[發明專利]一種產品不良外觀檢測的方法、系統及存儲介質

在審

• 申請號: 202010523514.0
• 申請日: 2020-06-10
• 公開（公告）號: CN111861990A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 馮鏘健;肖益珊;溫振山
• 申請（專利權）人: 宜通世紀物聯網研究院（廣州）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 何文聰

1.一種產品不良外觀檢測的方法，其特征在于，包括以下步驟：

獲取產品外觀圖像，對所述產品外觀圖像進行灰度化，得到第一灰度圖像；

對所述第一灰度圖像進行二值化，得到第二灰度圖像；

從所述第二灰度圖像進行輪廓提取，并進行篩選得到輪廓組合；

獲取所述輪廓組合的最小外接矩形，根據所述最小外接矩形通過神經網絡完成所述產品外觀圖像的外觀特征分類，根據分類結果識別外觀不良產品。

2.根據權利要求1所述的一種產品不良外觀檢測的方法，其特征在于，所述對所述第一灰度圖像進行二值化，得到第二灰度圖像這一步驟，其具體包括：

選取一個像素點以及像素點周圍像素點作為第一像素區域，根據所述第一像素區域的像素均值確定所述第一像素區內的像素閾值；

所述像素點的像素值高于所述像素閾值，將像素值重置為0；或，所述像素點的像素值高于所述像素閾值，將像素值重置為255；

根據像素值重置后的像素點得到第二灰度圖像。

3.根據權利要求1所述的一種產品不良外觀檢測的方法，其特征在于，所述從所述第二灰度圖像進行輪廓提取，并進行篩選得到輪廓組合這一步驟，其具體包括：

在所述第二灰度圖像中選取目標區域，對所述目標區域內目標對象之間的空隙進行填補，得到連通的目標對象；所述目標對象包括印刷文字和商標圖像；

根據所述連通的目標對象進行輪廓提取，并根據預設的面積區間篩選得到所述輪廓組合。

4.根據權利要求1所述的一種產品不良外觀檢測的方法，其特征在于，所述獲取所述輪廓組合的最小外接矩形，根據所述最小外接矩形通過神經網絡完成所述產品外觀圖像的外觀特征分類這一步驟，其具體包括：

生成所述輪廓組合的最小外接矩形，并獲取所述最小外接矩形的特征參數，其中，特征參數包括：中心位置、尺寸大小、旋轉角度以及最小外接矩形中的點集；

根據所述最小外接矩形的特征參數旋轉所述輪廓組合得到第一子圖像；

根據所述最小外接矩形剪裁所述第一子圖像，得到第二子圖像；

根據所述第二子圖像，通過神經網絡完成所述產品外觀圖像的外觀特征分類。

5.根據權利要求4所述的一種產品不良外觀檢測的方法，其特征在于，所述獲取所述輪廓組合的最小外接矩形，根據所述最小外接矩形通過神經網絡完成所述產品外觀圖像的外觀特征分類這一步驟，其還包括：

對所述第二子圖像進行二值化，并對二值化后的第二子圖像進行圖像尺寸調整，得到第三子圖像。

6.根據權利要求1-5任一項所述的一種產品不良外觀檢測的方法，其特征在于，所述獲取所述輪廓組合的最小外接矩形，根據所述最小外接矩形通過神經網絡完成所述產品外觀圖像的外觀特征分類，根據分類結果識別外觀不良產品這一步驟中，通過神經網絡完成所述產品外觀圖像的外觀特征分類具體包括以下步驟：

篩選所述輪廓組合的圖像，得到訓練集以及測試集；所述訓練集包括：至少一個正樣本集、至少一個負樣本集以及忽略樣本集；

根據所述訓練集對神經網絡模型進行訓練；

通過訓練后的神經網絡模型，對所述測試集進行外觀特征分類。

7.根據權利要求1-5任一項所述的一種產品不良外觀檢測的方法，其特征在于，所述獲取所述輪廓組合的最小外接矩形，根據所述最小外接矩形通過神經網絡完成所述產品外觀圖像的外觀特征分類，根據分類結果識別外觀不良產品這一步驟中，根據分類結果識別外觀不良產品的具體步驟為：

將所述分類結果觸發產品測試，所述產品測試包括商標檢測以及數字面板檢測；

所述商標檢測和所述數字面板檢測中任一項存在不合格，確定為外觀不良產品。