述形态学处理包括：闭运算；

所述利用所述等宽参考区域、所述第一检测对象区域和所述第二检测对象区域，确定所述待测目标是否存在缺陷，包括：

将所述第二检测对象区域与所述第一检测对象区域执行差运算，以获取第二差值区域；

确定所述第二差值区域与所述等宽参考区域的交集部分，以获得破损区域；

根据所述破损区域，确定所述待测目标是否存在缺陷。

9.一种缺陷检测装置，其特征在于，包括：

获取模块，用于获取待测目标的目标图像，其中所述待测目标包括多个物理边缘区域，每个物理边缘区域包括一个或多个检测对象；

第一确定模块，用于确定所述待测目标在所述目标图像中的图像边缘区域，其中每个图像边缘区域对应于所述待测目标的一个物理边缘区域；

第二确定模块，用于确定所述图像边缘区域内包括的检测对象对应的第一检测对象区域；

第三确定模块，用于利用所述第一检测对象区域，确定所述待测目标是否存在缺陷。

10.一种电子设备，包括处理器和存储器，其特征在于，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1至8任一项所述的缺陷检测方法。

11.一种存储介质，在所述存储介质上存储了程序指令，其特征在于，所述程序指令在运行时用于执行如权利要求1至8任一项所述的缺陷检测方法。