CN117952986A - 瑕疵检测方法、装置、电子设备及存储介质 - Google Patents
瑕疵检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117952986A CN117952986A CN202410356249.XA CN202410356249A CN117952986A CN 117952986 A CN117952986 A CN 117952986A CN 202410356249 A CN202410356249 A CN 202410356249A CN 117952986 A CN117952986 A CN 117952986A
- Authority
- CN
- China
- Prior art keywords
- preset
- candidate
- value
- determining
- flaw
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 111
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 137
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 44
- 230000006870 function Effects 0.000 claims description 33
- 230000002950 deficient Effects 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 36
- 238000000576 coating method Methods 0.000 description 23
- 239000011248 coating agent Substances 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 239000002994 raw material Substances 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 239000011888 foil Substances 0.000 description 7
- 229910052744 lithium Inorganic materials 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 239000003973 paint Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013072 incoming material Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000010405 anode material Substances 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000010406 cathode material Substances 0.000 description 1
- 239000008199 coating composition Substances 0.000 description 1
- 239000011889 copper foil Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供一种瑕疵检测方法、装置、电子设备及存储介质。该方法包括：对极片进行扫描以得到极片图像；对极片图像进行灰度投影以得到投影曲线；根据投影曲线，确定由极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；根据待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定灰度值差值大于第一预设阈值的多个候选瑕疵像素点；确定由多个候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；根据第二预设阈值，分别对每个第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；根据每个第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个第二候选瑕疵区域的瑕疵检测结果。
Description
技术领域
本申请涉及瑕疵检测技术领域，尤其涉及一种瑕疵检测方法、装置、电子设备及存储介质。
背景技术
在锂电池制造过程中，在极片的涂布过程中，极片可能出现开裂、划痕、气泡等瑕疵，从而影响锂电池的性能与安全性。
对于涂布过程中的瑕疵检测，相关技术通常使用常规的滤波算法对待检测图像进行预处理，并通过全局阈值分割以及连通域分析得到瑕疵区域，但是由于涂布过程中原材料的差异等原因，而导致的成像变化，使得常规算法面对此种场景时不具备自适应性，也就造成了检测精度较低的问题。
发明内容
有鉴于此，本申请的目的在于提出一种瑕疵检测方法、装置、电子设备及存储介质。
基于上述目的，在第一方面，本申请提供了一种瑕疵检测方法，所述方法包括：
对极片进行扫描以得到极片图像；
对所述极片图像进行灰度投影以得到投影曲线；
根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；
根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值；
确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；
根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定；以及
根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
在一种可能的实现方式中，对所述极片图像进行灰度投影以得到投影曲线，包括：
确定所述极片图像中每一列像素点的平均灰度值和每个像素点的灰度值；
根据每个像素点的灰度值和所述极片图像的宽度，确定所述极片图像在垂直方向上的投影散点集合；以及
根据所述投影散点集合拟合得到离散函数，并将所述离散函数作为所述投影曲线。
在一种可能的实现方式中，根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，包括：
确定所述投影曲线的一阶导数图像，并确定所述一阶导数图像的波形中绝对值最大的目标点；
根据预设补正值和所述目标点对应的一阶导数图像的最大函数值之间的比值，对所述一阶导数图像进行等比例缩放，以得到补正后的一阶导数图像；
根据补正后的一阶导数图像确定第三预设阈值；
确定补正后的一阶导数图像中绝对值大于所述第三预设阈值的区域，并将所述区域作为极片图像中的边缘区域；
将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定为多个边缘线段；以及
根据多个所述边缘线段的端点，围成待检测区域。
在一种可能的实现方式中，将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定多个边缘线段，包括：
确定所述边缘区域所对应的补正后的一阶导数图像中的拐点；
确定所述拐点所在列的平均灰度值和与所述拐点相邻的前一列的第一平均灰度值之间的第一平均灰度值之差的绝对值，以及所述平均灰度值和与所述拐点相邻的后一列的第二平均灰度值之间的第二平均灰度值之差的绝对值；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值小于所述第一平均灰度值，所述平均灰度值大于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第一预设极性条件的第一侧边；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值大于所述第一平均灰度值，所述平均灰度值小于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第二预设极性条件的第二侧边；
确定所述第一侧边与所述第二侧边之间的相对距离是否位于预设距离范围内；以及
响应于所述第一侧边与所述第二侧边之间的相对距离位于预设距离范围内，则将所述第一侧边和所述第二侧边确定为所述边缘线段。
在一种可能的实现方式中，根据所述待检测区域中与预设尺寸的卷积模板中对应位置的像素点的灰度值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点之前，还包括：
确定所述投影曲线中各个像素点对应的梯度值，将所述梯度值大于预设梯度值阈值对应的全部像素点剔除，并基于线性插值对被剔除的每个像素点分别进行补全；
确定所述投影曲线中与所述待检测区域所对应的全部像素点的方差是否大于第四预设阈值；所述第四预设阈值为预先设定的全部像素点的方差的临界值；以及
响应于所述投影曲线中与所述待检测区域所对应的全部像素点的方差大于所述第四预设阈值，获取所述待检测区域的背景估计图像，并将所述背景估计图像和所述待检测区域所对应的极片图像进行差分处理，以得到满足灰度一致性的待检测区域。
在一种可能的实现方式中，确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域，包括：
将相邻的所述候选瑕疵像素点依次连接以得到候选瑕疵像素点区域；
对所述候选瑕疵像素点区域执行连通域分割，以得到至少一个所述第一候选瑕疵区域；以及
确定每个所述第一候选瑕疵区域的最小外接矩形。
在一种可能的实现方式中，确定每个所述第一候选瑕疵区域的最小外接矩形之后，还包括：
分别对每个所述最小外接矩形内的第一候选瑕疵区域进行图像增强以得到每个图像增强后的所述最小外接矩形内的第一候选瑕疵区域；以及
对于每个所述最小外接矩形内的第一候选瑕疵区域：
根据第二预设阈值，分别对所述最小外接矩形内的第一候选瑕疵区域进行全局阈值分割以确定候选瑕疵覆盖区域，
遍历所述候选瑕疵覆盖区域中的每个候选瑕疵像素点，并获取每个候选瑕疵像素点的八邻域内的灰度差值，
根据所述灰度差值小于预设灰度差值的全部候选瑕疵像素点，确定所述第二候选瑕疵区域。
在一种可能的实现方式中，根据每个所述第二候选瑕疵区域的几何信息和灰度值信息分别确定每个所述第二候选瑕疵区域的瑕疵检测结果，包括：
获取所述极片图像对应的梯度图像以及每个所述第二候选瑕疵区域的轮廓图像；
确定所述轮廓图像中的像素点对应的第一梯度值；以及
对于每个所述第二候选瑕疵区域的轮廓图像：
确定所述梯度图像中与所述轮廓图像中的像素点相邻的像素点对应的第二梯度值，
响应于所述第一梯度值和所述第二梯度值在预设方向上的角度差小于或等于预设角度差阈值，则将所述第二候选瑕疵区域作为真实瑕疵。
在一种可能的实现方式中，所述几何信息至少包括所述第二候选瑕疵区域的长宽比和最小外接矩形覆盖率，并且
所述方法还包括：在将所述第二候选瑕疵区域作为真实瑕疵之后，将所述最小外接矩形覆盖率小于预设最小外接矩形覆盖率阈值的所述真实瑕疵的瑕疵检测结果确定为长条形缺陷，和/或，将所述最小外接矩形覆盖率大于或等于预设最小外接矩形覆盖率阈值，且长宽比大于预设长宽比阈值的所述真实瑕疵的瑕疵检测结果确定为类圆形缺陷。
在第二方面，本申请提供了一种瑕疵检测装置，所述装置包括：
扫描模块，被配置为对极片进行扫描以得到极片图像；
投影模块，被配置为对所述极片图像进行灰度投影以得到投影曲线；
第一确定模块，被配置为根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；
第二确定模块，被配置为根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值；
第三确定模块，被配置为确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；
分割模块，被配置为根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定；
检测模块，被配置为根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
在第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的瑕疵检测方法。
在第四方面，本申请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计算机指令，所述计算机指令用于使计算机执行如第一方面所述的瑕疵检测方法。
从上面所述可以看出，本申请提供的一种瑕疵检测方法、装置、电子设备及存储介质，包括对极片进行扫描以得到极片图像；对所述极片图像进行灰度投影以得到投影曲线；根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，确保在相邻区域的边缘位置灰度值较为接近时，能够更精准地进行待检测区域的定位。进一步地，根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域，由于原材料性质的问题不同批次级卷在相机下的成像平均灰度值会有所差异，因此相关技术中所使用绝对的阈值分割无法对瑕疵进行自适应的检测，而本申请采用灰度值的差异对候选瑕疵区域进行分割，使用局部阈值分割得到第一候选瑕疵区域，从而避免换型或原材料差异导致的平均灰度值变化问题对瑕疵检测的影响。再进一步地，根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；以及根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。基于全局阈值进行进一步地的分割操作，进一步确认瑕疵区域，从而得到第二候选瑕疵区域，提升检测精度，并且依据第二候选瑕疵区域的几何信息和灰度值信息，对第二候选瑕疵区域进行复判，获取该区域的最终瑕疵检测结果，提升了瑕疵识别的准确率。
进而，相较于现有技术，本发明具有以下有益效果：
通过待检测区域确保在相邻区域的边缘位置灰度值较为接近时，能够更精准地进行待检测区域的定位。之后，由于原材料性质的问题不同批次级卷在相机下的成像平均灰度值会有所差异，因此相关技术中所使用绝对的阈值分割无法对瑕疵进行自适应的检测，而本申请采用灰度值的差异对候选瑕疵区域进行分割，使用局部阈值分割得到第一候选瑕疵区域，从而避免换型或原材料差异导致的平均灰度值变化问题对瑕疵检测的影响。最后，基于全局阈值进行进一步地的分割操作，进一步确认瑕疵区域，从而得到第二候选瑕疵区域，提升检测精度，并且依据第二候选瑕疵区域的几何信息和灰度值信息，对第二候选瑕疵区域进行复判，获取该区域的最终瑕疵检测结果，提升了瑕疵识别的准确率。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术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申请的实施例，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示出了本申请实施例所提供的一种瑕疵检测方法的示例性应用场景示意图。
图2示出了本申请实施例所提供的一种瑕疵检测方法的示例性流程示意图。
图3示出了根据本申请实施例的一种投影曲线的确定方法的示例性流程示意图。
图4示出了根据本申请实施例的一种待检测区域的确定方法的示例性流程示意图。
图5（a）示出了根据本申请实施例的一种极片图像的示例性示意图。
图5（b）示出了根据本申请实施例的另一种极片图像的示例性示意图。
图6（a）示出了根据本申请实施例的一种极片图像对应的初始微分波形的示例性示意图。
图6（b）示出了根据本申请实施例的另一种极片图像对应的初始微分波形的示例性示意图。
图7示出了根据本申请实施例的待检测区域在执行一致性处理前后对比示意图。
图8（a）示出了根据本申请实施例的第一候选瑕疵区域的示例性示意图。
图8（b）示出了根据本申请实施例的第二候选瑕疵区域的示例性示意图。
图9示出了根据本申请实施例的确定每个第二候选瑕疵区域的瑕疵检测结果的示例性流程示意图。
图10示出了本申请实施例所提供的一种瑕疵检测装置的示例性结构示意图。
图11示出了本申请实施例所提供的一种电子设备的示例性结构示意图。
图中：101-本地终端设备；102-服务器；1110-处理器；1120-存储器；1130-输入/输出接口；1140-通信接口；1150-总线。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
随着新能源行业的蓬勃发展，锂电池的应用在储能和动力电池等领域得到了广泛的延伸。近年来，新能源汽车的安全问题成为了大众重点关注的话题，随着消费者需求的提升，锂电池质量也成为了行业重点研究和提升的对象。
涂布是锂电池制造过程中的一个重要工序，它将配好的浆料涂覆在铜箔、铝箔等基材上，经过烘干形成具有特殊功能的膜层，并确保材料之间的良好接触和均匀分布。然而由于涂布的设备参数设置以及涂料的属性等影响，涂布过程中，极片可能出现开裂、划痕、气泡等瑕疵，这些瑕疵会导致正负极材料的损伤以及与电解质之间的接触不良，从而影响锂电池的性能与安全性。因此对涂布段产生的瑕疵进行识别并报警剔除的功能非常必要。
涂布段由于涂料的速度以及瑕疵的尺寸以及对比度问题，传统的目检只能对连续性的明显瑕疵进行识别，长时间观察快速移动的级卷也容易视觉疲劳，因此目前人工目检往往用来触检级卷上有明显凸起的问题。极片上的瑕疵通常使用线扫相机获取再使用图像处理算法进行识别，然而，随着企业对涂布瑕疵的检测标准要求越来越高，范围越来越大，加上换型需求与上游原材料差异问题，现存算法难以自适应地实现满足质检要求的瑕疵识别。
如背景技术部分所述，相关技术中，对于涂布过程中的瑕疵检测，通常使用常规的滤波算法对待检测图像进行预处理，并通过全局阈值分割以及连通域分析得到瑕疵区域，但是由于涂布过程中原材料的差异等原因，而导致的成像变化，使得常规算法面对此种场景时不具备自适应性，也就造成了检测精度较低的问题。
而另一些相关技术，则通常通过二值化和反二值化处理分割出中间灰度值的感兴趣区域，并分别从水平和垂直两个方向进行差分处理。
申请人通过研究发现，这种方法对灰度差要求高，容易混淆背景与前景，遇到涂料区与相邻区域灰度值接近的样本，容易出现错误分割，无法自适应地提取待检测区域。
另一些相关技术中，则通常使用神经网络对瑕疵进行分割、识别以及分类。
但是，申请人通过研究发现这些方案对样本需求较大，只能对训练集已覆盖的样本类型进行识别，并且涂布段通常使用高分辨率的线扫图像，深度学习对计算能力的要求更高，消耗更大。
正因如此，本申请提供的一种瑕疵检测方法、装置、电子设备及存储介质， 包括对极片进行扫描以得到极片图像；对所述极片图像进行灰度投影以得到投影曲线；根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，确保在相邻区域的边缘位置灰度值较为接近时，能够更精准地进行待检测区域的定位。进一步地，根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域，由于原材料性质的问题不同批次级卷在相机下的成像平均灰度值会有所差异，因此相关技术中所使用绝对的阈值分割无法对瑕疵进行自适应的检测，而本申请采用灰度值的差异对候选瑕疵区域进行分割，使用局部阈值分割得到第一候选瑕疵区域，从而避免换型或原材料差异导致的平均灰度值变化问题对瑕疵检测的影响。再进一步地，根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；以及根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。基于全局阈值进行进一步地的分割操作，进一步确认瑕疵区域，从而得到第二候选瑕疵区域，提升检测精度，并且依据第二候选瑕疵区域的几何信息和灰度值信息，对第二候选瑕疵区域进行复判，获取该区域的最终瑕疵检测结果，提升了瑕疵识别的准确率。
图1示出了本申请实施例所提供的一种瑕疵检测方法的示例性应用场景示意图。
参考图1，该应用场景中，包括本地终端设备101和服务器102。其中，本地终端设备101和服务器102之间可通过有线或无线的通信网络连接，以实现数据交互。
本地终端设备101可以是靠近用户侧的具有数据传输、多媒体输入/输出功能的电子设备，如，桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、车载电脑、智能可穿戴设备、个人数字助理(personal digital assistant，PDA)或其它能够实现上述功能的电子设备等。该电子设备可以包括处理器和具有触控输入功能显示屏，该显示屏用于呈现图形用户界面，该图形用户界面可以显示游戏界面，该处理器用于处理游戏数据、生成图形用户界面以及控制图形用户界面在显示屏上的显示。
服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一些示例性实施例中，瑕疵检测方法可以运行于本地终端设备101或者是服务器102。
当瑕疵检测方法运行于服务器102时，服务器102用于向终端设备的用户提供瑕疵检测服务，终端设备中安装有与服务器102通信的客户端，用户可以通过客户端指定目标程序。服务器102通过检测设备对极片进行扫描以得到极片图像，例如检测设备可以为相机、激光扫描器等设备；对所述极片图像进行灰度投影以得到投影曲线；根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；以及根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。服务器102还可以将瑕疵检测结果发送给客户端，客户端向用户展示瑕疵检测结果。其中，终端设备可以是前述提到的本地终端设备101。
下面结合图1的应用场景，来描述根据本公开示例性实施方式的瑕疵检测方法。需要注意的是，上述应用场景仅是为了便于理解本公开的精神和原理而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。
图2示出了本申请实施例所提供的一种瑕疵检测方法的示例性流程示意图。
参考图2，本申请实施例所提供的一种瑕疵检测方法，具体包括以下步骤：
S202：对极片进行扫描以得到极片图像。
S204：对所述极片图像进行灰度投影以得到投影曲线。
S206：根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域。
S208：根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值。
S210：确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域。
S212：根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定。
S214：根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
针对于步骤S202，可以使用线扫相机按照预定的行频和行高对极片进行扫描，从而得到极片图像，例如对涂布后的极片进行扫描，根据实际需求，还可以在锂电池制作过程中的其他子步骤中扫描对应的材料，进行对应图像的提取，本申请以对极片图像中的瑕疵进行检测为例，在此不对瑕疵的载体进行具体限定。
进一步地，可以对瑕疵的待检测区域进行提取，一般地，涂布后的极片所对应的极片图像中含有涂料区、空箔区以及辊区，通常按照检测需求对涂料区或者空箔区进行提取并执行瑕疵检测，由于涂料区与空箔区的灰度差异，因此想要对二者进行分割，通常直接采用二值化方法进行分割操作。但是，由于基板底涂或者绝缘层等不同的涂料配方，导致涂料区与相邻区域的边缘灰度值较为接近，使用传统的二值化算法进行分割会导致分割结果不精确。因此，本申请中，针对步骤S204，可以先对极片图像进行灰度投影，从而得到投影曲线，进一步地，利用步骤S206根据投影曲线来确定待检测区域，使得待检测区域的提取更加精确。
图3示出了根据本申请实施例的一种投影曲线的确定方法的示例性流程示意图。
具体地，参考图3，在确定投影曲线时，包括以下步骤：
S302：确定所述极片图像中每一列像素点的平均灰度值和每个像素点的灰度值。
S304：根据每个像素点的灰度值和所述极片图像的宽度，确定所述极片图像在垂直方向上的投影散点集合。
S306：根据所述投影散点集合拟合得到离散函数，并将所述离散函数作为所述投影曲线。
在本实施例中，可以对极片图像中每一列的像素点求取平均灰度值，以及每个像素点的灰度值，其中像素点(i, j)的灰度值可以表示为，进一步地，可以根据每个像素点的灰度值和极片图像的宽度，例如宽度可以为h，进而确定极片图像在垂直方向上的投影散点集合，例如可以以图像的底边为参考线，以垂直于图像底边的方向作为垂直方向，求取投影散点集合，例如可以表示为/>，再进一步地，可以根据投影散点集合拟合得到离散函数，例如可以表示为/>，并将该离散函数作为投影曲线。
进一步地，在确定投影曲线之后，针对步骤S206，可以根据投影曲线，确定由极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，例如可以在得到的投影曲线中找到梯度跳变较大的区域，并在每个区域内找到满足预设极性条件和预设相对距离条件的边缘线段，进而确定待检测区域。
图4示出了根据本申请实施例的一种待检测区域的确定方法的示例性流程示意图。
在一些实施例中，参考图4，待检测区域的确定方法可以包括以下步骤：
S402：确定所述投影曲线的一阶导数图像，并确定所述一阶导数图像的波形中绝对值最大的目标点。
S404：根据预设补正值和所述目标点对应的一阶导数图像的最大函数值之间的比值，对所述一阶导数图像进行等比例缩放，以得到补正后的一阶导数图像。
S406：根据补正后的一阶导数图像确定第三预设阈值。
S408：确定补正后的一阶导数图像中绝对值大于所述第三预设阈值的区域，并将所述区域作为极片图像中的边缘区域。
S410：将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定为多个边缘线段。
S412：根据多个所述边缘线段的端点，围成待检测区域。
在本实施例中，由于在瑕疵检测过程中会对多个极片进行检测，所以在检测过程中会处理多个极片图像，那么就需要找到一个单一阈值来筛选不同亮度的图像，避免针对每个极片图像都需要找到一个对应阈值来执行阈值分割，进而提升了瑕疵检测效率。
在本实施例中，在得到投影曲线后，可以进一步地根据投影曲线确定出待检测区域的边缘，具体地，可以根据该投影曲线，确定由极片图像中满足预设极性条件和预设相对距离条件的边缘线段所围成的待检测区域。其中，由于针对于不同对比度大小的图像而言，由于待检测图像包含多个不同灰度值的区域，其灰度差各不相同，加上原材料性质的不同可能导致的整幅图像平均灰度值的变化，直观来看，这些图像的亮度是不同的，为了使得可以通过一个统一的阈值来对这些图像进行处理，从而能够更加方便快速地进行图像处理。
针对步骤S402和S404，既然需要找到一个统一的阈值来对这些图像进行处理，那么就可以对不同对比度的图像进行微分补正的处理，使得不同的图像所对应的补正后的波形图的走向和趋势能够更加相似，根据补正后的相似的波形图来找到这个统一的阈值。而由于不同图像的波形图是不同的，且波峰波谷的位置可能存在较大差异，因此可以确定投影曲线的一阶导数图像，从而确定一阶导数图像的波形中绝对值最大的目标点，来作为微分补正操作的依据之一。
进一步地，可以根据预设补正值和该目标点对应的一阶导数图像的最大函数值之间的比值，来对该一阶导数图像来进行等比例缩放，从而得到微分补正操作后的一阶导数图像，对于每个需要处理的图像都可以进行相应的微分补正操作，将原本差异较大的波形图补正为差异度较小的波形图，从而能够根据这些相似的波形图来找到这个统一的阈值，例如步骤S406中所确定的第三预设阈值。
图5（a）示出了根据本申请实施例的一种极片图像的示例性示意图。
图5（b）示出了根据本申请实施例的另一种极片图像的示例性示意图。
具体地，参考图5（a），所示出的极片图像的对比度较小，而图5（b）所示出的极片图像的对比度较大，由于待检测图像包含多个不同灰度值的区域，其灰度差各不相同，加上原材料性质的不同可能导致的整幅图像平均灰度值的变化，直观来看，两张图像的亮度是不同的，为了使得可以通过一个统一的阈值来对这两个图像进行处理，可以对得到的投影曲线进行微分补正，进而使得可以使用统一的阈值来适应不同平均灰度值的图像进行分割。
图6（a）示出了根据本申请实施例的一种极片图像对应的初始微分波形的示例性示意图。
图6（b）示出了根据本申请实施例的另一种极片图像对应的初始微分波形的示例性示意图。
对应的，图6（a）所示出的为图5（a）中极片图像所对应的初始微分波形图以及进行微分补正后的微分波形，其中，极小值略大于-10的波形图为初始微分波形图，极小值位于-20附近的波形图为进行微分补正后的微分波形。而图6（b）所示出的为图5（b）中极片图像所对应的初始微分波形图以及进行微分补正后的微分波形，其中，极小值的绝对值相对较小的波形图为初始微分波形图，极小值位于-20附近的波形图为进行微分补正后的微分波形。可以看出，对于图6（a）和图6（b）中的初始微分波形图而言，图6（a）中的初始微分波形图，相对梯度波形极值处数值较小；而图6（b）中的初始微分波形图，相对梯度波形幅度较大。如果使用同一个阈值，例如-10来进行图像分割，提取待检测区域时，则对于图6（a）中的初始微分波形图而言，会出现漏检情况，使得待检测区域的提取精确度降低。
因此，本申请对图6（a）和图6（b）中的初始微分波形图进行了微分补正，具体地，可以求取投影曲线的一阶导数图像，也即求取的一阶导数图像，并寻找其拐点，由于实际图像的一阶导数波形并不是完全平滑的波形，而对其执行平滑处理容易将较小的梯度变化忽略掉，因此无法简单的寻找拐点。因此，本申请对一阶导数图像对应的函数在y方向上进行线性变化，确定一阶导数图像的波形中绝对值最大的目标点，对应的横坐标为x，对应的函数值为f(x)。
进一步地，可以根据预设补正值和目标点对应的一阶导数图像的最大函数值之间的比值，例如给定预设补正值在预设补正范围内，预设补正范围可以表示为g(x)，假设预设补正值为g(x)，则可以对一阶导数图像进行等比例缩放，以得到补正后的一阶导数图像，例如按比例g(x)/f(x)进行等比例缩放。从而得到微分补正后的一阶导数图像，例如图6（a）和图6（b）中进行微分补正后的微分波形，此时再使用统一的阈值-10来进行图像分割，提取待检测区域时，使得待检测区域的提取精确度得到了一定程度上的提高。
需要说明的是，在某一种成像系统和现场来料条件下，涂布料区整体灰度值在60-80之前，由于来料箔材和底涂的材质问题，会出现20左右的灰度值波动，因此统一的阈值可以例如选取20。
再进一步地，可以根据补正后的一阶导数图像确定第三预设阈值，利用该第三预设阈值，来提取补正后的一阶导数图像中绝对值大于第三预设阈值的区域，将这些区域作为极片图像中的边缘区域。再通过预设极性条件以及预设距离范围，在边缘区域中找到满足预设极性条件，且相对距离位于预设距离范围内的侧边对，进而将其确定为多个边缘线段，从而根据多个边缘线段的端点，围成待检测区域。
需要说明的是，在得到边缘区域后，由于涂料区为图像中最深的区域，因此它的左侧边缘满足灰度由亮到暗的负极性，右侧边缘满足灰度有暗到亮的正极性，寻找满足此极性条件并且宽度差在一定范围内的侧边对，作为待检测区域的边缘线段。
具体地，可以确定边缘区域所对应的补正后的一阶导数图像中的拐点，并确定拐点所在列的平均灰度值和与拐点相邻的前一列的第一平均灰度值之间的第一平均灰度值之差的绝对值，以及平均灰度值和与拐点相邻的后一列的第二平均灰度值之间的第二平均灰度值之差的绝对值。
由于涂料区的一侧边缘需要满足灰度由亮到暗的负极性，因此判断第一平均灰度值之差的绝对值是否大于预设灰度值阈值，如果第一平均灰度值之差的绝对值是否大于预设灰度值阈值，则确定拐点所在列和与拐点相邻的前一列之间存在灰度值变化。进一步地，可以判断第二平均灰度值之差的绝对值是否大于预设灰度值阈值，如果第二平均灰度值之差的绝对值大于预设灰度值阈值，则确定拐点所在列和与拐点相邻的后一列之间存在灰度值变化。
再进一步地，如果平均灰度值小于第一平均灰度值，且平均灰度值大于第二平均灰度值，则可以确定拐点所在列对应的侧边满足由亮到暗的负极性，也即拐点所在列对应的侧边为满足第一预设极性条件的第一侧边。
进一步地，涂料区的另一侧边缘需要满足灰度有暗到亮的正极性，因此判断第一平均灰度值之差的绝对值是否大于预设灰度值阈值，如果第一平均灰度值之差的绝对值是否大于预设灰度值阈值，则确定拐点所在列和与拐点相邻的前一列之间存在灰度值变化。进一步地，可以判断第二平均灰度值之差的绝对值是否大于预设灰度值阈值，如果第二平均灰度值之差的绝对值大于预设灰度值阈值，则确定拐点所在列和与拐点相邻的后一列之间存在灰度值变化。
再进一步地，如果平均灰度值小于第二平均灰度值，且平均灰度值大于第一平均灰度值，则可以确定拐点所在列对应的侧边满足由暗到亮的正极性，也即拐点所在列对应的侧边为满足第二预设极性条件的第二侧边。
进而，可以确定第一侧边与第二侧边之间的相对距离是否位于预设距离范围内，如果第一侧边与第二侧边之间的相对距离位于预设距离范围内，则确定第一侧边和第二侧边满足预设相对距离条件，可以将第一侧边和第二侧边确定为边缘线段。
在一些实施例中，在得到边缘线段之后，可以确定极片图像中是否存在大规模开裂或断带等异常，如果极片图像中不存在大规模开裂或断带等异常，则极片图像在垂直方向均属于待检测区域，因此在水平方向上通过边缘线段来框定待检测区域的范围，例如可以根据边缘线段在水平方向上框定边缘位置，并在垂直方向上进行矩形提取，从而得到矩形待检测区域。
而如果极片图像中存在大规模开裂或断带等异常，则将该极片图像判定为位置异常，此时依然可以通过边缘线段来框定待检测区域的范围，但是不能够在垂直方向上进行矩形提取，取而代之的是进行平行四边形提取，从而得到平行四边形待检测区域，进而避开大规模开裂或断带等异常位置，避免影响待检测区域中的瑕疵检测结果。
图7示出了根据本申请实施例的待检测区域在执行一致性处理前后对比示意图。
在一些实施例中，在某些涂布配方下，涂布的幅宽较宽，相机距其视野中心与视野两侧的距离差距较大，进光量有所偏差，导致图像灰度值在水平方向上成像不均，因此可以在根据待检测区域中与预设尺寸的卷积模板中对应位置的像素点的灰度值，确定灰度值差值大于第一预设阈值的多个候选瑕疵像素点之前，对待检测区域进行灰度一致性处理，使得待检测区域对应的灰度图像成像均匀，使得确定的多个候选瑕疵像素点能够更加准确。
参考图7，箭头一侧的图像表示进行灰度一致性处理之前的待检测区域所对应的灰度图像，箭头所指向的图像则表示进行灰度一致性处理之后的待检测区域所对应的灰度图像，进行灰度一致性处理之后的待检测区域所对应的灰度图像的成像明显更加均匀。
具体地，可以判断图像是否满足灰度一致性，确定投影曲线中各个像素点对应的梯度值，将梯度跳变较大的点进行剔除，例如将梯度值大于预设梯度值阈值对应的全部像素点进行剔除，并且可以基于线性插值的方法对被剔除的每个像素点分别进行补全。
进一步地，可以确定投影曲线中与待检测区域所对应的全部像素点的方差，并确定该方差是否大于第四预设阈值，例如第四预设阈值可以为5。如果投影曲线中与待检测区域所对应的全部像素点的方差大于第四预设阈值，则认定待检测区域对应的图像不满足灰度一致性，需要进行校正。其中，第四预设阈值为预先设定的全部像素点的方差的临界值。
再进一步地，可以获取待检测区域的背景估计图像，例如可以对待检测区域对应的图像进行模糊处理，弱化高频轮廓特征，再将模糊图像按列分成多个矩形框，分别对每个矩形框求取平均灰度值和方差，通过与待检测区域的平均灰度值进行比对，从而得到垂直方向的背景估计图像。进而可以根据背景估计图像和待检测区域所对应的极片图像部分进行差分处理，从而得到成像均匀，满足灰度一致性的待检测区域对应的灰度图像。
在一些实施例中，为应对涂布段逐渐提升的检测范围及检测精度需求，可以将瑕疵类型按照图像覆盖比例，划分为图像覆盖比例大于预设比例的大规模瑕疵，以及图像覆盖比例小于或等于预设比例的独立瑕疵，按照灰度值与平均灰度值的大小差异，划分为灰度值大于预设灰度值，且平均灰度值大于预设平均灰度值的暗瑕疵，以及灰度值小于或等于预设灰度值，且平均灰度值小于或等于预设平均灰度值的亮瑕疵，其中，暗瑕疵暗于背景图像，亮瑕疵亮于背景图像。分别将大规模瑕疵、独立瑕疵和暗瑕疵、亮瑕疵两两组合，得到四种可能的瑕疵形式，例如大规模瑕疵-暗瑕疵、大规模瑕疵-亮瑕疵、独立瑕疵-暗瑕疵以及独立瑕疵-亮瑕疵。
对于任意一种可能的瑕疵组合都需要进行粗分割操作，也即根据待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定灰度值差值大于第一预设阈值的多个候选瑕疵像素点。具体地，根据预设尺寸的卷积模板对待检测区域进行局部阈值分割，从而得到待检测区域内与卷积模板中对应位置处灰度值差异较大的像素点，将其作为候选瑕疵像素点。卷积模板的尺寸由瑕疵的可能覆盖范围决定，对应大规模瑕疵的任意一种组合方式，都可以运用尺寸较大的卷积模板，而对应独立瑕疵的任意一种组合方式，都可以运用尺寸较小的卷积模板。而如果图像中含有大规模瑕疵，无论对应的是大规模瑕疵-暗瑕疵，还是大规模瑕疵-亮瑕疵，使用尺寸较小的卷积模板对待检测区域进行局部阈值分割，则容易将大规模瑕疵内的正常像素点错检为候选瑕疵像素点，造成检测准确度降低的问题。
因此，可以选择现有的尺寸大于尺寸阈值的卷积模板，例如预设尺寸的卷积模板，根据待检测区域面积大小，可以选择例如4x6的卷积模板，确定待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，例如依次对比卷积模板与待检测区域中的各个像素点，可以确定待检测区域中A位置的像素点的灰度值A1，以及卷积模板中与A位置所对应的相同位置的像素点的灰度值A2，并确定A1与A2之间的差值。
需要说明的是，针对于不同极片图像对应的待检测区域，可以选择尺寸不同的卷积模板，其中卷积模板可以为可获取到的预设尺寸的标准图像，具体尺寸根据实际需求确定，在此不做具体限定。
进一步地，确定灰度值差值后，将灰度值差值大于第一预设阈值的多个像素点确定为多个候选像素点。这里的第一预设阈值即为预先设定的灰度值差值的参考值或者说临界值，可以根据具体场景具体设定。为了提高检测准确度，可以对多个候选像素点进行形态学分析，包括但不限于膨胀、腐蚀、开运算、闭运算等操作，将多个候选像素点中，不满足预设条件的孤立的噪点进行排除。
图8（a）示出了根据本申请实施例的第一候选瑕疵区域的示例性示意图。
再进一步地，可以将相邻的候选瑕疵像素点依次连接，从而得到候选瑕疵像素点区域，参考图8（a），由于瑕疵像素点区域可能包括多个子区域，因此可以对候选瑕疵像素点区域执行连通域分割，以得到至少一个第一候选瑕疵区域，并确定每个第一候选瑕疵区域的最小外接矩形，将该最小外接矩形内的第一候选瑕疵区域作为粗分割的瑕疵定位结果。
在一些实施例中，为了进一步提高检测精度和准确度，可以对粗分割的瑕疵定位结果进行细分割，从而得到更加精确的候选瑕疵覆盖范围。具体地，可以分别对每个最小外接矩形内的第一候选瑕疵区域进行图像增强，扩大图像中候选瑕疵于背景的对比度，从而降低对部分亮度较深瑕疵的漏检的可能性。
进一步地，对于每个最小外接矩形内的第一候选瑕疵区域，可以根据第二预设阈值，对最小外接矩形内的第一候选瑕疵区域进行全局阈值分割，确定由多个候选的异常像素点所构成的候选瑕疵覆盖区域。其中，第二预设阈值可根据不同实施例所需要的瑕疵判定标准进行确定。
需要说明的是，可以对多个候选的异常像素点进行形态学分析，包括但不限于膨胀、腐蚀、开运算、闭运算等操作，将多个候选的异常像素点中，不满足预设条件的孤立的噪点进行排除。再依次连接相邻的排除噪点后的多个候选的异常像素点，从而得到候选瑕疵覆盖区域。
图8（b）示出了根据本申请实施例的第二候选瑕疵区域的示例性示意图。
再进一步地，可以遍历候选瑕疵覆盖区域中的每个候选瑕疵像素点，并获取每个候选瑕疵像素点的八邻域内的灰度差值，确定灰度差值小于预设灰度差值的全部候选瑕疵像素点，从而确定如图8（b）所示出的第二候选瑕疵区域，相比于图8（a）中的第一候选瑕疵区域，图8（b）中所框定的第二候选瑕疵区域更加精确，尽可能地将可能出现的瑕疵位置进行了框定。
在得到第二候选瑕疵区域后，由于部分候选瑕疵根据检测需求不被判定为瑕疵，有些可能是噪声导致的误判，因此可以对第二候选瑕疵区域对应的候选瑕疵进行复判，从而提高检测结果的准确性。
在一些实施例中，可以确定第二候选瑕疵区域的尺寸和灰度值差值，如果第二候选瑕疵区域的尺寸小于尺寸阈值，且灰度值差值小于灰度值差值阈值，则可以判定第二候选瑕疵区域不为瑕疵，否则容易导致大量的不良品，影响生产效率。并且，根据不同场景下的外观检测标准需求，也需要根据实际需求确定具体的尺寸阈值和灰度值差值阈值等参数大小。
图9示出了根据本申请实施例的确定每个第二候选瑕疵区域的瑕疵检测结果的示例性流程示意图。
进一步地，参考图9，根据每个第二候选瑕疵区域的几何信息和灰度值信息分别确定每个第二候选瑕疵区域的瑕疵检测结果，可以包括以下步骤：
S902：获取所述极片图像对应的梯度图像以及每个所述第二候选瑕疵区域的轮廓图像。
S904：确定所述轮廓图像中的像素点对应的第一梯度值。
S906：对于每个所述第二候选瑕疵区域的轮廓图像：确定所述梯度图像中与所述轮廓图像中的像素点相邻的像素点对应的第二梯度值，响应于所述第一梯度值和所述第二梯度值在预设方向上的角度差小于或等于预设角度差阈值，则将所述第二候选瑕疵区域作为真实瑕疵。
在本实施例中，可以获取极片图像对应的梯度图像以及每个第二候选瑕疵区域的轮廓图像，部分小尺寸瑕疵有可能属于噪点集合，因此可以进一步进行排定。确定轮廓图像中的像素点对应的第一梯度值，对于每个第二候选瑕疵区域的轮廓图像，可以确定梯度图像中与轮廓图像中的像素点相邻的像素点对应的第二梯度值，例如确定轮廓图像中M位置的像素点对应的第一梯度值，则可以进一步确定轮廓图像中M位置相邻位置的像素点所对应的第二梯度值。并比较第一梯度值和第二梯度值，如果第一梯度值和第二梯度值在预设方向上的角度差小于或等于预设角度差阈值，则将第二候选瑕疵区域作为真实瑕疵。反之，如果第一梯度值和第二梯度值在预设方向上的角度差大于预设角度差阈值，则认定第二候选瑕疵区域不属于真实瑕疵，可以将其排除，从而进一步提高了瑕疵检测结果的准确性，避免将正常图像位置检测为瑕疵位置。
在一些实施例中，在将第二候选瑕疵区域作为真实瑕疵之后，还可以根据几何信息确定真实瑕疵的瑕疵类型。涂布过程中会出现类圆形瑕疵，包括气泡、凹坑、漏箔等，以及长条形瑕疵，包括划痕、暗痕等，由于长条形瑕疵倾斜状态下其长宽比也可能接近于1，因此可以通过外接矩形覆盖率进行筛选。具体地，将最小外接矩形覆盖率小于预设最小外接矩形覆盖率阈值的真实瑕疵的瑕疵检测结果确定为长条形缺陷，和/或，可以将最小外接矩形覆盖率大于或等于预设最小外接矩形覆盖率阈值，且长宽比大于预设长宽比阈值的真实瑕疵的瑕疵检测结果确定为类圆形缺陷，其中，一般设置覆盖率小于30%的真实瑕疵可以被确定为长条形缺陷，而覆盖率较大，例如大于或等于30%，且长宽比大于0.8的真实瑕疵则可以被判定为类圆形缺陷。
从上面所述可以看出，本申请提供的一种瑕疵检测方法、装置、电子设备及存储介质，包括对极片进行扫描以得到极片图像；对所述极片图像进行灰度投影以得到投影曲线；根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，确保在相邻区域的边缘位置灰度值较为接近时，能够更精准地进行待检测区域的定位。进一步地，根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域，由于原材料性质的问题不同批次级卷在相机下的成像平均灰度值会有所差异，因此相关技术中所使用绝对的阈值分割无法对瑕疵进行自适应的检测，而本申请采用灰度值的差异对候选瑕疵区域进行分割，使用局部阈值分割得到第一候选瑕疵区域，从而避免换型或原材料差异导致的平均灰度值变化问题对瑕疵检测的影响。再进一步地，根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；以及根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。基于全局阈值进行进一步地的分割操作，进一步确认瑕疵区域，从而得到第二候选瑕疵区域，提升检测精度，并且依据第二候选瑕疵区域的几何信息和灰度值信息，对第二候选瑕疵区域进行复判，获取该区域的最终瑕疵检测结果，提升了瑕疵识别的准确率。
需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图10示出了本申请实施例所提供的一种瑕疵检测装置的示例性结构示意图。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种瑕疵检测装置。
参考图10，所述瑕疵检测装置，所述装置包括：扫描模块、投影模块、第一确定模块、第二确定模块、第三确定模块、分割模块以及检测模块；其中，
扫描模块，被配置为对极片进行扫描以得到极片图像；
投影模块，被配置为对所述极片图像进行灰度投影以得到投影曲线；
第一确定模块，被配置为根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；
第二确定模块，被配置为根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值；
第三确定模块，被配置为确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；
分割模块，被配置为根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定；
检测模块，被配置为根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
在一种可能的实现方式中，投影模块，进一步还被配置为：
确定所述极片图像中每一列像素点的平均灰度值和每个像素点的灰度值；
根据每个像素点的灰度值和所述极片图像的宽度，确定所述极片图像在垂直方向上的投影散点集合；以及
根据所述投影散点集合拟合得到离散函数，并将所述离散函数作为所述投影曲线。
在一种可能的实现方式中，第一确定模块，进一步还被配置为：
确定所述投影曲线的一阶导数图像，并确定所述一阶导数图像的波形中绝对值最大的目标点；
根据预设补正值和所述目标点对应的一阶导数图像的最大函数值之间的比值，对所述一阶导数图像进行等比例缩放，以得到补正后的一阶导数图像；
根据补正后的一阶导数图像确定第三预设阈值；
确定补正后的一阶导数图像中绝对值大于所述第三预设阈值的区域，并将所述区域作为极片图像中的边缘区域；
将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定为多个边缘线段；以及
根据多个所述边缘线段的端点，围成待检测区域。
在一种可能的实现方式中，第一确定模块，进一步还被配置为：
确定所述边缘区域所对应的补正后的一阶导数图像中的拐点；
确定所述拐点所在列的平均灰度值和与所述拐点相邻的前一列的第一平均灰度值之间的第一平均灰度值之差的绝对值，以及所述平均灰度值和与所述拐点相邻的后一列的第二平均灰度值之间的第二平均灰度值之差的绝对值；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值小于所述第一平均灰度值，所述平均灰度值大于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第一预设极性条件的第一侧边；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值大于所述第一平均灰度值，所述平均灰度值小于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第二预设极性条件的第二侧边；
确定所述第一侧边与所述第二侧边之间的相对距离是否位于预设距离范围内；以及
响应于所述第一侧边与所述第二侧边之间的相对距离位于预设距离范围内，则将所述第一侧边和所述第二侧边确定为所述边缘线段。
在一种可能的实现方式中，所述装置，还包括：一致性检测模块；
所述一致性检测模块，被配置为：
确定所述投影曲线中各个像素点对应的梯度值，将所述梯度值大于预设梯度值阈值对应的全部像素点剔除，并基于线性插值对被剔除的每个像素点分别进行补全；
确定所述投影曲线中与所述待检测区域所对应的全部像素点的方差是否大于第四预设阈值；所述第四预设阈值为预先设定的全部像素点的方差的临界值；以及
响应于所述投影曲线中与所述待检测区域所对应的全部像素点的方差大于所述第四预设阈值，获取所述待检测区域的背景估计图像，并将所述背景估计图像和所述待检测区域所对应的极片图像进行差分处理，以得到满足灰度一致性的待检测区域。
在一种可能的实现方式中，第三确定模块，进一步还被配置为：
将相邻的所述候选瑕疵像素点依次连接以得到候选瑕疵像素点区域；
对所述候选瑕疵像素点区域执行连通域分割，以得到至少一个所述第一候选瑕疵区域；以及
确定每个所述第一候选瑕疵区域的最小外接矩形。
在一种可能的实现方式中，分割模块，进一步还被配置为：
分别对每个所述最小外接矩形内的第一候选瑕疵区域进行图像增强以得到每个图像增强后的所述最小外接矩形内的第一候选瑕疵区域；以及
对于每个所述最小外接矩形内的第一候选瑕疵区域：
根据第二预设阈值，分别对所述最小外接矩形内的第一候选瑕疵区域进行全局阈值分割以确定候选瑕疵覆盖区域，
遍历所述候选瑕疵覆盖区域中的每个候选瑕疵像素点，并获取每个候选瑕疵像素点的八邻域内的灰度差值，
根据所述灰度差值小于预设灰度差值的全部候选瑕疵像素点，确定所述第二候选瑕疵区域。
在一种可能的实现方式中，检测模块，进一步还被配置为：
获取所述极片图像对应的梯度图像以及每个所述第二候选瑕疵区域的轮廓图像；
确定所述轮廓图像中的像素点对应的第一梯度值；以及
对于每个所述第二候选瑕疵区域的轮廓图像：
确定所述梯度图像中与所述轮廓图像中的像素点相邻的像素点对应的第二梯度值，
响应于所述第一梯度值和所述第二梯度值在预设方向上的角度差小于或等于预设角度差阈值，则将所述第二候选瑕疵区域作为真实瑕疵。
在一种可能的实现方式中，所述几何信息至少包括所述第二候选瑕疵区域的长宽比和最小外接矩形覆盖率；所述检测模块，进一步还被配置为：
在将所述第二候选瑕疵区域作为真实瑕疵之后，将所述最小外接矩形覆盖率小于预设最小外接矩形覆盖率阈值的所述真实瑕疵的瑕疵检测结果确定为长条形缺陷，和/或，将所述最小外接矩形覆盖率大于或等于预设最小外接矩形覆盖率阈值，且长宽比大于预设长宽比阈值的所述真实瑕疵的瑕疵检测结果确定为类圆形缺陷。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的瑕疵检测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图11示出了本申请实施例所提供的一种电子设备的示例性结构示意图。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的瑕疵检测方法。图11示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1110、存储器1120、输入/输出接口1130、通信接口1140和总线1150。其中处理器1110、存储器1120、输入/输出接口1130和通信接口1140通过总线1150实现彼此之间在设备内部的通信连接。
处理器1110可以采用通用的CPU（Central Processing Unit，中央处理器）、微处理器、应用专用集成电路（Application Specific Integrated Circuit，ASIC）、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1120可以采用ROM（Read Only Memory，只读存储器）、RAM（Random AccessMemory，随机存取存储器）、静态存储设备，动态存储设备等形式实现。存储器1120可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1120中，并由处理器1110来调用执行。
输入/输出接口1130用于连接输入/输出模块，以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中（图中未示出），也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1140用于连接通信模块（图中未示出），以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信。
总线1150包括一通路，在设备的各个组件（例如处理器1110、存储器1120、输入/输出接口1130和通信接口1140）之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1110、存储器1120、输入/输出接口1130、通信接口1140以及总线1150，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的瑕疵检测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的瑕疵检测方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的瑕疵检测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例所述的瑕疵检测方法相对应的，本公开还提供了一种计算机程序产品，其包括计算机程序指令。在一些实施例中，所述计算机程序指令可以由计算机的一个或多个处理器执行以使得所述计算机和/或所述处理器执行所述的瑕疵检测方法。对应于所述的瑕疵检测方法各实施例中各步骤对应的执行主体，执行相应步骤的处理器可以是属于相应执行主体的。
上述实施例的计算机程序产品用于使所述计算机和/或所述处理器执行如上任一实施例所述的瑕疵检测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
可以理解的是，在使用本申请中各个实施例的技术方案之前，均会通过恰当的方式对所涉及的个人信息的类型、使用范围、使用场景等告知用户，并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确的提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主的选择是否向执行本申请技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定的实现方式，响应于接受到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本申请的实现方式构成限定，其他满足相关法律法规的方式也可应用于本申请的实现方式中。
应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，这些计算机程序指令通过计算机或其它可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置的产品。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的范围（包括权利要求）被限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本申请实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本申请实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本申请的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (12)
1.一种瑕疵检测方法，其特征在于，所述方法包括：
对极片进行扫描以得到极片图像；
对所述极片图像进行灰度投影以得到投影曲线；
根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；
根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值；
确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；
根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定；以及
根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
2.根据权利要求1所述的方法，其特征在于，对所述极片图像进行灰度投影以得到投影曲线，包括：
确定所述极片图像中每一列像素点的平均灰度值和每个像素点的灰度值；
根据每个像素点的灰度值和所述极片图像的宽度，确定所述极片图像在垂直方向上的投影散点集合；以及
根据所述投影散点集合拟合得到离散函数，并将所述离散函数作为所述投影曲线。
3.根据权利要求1所述的方法，其特征在于，根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域，包括：
确定所述投影曲线的一阶导数图像，并确定所述一阶导数图像的波形中绝对值最大的目标点；
根据预设补正值和所述目标点对应的一阶导数图像的最大函数值之间的比值，对所述一阶导数图像进行等比例缩放，以得到补正后的一阶导数图像；
根据补正后的一阶导数图像确定第三预设阈值；
确定补正后的一阶导数图像中绝对值大于所述第三预设阈值的区域，并将所述区域作为极片图像中的边缘区域；
将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定为多个边缘线段；以及
根据多个所述边缘线段的端点，围成待检测区域。
4.根据权利要求3所述的方法，其特征在于，将所述边缘区域中满足预设极性条件，且相对距离位于预设距离范围内的侧边对，确定多个边缘线段，包括：
确定所述边缘区域所对应的补正后的一阶导数图像中的拐点；
确定所述拐点所在列的平均灰度值和与所述拐点相邻的前一列的第一平均灰度值之间的第一平均灰度值之差的绝对值，以及所述平均灰度值和与所述拐点相邻的后一列的第二平均灰度值之间的第二平均灰度值之差的绝对值；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值小于所述第一平均灰度值，所述平均灰度值大于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第一预设极性条件的第一侧边；
响应于所述第一平均灰度值之差的绝对值和所述第二平均灰度值之差的绝对值均大于预设灰度值阈值，且所述平均灰度值大于所述第一平均灰度值，所述平均灰度值小于所述第二平均灰度值，则确定所述拐点所在列对应的侧边为满足第二预设极性条件的第二侧边；
确定所述第一侧边与所述第二侧边之间的相对距离是否位于预设距离范围内；以及
响应于所述第一侧边与所述第二侧边之间的相对距离位于预设距离范围内，则将所述第一侧边和所述第二侧边确定为所述边缘线段。
5.根据权利要求1所述的方法，其特征在于，根据所述待检测区域中与预设尺寸的卷积模板中对应位置的像素点的灰度值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点之前，还包括：
确定所述投影曲线中各个像素点对应的梯度值，将所述梯度值大于预设梯度值阈值对应的全部像素点剔除，并基于线性插值对被剔除的每个像素点分别进行补全；
确定所述投影曲线中与所述待检测区域所对应的全部像素点的方差是否大于第四预设阈值；所述第四预设阈值为预先设定的全部像素点的方差的临界值；以及
响应于所述投影曲线中与所述待检测区域所对应的全部像素点的方差大于所述第四预设阈值，获取所述待检测区域的背景估计图像，并将所述背景估计图像和所述待检测区域所对应的极片图像进行差分处理，以得到满足灰度一致性的待检测区域。
6.根据权利要求1所述的方法，其特征在于，确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域，包括：
将相邻的所述候选瑕疵像素点依次连接以得到候选瑕疵像素点区域；
对所述候选瑕疵像素点区域执行连通域分割，以得到至少一个所述第一候选瑕疵区域；以及
确定每个所述第一候选瑕疵区域的最小外接矩形。
7. 根据权利要求6所述的方法，其特征在于，确定每个所述第一候选瑕疵区域的最小外接矩形之后，还包括：
分别对每个所述最小外接矩形内的第一候选瑕疵区域进行图像增强以得到每个图像增强后的所述最小外接矩形内的第一候选瑕疵区域；以及
对于每个所述最小外接矩形内的第一候选瑕疵区域：
根据第二预设阈值，对所述最小外接矩形内的第一候选瑕疵区域进行全局阈值分割以确定候选瑕疵覆盖区域，
遍历所述候选瑕疵覆盖区域中的每个候选瑕疵像素点，并获取每个候选瑕疵像素点的八邻域内的灰度差值，
根据所述灰度差值小于预设灰度差值的全部候选瑕疵像素点，确定所述第二候选瑕疵区域。
8.根据权利要求1所述的方法，其特征在于，根据每个所述第二候选瑕疵区域的几何信息和灰度值信息分别确定每个所述第二候选瑕疵区域的瑕疵检测结果，包括：
获取所述极片图像对应的梯度图像以及每个所述第二候选瑕疵区域的轮廓图像；
确定所述轮廓图像中的像素点对应的第一梯度值；以及
对于每个所述第二候选瑕疵区域的轮廓图像：
确定所述梯度图像中与所述轮廓图像中的像素点相邻的像素点对应的第二梯度值，
响应于所述第一梯度值和所述第二梯度值在预设方向上的角度差小于或等于预设角度差阈值，则将所述第二候选瑕疵区域作为真实瑕疵。
9.根据权利要求8所述的方法，其特征在于，所述几何信息至少包括所述第二候选瑕疵区域的长宽比和最小外接矩形覆盖率，并且
所述方法还包括：在将所述第二候选瑕疵区域作为真实瑕疵之后，将所述最小外接矩形覆盖率小于预设最小外接矩形覆盖率阈值的所述真实瑕疵的瑕疵检测结果确定为长条形缺陷，和/或，将所述最小外接矩形覆盖率大于或等于预设最小外接矩形覆盖率阈值，且长宽比大于预设长宽比阈值的所述真实瑕疵的瑕疵检测结果确定为类圆形缺陷。
10.一种瑕疵检测装置，其特征在于，所述装置包括：
扫描模块，被配置为对极片进行扫描以得到极片图像；
投影模块，被配置为对所述极片图像进行灰度投影以得到投影曲线；
第一确定模块，被配置为根据所述投影曲线，确定由所述极片图像中满足预设极性条件和预设相对距离条件的边缘线段围成的待检测区域；
第二确定模块，被配置为根据所述待检测区域中与预设尺寸的卷积模板中每个对应位置的像素点的灰度值差值，确定所述灰度值差值大于第一预设阈值的多个候选瑕疵像素点；所述第一预设阈值为预先设定的所述灰度值差值的参考值；
第三确定模块，被配置为确定由多个所述候选瑕疵像素点连接得到的至少一个第一候选瑕疵区域；
分割模块，被配置为根据第二预设阈值，分别对每个所述第一候选瑕疵区域进行全局阈值分割以确定至少一个第二候选瑕疵区域；所述第二预设阈值根据预设的瑕疵判定标准确定；
检测模块，被配置为根据每个所述第二候选瑕疵区域的几何信息和灰度值信息，分别确定每个所述第二候选瑕疵区域的瑕疵检测结果。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至9任意一项所述的方法。
12.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使所述计算机实现权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410356249.XA CN117952986B (zh) | 2024-03-27 | 2024-03-27 | 瑕疵检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410356249.XA CN117952986B (zh) | 2024-03-27 | 2024-03-27 | 瑕疵检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117952986A true CN117952986A (zh) | 2024-04-30 |
| CN117952986B CN117952986B (zh) | 2024-05-28 |
Family
ID=90799851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410356249.XA Active CN117952986B (zh) | 2024-03-27 | 2024-03-27 | 瑕疵检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117952986B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110415237A (zh) * | 2019-07-31 | 2019-11-05 | Oppo广东移动通信有限公司 | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 |
| CN116030019A (zh) * | 2023-01-31 | 2023-04-28 | 重庆市科之拓视觉科技有限公司 | 一种镭射膜瑕疵检测方法、装置、系统及介质 |
| CN117501326A (zh) * | 2022-05-23 | 2024-02-02 | 京东方科技集团股份有限公司 | 图像处理方法及装置、电子设备、计算机可读存储介质 |
-
2024
- 2024-03-27 CN CN202410356249.XA patent/CN117952986B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110415237A (zh) * | 2019-07-31 | 2019-11-05 | Oppo广东移动通信有限公司 | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 |
| CN117501326A (zh) * | 2022-05-23 | 2024-02-02 | 京东方科技集团股份有限公司 | 图像处理方法及装置、电子设备、计算机可读存储介质 |
| CN116030019A (zh) * | 2023-01-31 | 2023-04-28 | 重庆市科之拓视觉科技有限公司 | 一种镭射膜瑕疵检测方法、装置、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117952986B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别系统及存储介质 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| CN110544231B (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
| CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
| CN115841493A (zh) | 一种基于图像处理的电缆检测方法 | |
| CN115272280A (zh) | 一种缺陷检测方法、装置、设备及存储介质 | |
| WO2023115409A1 (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
| Ma et al. | An automatic detection method of Mura defects for liquid crystal display | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN117011250A (zh) | 缺陷检测方法、装置及存储介质 | |
| TW201512649A (zh) | 偵測晶片影像瑕疵方法及其系統與電腦程式產品 | |
| CN117952986B (zh) | 瑕疵检测方法、装置、电子设备及存储介质 | |
| CN117557565A (zh) | 一种锂电池极片的检测方法及其装置 | |
| CN114937041B (zh) | 一种汽车发动机油路铜套缺陷检测方法及系统 | |
| CN114881878B (zh) | 深度图像增强方法、装置、设备及存储介质 | |
| CN116579997A (zh) | 一种晶圆裂痕检测方法、装置、电子设备及存储介质 | |
| CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
| CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 | |
| CN114937003A (zh) | 一种针对玻璃面板的多类型缺陷检测系统和方法 | |
| CN115797440A (zh) | 电芯定位方法、控制器和计算机可读存储介质 | |
| CN115311237A (zh) | 一种图像检测方法、装置及电子设备 | |
| CN115063614A (zh) | 一种图像匹配方法、装置及电子设备 | |
| CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
| Gao et al. | Using computer theory to detect PCB defects in an IoT environment | |
| Qi et al. | Research on printing defects inspection of solder paste images |
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 |