TWI810945B - 瑕疵檢測方法、電腦設備及儲存介質 - Google Patents
瑕疵檢測方法、電腦設備及儲存介質 Download PDFInfo
- Publication number
- TWI810945B TWI810945B TW111119303A TW111119303A TWI810945B TW I810945 B TWI810945 B TW I810945B TW 111119303 A TW111119303 A TW 111119303A TW 111119303 A TW111119303 A TW 111119303A TW I810945 B TWI810945 B TW I810945B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- pixel
- absolute value
- value
- detected
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申請提供一種瑕疵檢測方法、電腦設備及儲存介質，其中，所述方法包括：獲取待檢測圖像，將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像，根據所述待檢測圖像及所述重構圖像生成差異圖像，對所述差異圖像進行聚類處理，得到特徵絕對值，根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像，對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果。利用本申請能夠提高瑕疵檢測的準確性。
Description
本發明涉及圖像處理領域，尤其涉及一種瑕疵檢測方法、電腦設備及儲存介質。
在現有的瑕疵檢測方式中，由於難以分辨背景誤差與真正的瑕疵，導致瑕疵檢測的準確性低下。因此，如何減少背景誤差對瑕疵檢測的消極影響以提高瑕疵檢測的準確性，成了亟需解決的問題。
鑒於以上內容，有必要提供一種瑕疵檢測方法、電腦設備及儲存介質，能夠減少背景誤差對瑕疵檢測的影響，從而提高瑕疵檢測的準確性。
一種瑕疵檢測方法，所述瑕疵檢測方法包括：獲取待檢測圖像；將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像；根據所述待檢測圖像及所述重構圖像生成差異圖像；對所述差異圖像進行聚類處理，得到特徵絕對值；根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像；對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果。
根據本申請可選實施例，在將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像之前，所述瑕疵檢測方法還包括：獲取無瑕疵圖像；構建學習器；基於所述無瑕疵圖像對所述學習器進行訓練，得到所述自編碼器。
根據本申請可選實施例，所述自編碼器包括編碼器和解碼器，所述將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像包括：對所述待檢測圖像進行編碼處理，得到特徵向量；基於所述編碼器對每個特徵向量進行運算處理，得到潛在向量；將所述潛在向量輸入到所述解碼器進行重構處理，得到所述重構圖像。
根據本申請可選實施例，所述根據所述待檢測圖像及所述重構圖像生成差異圖像包括：將所述待檢測圖像中每個像素點的像素值與所述重構圖像中對應的像素點的像素值進行相減，得到每個像素點對應的差值，對所述差值取絕對值，得到像素絕對值，將所述像素絕對值依據對應的像素點的位置進行排列，得到所述差異圖像。
根據本申請可選實施例，所述對所述差異圖像進行聚類處理，得到特徵絕對值包括：選取多個像素絕對值作為聚類中心；基於所述聚類中心對所述差異圖像，執行聚類處理流程，所述聚類處理流程包括：對每個聚類中心設置不同的類別標籤；計算所述差異圖像中每個像素絕對值到每個聚類中心的距離；根據所述距離對每個像素絕對值進行分類，得到每個像素絕對值對應的類別標籤；及根據每個像素絕對值與該像素絕對值對應的類別標籤的聚類中心計算損失值；重複所述聚類處理流程，直至所述損失值收斂，得到每個類別標籤對應的特徵絕對值；或者若所述損失值不收斂，計算每個類別標籤所對應的所有像素絕對值的平均值，並將每個聚類中心替換為該聚類中心的類別標籤所對應的平均值。
根據本申請可選實施例，所述損失值的計算公式為：
其中，J是指所述損失值，M是指多個所述像素絕對值的數量，x i 是指第i個像素絕對值，c i 是指第i個像素絕對值對應的類別標籤，
是指第i個像素絕對值對應的類別標籤的聚類中心。
根據本申請可選實施例，所述根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像包括：統計每個類別標籤所對應的特徵絕對值的數量，將取值最大的數量所對應的類別標籤確定為背景誤差，將所述差異圖像中所述背景誤差所對應的特徵絕對值確定為背景絕對值，將所述待檢測圖像中所述背景絕對值所對應的像素點的像素值調整為所述預設值，得到所述目標圖像。
根據本申請可選實施例，所述對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果包括：將所述目標圖像中除了所述預設值之外的特徵絕對值確定為目標絕對值，根據相鄰的多個所述目標絕對值生成連通區域，並統計所述連通區域中所有目標絕對值的總和，若所述總和大於預設閾值，確定所述待檢測圖像存在瑕疵，或者，若所述絕對值總和小於或者等於所述預設閾值，確定所述待檢測圖像不存在瑕疵。
本申請提供一種電腦設備，所述電腦設備包括：儲存器，儲存至少一個指令；及處理器，獲取所述儲存器中儲存的指令以實現所述的瑕疵檢測方法。
本申請提供一種電腦可讀儲存介質，所述電腦可讀儲存介質中儲存有至少一個指令，所述至少一個指令被電腦設備中的處理器執行以實現所述的瑕疵檢測方法。
由以上技術方案可以看出，本申請根據所述待檢測圖像及所述重構圖像生成差異圖像，由於所述重構圖像近似為無瑕疵圖像，當所述待檢測圖像存在瑕疵時，所述差異圖像中瑕疵對應的像素絕對值更大，因此能夠根據所述差異圖像中像素絕對值的差異大小初步篩選出瑕疵對應的像素絕對值，對所述差異圖像進行聚類處理，能夠實現對所述差異圖像中的像素絕對值進行分類，根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像，由於所述差異圖
像包含背景誤差，根據對所述像素絕對值的分類結果能夠準確的確定出所述差異圖像中背景誤差對應的像素絕對值，將所述背景誤差對應的像素絕對值調整為所述預設值，能夠過濾掉所述差異圖像的背景誤差對應的像素絕對值，消除背景誤差的消極影響，從而提高瑕疵檢測的準確性
1:電腦設備
2:攝像裝置
12:儲存器
13:處理器
S10~S15:步驟
為了更清楚地說明本申請實施例或習知技術中的技術方案，下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1是本申請瑕疵檢測方法的較佳實施例的應用環境圖。
圖2是本申請瑕疵檢測方法的較佳實施例的流程圖。
圖3是本申請實現瑕疵檢測方法的較佳實施例的電腦設備的結構示意圖
為了使本申請的目的、技術方案和優點更加清楚，下面結合附圖和具體實施例對本申請進行詳細描述。
如圖1所示，是本申請一種瑕疵檢測方法的較佳實施例的流程圖。根據不同的需求，該流程圖中各個步驟的順序可以根據實際要求進行調整，某些步驟可以省略。所述方法的執行主體為電腦設備，例如圖3所示的電腦設備1。
所述瑕疵檢測方法可應用於一個或者多個電腦設備1中。所述電腦設備1是一種能夠按照事先設定或儲存的指令，自動進行數值計算和/或資訊處理的設備，其硬體包括，但不限於：微處理器、專用積體電路(Application Specific Integrated Circuit，ASIC)、可程式設計閘陣列(Field-Programmable Gate Array，FPGA)、數位訊號處理器(Digital Signal Processor，DSP)、嵌入式
設備等。
所述電腦設備1可以是任何一種可與用戶進行人機交互的電子產品，例如，個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant，PDA)、遊戲機、互動式網路電視(Internet Protocol Television，IPTV)、智慧型穿戴裝置等。
所述電腦設備1還可以包括網路設備和/或使用者設備。其中，所述網路設備包括，但不限於單個網路服務器、多個網路服務器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路服務器構成的雲。
所述電腦設備1所處的網路包括但不限於網際網路、廣域網路、都會區網路、區域網路、虛擬私人網路(Virtual Private Network，VPN)等。
步驟S10，獲取待檢測圖像。
在本申請的至少一個實施例中，所述待檢測圖像是指需要進行檢測是否存在瑕疵的圖像。
在本申請的至少一個實施例中，所述電腦設備獲取待檢測圖像包括：所述電腦設備控制所述攝像裝置拍攝目標物件，得到所述待檢測圖像。
其中，所述目標物件可以絲織品、水杯、玩具等產品。
步驟S11，將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像。
在本申請的至少一個實施例中，所述預先訓練的自編碼器是指使用無瑕疵圖像訓練後生成的自編碼器。
在本申請的至少一個實施例中，所述重構圖像是指將所述待檢測圖像輸入到所述預先訓練的自編碼器中後所生成的圖像。
在本申請的至少一個實施例中，在將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像之前，所述瑕疵檢測方法還包括：
所述電腦設備獲取無瑕疵圖像，構建學習器，進一步地，所述電腦設備基於所述無瑕疵圖像對所述學習器進行訓練，得到所述預先訓練的自編碼器。其中，所述電腦設備基於卷積神經網路構建所述學習器。
所述無瑕疵圖像可以從預設的第一資料庫中獲取，所述無瑕疵圖像是指圖像中包含無瑕疵的物件的圖像，所述無瑕疵的物件可以是無瑕疵的絲織品、無瑕疵的水杯及無瑕疵的玩具等產品。
具體地，所述電腦設備基於所述無瑕疵圖像對所述學習器進行訓練，得到所述自編碼器包括：所述電腦設備計算所述學習器的損失值，基於所述無瑕疵圖像對所述學習器進行多次訓練，直至所述學習器的損失值下降到最低，得到所述自編碼器。其中，可以基於交叉熵損失函數計算所述學習器的損失值。
在本申請的至少一個實施例中，所述預先訓練的自編碼器包括編碼器和解碼器，所述電腦設備將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像包括：所述電腦設備對所述待檢測圖像進行編碼處理，得到特徵向量，進一步地，所述電腦設備基於所述編碼器對每個特徵向量進行運算處理，得到潛在向量，更進一步地，所述電腦設備將所述潛在向量輸入到所述解碼器進行重構處理，得到所述重構圖像。
其中，所述編碼器是指對所述待檢測圖像進行特徵提取的網路，所述編碼器包括卷積層和池化層，所述解碼器是指將提取到的特徵還原為所述重構圖像的網路，所述解碼器包括反池化層及反卷積層。所述編碼處理是指獲取所述待檢測圖像中每個像素點所對應的像素值。
具體地，所述電腦設備基於所述預先訓練的編碼器對每個特徵向量進行運算處理，得到潛在向量包括：所述電腦設備將所述特徵向量與所述卷積層中的權重進行相乘運算，得到相乘向量，進一步地，所述電腦設備將所述相乘向量與所述卷積層中
的偏置進行相加運算，得到相加向量，更進一步地，所述電腦設備基於所述池化層對所述相加向量進行池化操作，得到所述潛在向量。其中，所述電腦設備將所述潛在向量輸入到所述解碼器進行重構處理的過程與所述電腦設備基於所述編碼器對每個特徵向量進行運算處理的逆過程一致，本申請在此不作贅述。
在本實施例中，由於所述預先訓練的自編碼器是使用無瑕疵圖像訓練後生成的，所述預先訓練的自編碼器學習了所述無瑕疵圖像的特徵，因此所述重構圖像近似為無瑕疵圖像。
步驟S12，根據所述待檢測圖像及所述重構圖像生成差異圖像。
在本申請的至少一個實施例中，所述差異圖像是指由多個像素絕對值生成的圖像，所述像素絕對值是指所述待檢測圖像每個像素點的像素值與所述重構圖像中對應像素點的像素值的差值的絕對值。
在本申請的至少一個實施例中，所述電腦設備根據所述待檢測圖像及所述重構圖像生成差異圖像包括：所述電腦設備將所述待檢測圖像中每個像素點的像素值與所述重構圖像中對應的像素點的像素值進行相減，得到每個像素點對應的差值，進一步地，所述電腦設備對所述差值取絕對值，得到像素絕對值，所述電腦設備將所述像素絕對值依據對應的像素點的位置進行排列，得到所述差異圖像。
在本實施例中，由於所述重構圖像近似為無瑕疵圖像，將所述待檢測圖像中每個像素點的像素值與所述重構圖像中對應的像素點的像素值進行相減，得到差值，若所述待檢測圖像為瑕疵圖像，瑕疵像素點對應的差值會更大，背景像素點對應的差值變化較小，因此能夠初步區分出所述待檢測圖像中的背景像素點與瑕疵像素點。
步驟S13，對所述差異圖像進行聚類處理，得到特徵絕對值。
在本申請的至少一個實施例中，所述電腦設備對所述差異圖像進行聚類處理，得到特徵絕對值包括：所述電腦設備選取多個像素絕對值作為聚類中心，進一步地，所
述電腦設備基於所述聚類中心對所述差異圖像，執行聚類處理流程，所述聚類處理流程包括：所述電腦設備對每個聚類中心設置不同的類別標籤，計算所述差異圖像中每個像素絕對值到每個聚類中心的距離，進一步地，所述電腦設備根據所述距離對每個像素絕對值進行分類，得到每個像素絕對值對應的類別標籤，及所述電腦設備根據每個像素絕對值與該像素絕對值對應的類別標籤的聚類中心計算損失值，所述電腦設備重複所述聚類處理流程，直至所述損失值收斂，得到每個類別標籤對應的特徵絕對值，或者，若所述損失值不收斂，所述電腦設備計算每個類別標籤所對應的所有像素絕對值的平均值，並將每個聚類中心替換為該聚類中心的類別標籤所對應的平均值。
其中，所述損失值收斂是指所述損失值下降到最低或者所述損失值不再發生變化，所述特徵絕對值是指所述損失值收斂之後，每個類別標籤對應的所有像素絕對值。所述距離可以為歐氏距離。
在實施例中，所述類別標籤是指像素絕對值所屬的類別，所述類別標籤包括背景誤差及瑕疵，可以理解的是，所述聚類中心應該包含多個不同類別。例如：當所述待檢測圖像為瑕疵圖像及選取兩個像素絕對值作為聚類中心時，一個聚類中心為背景誤差對應的像素絕對值，另一個聚類中心為瑕疵對應的像素絕對值。在本實施例中，重複將每個聚類中心替換為該聚類中心的類別標籤所對應的平均值，直至所述損失值收斂，透過對像素絕對值進行多次分類，能夠準確定出每個像素絕對值對應的類別標籤。
具體地，所述損失值的計算公式為：
其中，J是指所述損失值，M是指多個所述像素絕對值的數量，x i 是指第i個像素絕對值，c i 是指第i個像素絕對值對應的類別標籤，
是指第i個像素絕對值對應的類別標籤的聚類中心。在本實施例中，透過對所述聚類中心的多次替換，直至損失值收斂，完成多次聚類過程，能夠更加準確地確定每個像素絕對值所屬的類別標籤。
步驟S14，根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像。
在本申請的至少一個實施例中，所述目標圖像是指將所述差異圖像中的背景誤差對應的像素絕對值調整為所述預設值之後所生成的圖像。
在本申請的至少一個實施例中，所述電腦設備根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像包括：
所述電腦設備統計每個類別標籤所對應的特徵絕對值的數量，進一步地，所述電腦設備將取值最大的數量所對應的類別標籤確定為背景誤差，更進一步地，所述電腦設備將所述差異圖像中所述背景誤差所對應的特徵絕對值確定為背景絕對值，更進一步地，所述電腦設備將所述待檢測圖像中所述背景絕對值所對應的像素點的像素值調整為所述預設值，得到所述目標圖像。
其中，所述預設值可以根據所述差異圖的像素絕對值的範圍進行設置。例如，所述差異圖像的像素絕對值範圍為0-255，所述預設值可以為0。
透過上述實施方式，由於實際應用中背景誤差會對應更多的像素絕對值，將最大的數量所對應的類別標籤確定為背景誤差，能夠快速地確定出背景誤差對應的所有像素絕對值，將所述背景誤差對應的特徵絕對值調整為所述預設值，能夠使得所述差異圖像中背景誤差對應的像素差值的差異更加明顯。
步驟S15，對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果。
在本申請的至少一個實施例中，所述瑕疵檢測結果包括所述待檢測圖像存在瑕疵，或者，所述待檢測圖像不存在瑕疵。
在本申請的至少一個實施例中，所述電腦設備將對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果包括：所述電腦設備將所述目標圖像中除了所述預設值之外的特徵絕對值確定為目標絕對值，進一步地，所述電腦設備根據相鄰的多個所述目標絕對值生成連通區域，並統計所述連通區域中所有目標絕對值的總和，若所述總和
大於預設閾值，確定所述待檢測圖像存在瑕疵，或者，若所述絕對值總和小於或者等於所述預設閾值，確定所述待檢測圖像不存在瑕疵。
其中，所述預設閾值可以自行設置，本申請對此不作限制。在本實施例中，由於所述目標圖像中還有可能包含背景誤差對應的像素絕對值，當所述待檢測圖像為瑕疵圖像時，根據多個相鄰的確定連通區域，能夠進一步篩選出可能是瑕疵的像素點所對應的像素絕對值，從而提高瑕疵檢測的準確性。
由以上技術方案可以看出，本申請根據所述待檢測圖像及所述重構圖像生成差異圖像，由於所述重構圖像近似為無瑕疵圖像，當所述待檢測圖像存在瑕疵時，所述差異圖像中瑕疵對應的像素絕對值更大，因此能夠根據所述差異圖像中像素絕對值的差異大小初步篩選出瑕疵對應的像素絕對值，對所述差異圖像進行聚類處理，能夠實現對所述差異圖像中的像素絕對值進行分類，根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像，由於所述差異圖像包含背景誤差，根據對所述像素絕對值的分類結果能夠準確的確定出所述差異圖像中背景誤差對應的像素絕對值，將所述背景誤差對應的像素絕對值調整為所述預設值，能夠過濾掉所述差異圖像的背景誤差對應的像素絕對值，消除背景誤差的消極影響，從而提高瑕疵檢測的準確性。
如圖3所示，是本申請實現瑕疵檢測方法的較佳實施例的電腦設備的結構示意圖。
在本申請的一個實施例中，所述電腦設備1包括，但不限於，儲存器12、處理器13，以及儲存在所述儲存器12中並可在所述處理器13上運行的電腦程式，例如瑕疵檢測程式。
本領域技術人員可以理解，所述示意圖僅僅是電腦設備1的示例，並不構成對電腦設備1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電腦設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
所述處理器13可以是中央處理單元(Central Processing Unit，CPU)，
還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等，所述處理器13是所述電腦設備1的運算核心和控制中心，利用各種介面和線路連接整個電腦設備1的各個部分，及獲取所述電腦設備1的作業系統以及安裝的各類應用程式、程式碼等。
所述處理器13獲取所述電腦設備1的作業系統以及安裝的各類應用程式。所述處理器13獲取所述應用程式以實現上述各個瑕疵檢測方法實施例中的步驟，例如圖2所示的步驟。
示例性的，所述電腦程式可以被分割成一個或多個模組/單元，所述一個或者多個模組/單元被儲存在所述儲存器12中，並由所述處理器13獲取，以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，該指令段用於描述所述電腦程式在所述電腦設備1中的獲取過程。
所述儲存器12可用於儲存所述電腦程式和/或模組，所述處理器13透過運行或獲取儲存在所述儲存器12內的電腦程式和/或模組，以及調用儲存在儲存器12內的資料，實現所述電腦設備1的各種功能。所述儲存器12可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等；儲存資料區可儲存根據電腦設備的使用所創建的資料等。此外，儲存器12可以包括非易失性儲存器，例如硬碟、儲存器、插接式硬碟，智慧儲存卡(Smart Media Card,SMC)，安全數位(Secure Digital,SD)卡，快閃儲存器卡(Flash Card)、至少一個磁碟儲存器件、快閃儲存器器件、或其他非易失性固態儲存器件。
所述儲存器12可以是電腦設備1的外部儲存器和/或內部儲存器。進一步地，所述儲存器12可以是具有實物形式的儲存器，如儲存器條、TF卡
(Trans-flash Card)等等。
所述電腦設備1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，也可以透過電腦程式來指令相關的硬體來完成，所述的電腦程式可儲存於一電腦可讀儲存介質中，該電腦程式在被處理器獲取時，可實現上述各個方法實施例的步驟。
其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可獲取檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦儲存器、唯讀儲存器(ROM，Read-Only Memory)。
結合圖2，所述電腦設備1中的所述儲存器12儲存多個指令以實現一種瑕疵檢測方法，所述處理器13可獲取所述多個指令從而實現：獲取待檢測圖像；將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像；根據所述待檢測圖像及所述重構圖像生成差異圖像；對所述差異圖像進行聚類處理，得到特徵絕對值；根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像；對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果。
具體地，所述處理器13對上述指令的具體實現方法可參考圖1對應實施例中相關步驟的描述，在此不贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的系統，裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分
或者全部模組來實現本實施例方案的目的。
另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。
此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。本申請中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一、第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
S10~S15:步驟
Claims (8)
- 一種瑕疵檢測方法，應用於電腦裝置，其中，所述瑕疵檢測方法包括：獲取待檢測圖像；將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像；根據所述待檢測圖像及所述重構圖像生成差異圖像，包括：將所述待檢測圖像中每個像素點的像素值與所述重構圖像中對應的像素點的像素值進行相減，得到每個像素點對應的差值，對所述差值取絕對值，得到像素絕對值，將所述像素絕對值依據對應的像素點的位置進行排列，得到所述差異圖像；對所述差異圖像進行聚類處理，得到所述差異圖像中每個類別標籤對應的像素點的特徵絕對值，包括：選取多個像素絕對值作為聚類中心，基於所述聚類中心對所述差異圖像，執行聚類處理流程，所述聚類處理流程包括：對每個聚類中心設置不同的類別標籤，所述類別標籤包括背景誤差以及瑕疵，計算所述差異圖像中每個像素絕對值到每個聚類中心的距離，根據所述距離對每個像素絕對值進行分類，得到每個像素絕對值對應的類別標籤，根據每個像素絕對值與該像素絕對值對應的類別標籤的聚類中心計算損失值，重複所述聚類處理流程，直至所述損失值收斂，得到所述差異圖像中每個類別標籤對應的像素點的特徵絕對值，或者，若所述損失值不收斂，計算每個類別標籤所對應的所有像素絕對值的平均值，並將每個聚類中心替換為該聚類中心的類別標籤所對應的平均值；根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像；對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果。
- 如請求項1所述的瑕疵檢測方法，其中，在將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像之前，所述瑕疵檢測方法還包括：獲取無瑕疵圖像； 構建學習器；基於所述無瑕疵圖像對所述學習器進行訓練，得到所述自編碼器。
- 如請求項1所述的瑕疵檢測方法，其中，所述自編碼器包括編碼器和解碼器，所述將所述待檢測圖像輸入到預先訓練的自編碼器中，得到重構圖像包括：對所述待檢測圖像進行編碼處理，得到特徵向量；基於所述編碼器對每個特徵向量進行運算處理，得到潛在向量；將所述潛在向量輸入到所述解碼器進行重構處理，得到所述重構圖像。
- 如請求項1所述的瑕疵檢測方法，其中，所述損失值的計算公式為：
是指第i個像素絕對值對應的類別標籤的聚類中心。
- 如請求項1所述的瑕疵檢測方法，其中，所述根據所述特徵絕對值、所述差異圖像及預設值生成目標圖像包括：統計每個類別標籤所對應的特徵絕對值的數量；將取值最大的數量所對應的類別標籤確定為背景誤差；將所述差異圖像中所述背景誤差所對應的特徵絕對值確定為背景絕對值；將所述待檢測圖像中所述背景絕對值所對應的像素點的像素值調整為所述預設值，得到所述目標圖像。
- 如請求項1所述的瑕疵檢測方法，其中，所述對所述目標圖像進行瑕疵檢測，得到所述待檢測圖像的瑕疵檢測結果包括：將所述目標圖像中除了所述預設值之外的特徵絕對值確定為目標絕對值；根據相鄰的多個所述目標絕對值生成連通區域； 統計所述連通區域中所有目標絕對值的總和；若所述總和大於預設閾值，確定所述待檢測圖像存在瑕疵。
- 一種電腦設備，其中，所述電腦設備包括：儲存器，儲存至少一個指令；及處理器，獲取所述儲存器中儲存的指令以實現如請求項1至6中任意一項所述的瑕疵檢測方法。
- 一種電腦可讀儲存介質，其中：所述電腦可讀儲存介質中儲存有至少一個指令，所述至少一個指令被電腦設備中的處理器執行以實現如請求項1至6中任意一項所述的瑕疵檢測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111119303A TWI810945B (zh) | 2022-05-24 | 2022-05-24 | 瑕疵檢測方法、電腦設備及儲存介質 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111119303A TWI810945B (zh) | 2022-05-24 | 2022-05-24 | 瑕疵檢測方法、電腦設備及儲存介質 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI810945B true TWI810945B (zh) | 2023-08-01 |
| TW202347171A TW202347171A (zh) | 2023-12-01 |
Family
ID=88585560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111119303A TWI810945B (zh) | 2022-05-24 | 2022-05-24 | 瑕疵檢測方法、電腦設備及儲存介質 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI810945B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109390245A (zh) * | 2017-08-11 | 2019-02-26 | 三星电子株式会社 | 晶片图分析器及分析晶片图的方法 |
-
2022
- 2022-05-24 TW TW111119303A patent/TWI810945B/zh active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109390245A (zh) * | 2017-08-11 | 2019-02-26 | 三星电子株式会社 | 晶片图分析器及分析晶片图的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202347171A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111583229B (zh) | 一种基于卷积神经网络路面故障检测方法 | |
| CN111598825B (zh) | 数据处理方法、瑕疵的检测方法、计算设备及存储介质 | |
| CN111160249A (zh) | 基于跨尺度特征融合的光学遥感图像多类目标检测方法 | |
| TWI667621B (zh) | 人臉辨識方法 | |
| CN110570390B (zh) | 一种图像检测方法及装置 | |
| US20230214981A1 (en) | Method for detecting appearance defects of a product and electronic device | |
| CN108475427A (zh) | 对象扫描能力的实时检测 | |
| TWI803243B (zh) | 圖像擴增方法、電腦設備及儲存介質 | |
| CN111626295A (zh) | 车牌检测模型的训练方法和装置 | |
| CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
| CN112070181B (zh) | 一种基于图像流的协同检测方法及装置、存储介质 | |
| TWI810945B (zh) | 瑕疵檢測方法、電腦設備及儲存介質 | |
| CN110910497A (zh) | 实现增强现实地图的方法和系统 | |
| CN117274132A (zh) | 多尺度自编码器生成方法、电子设备及存储介质 | |
| CN111709951B (zh) | 目标检测网络训练方法及系统及网络及装置及介质 | |
| CN117173075A (zh) | 医学图像检测方法及相关设备 | |
| CN114743048A (zh) | 检测异常秸秆图片的方法和检测装置 | |
| TWI792827B (zh) | 產品外觀缺陷檢測方法、電腦設備及儲存介質 | |
| TWI807854B (zh) | 瑕疵偵測方法、電腦設備及儲存介質 | |
| CN113240611A (zh) | 一种基于图片序列的异物检测方法 | |
| TWI840833B (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
| TWI771255B (zh) | 瑕疵檢測方法及裝置、電腦設備及儲存介質 | |
| TWI755250B (zh) | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 | |
| TW202349346A (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
| TWI844873B (zh) | 產品瑕疵檢測方法、電子設備及電腦可讀存儲媒體 |