[發明專利]細劃痕檢測方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202010965641.6
• 申請日: 2020-09-15
• 公開（公告）號: CN112258448A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 徐明亮;姜曉恒;李振宇;衛慧;張晨民;閆杰;李丙濤;馮春
• 申請（專利權）人: 鄭州金惠計算機系統工程有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T5/50;G06T7/136
• 代理公司: 鄭州銘晟知識產權代理事務所(特殊普通合伙) 41134
• 代理人: 張萬利

本發明涉及工業制品表面劃痕檢測的技術領域，具體涉及一種細劃痕檢測方法、裝置、電子設備及計算機可讀存儲介質，該細劃痕檢測方法包括以下步驟：通過拉普拉斯算子與待測圖像卷積，銳化增強待測圖像得到待測增強圖像；對待測增強圖像進行均值濾波得到背景圖像，并將待測增強圖像與背景圖像進行差值處理得到含有多個劃痕線段的待測劃痕圖像；根據直線提取算法對待測劃痕圖像中的多個劃痕線段進行提取，得到由多個劃痕線段的起始點坐標組成的劃痕線段集；利用劃痕線段集中的多個起始點坐標生成一幅二值圖，對二值圖進行霍夫變換得到劃痕線段。利用本發明實施例對較大尺寸的圖像進行劃痕檢測能夠準確的檢測出細微劃痕，避免漏檢的情況出現。

技術領域

本發明涉及工業制品表面劃痕檢測的技術領域，具體涉及一種細劃痕檢測方法、裝置、 電子設備及計算機可讀存儲介質。

背景技術

工業化水平是衡量一個國家綜合實力的重要指標，“中國制造”得以在世界各地產生 巨大影響，其背后是我國工業化水平的日益增強。在實際的工業制造中，工業零件在制造 完成的時候，往往需要去檢測其完整性和功能性，這對于工業產品的質量尤為重要，例如 工業零件表面的擦花、細紋、斑點、劃痕等，一點細微的缺陷，都可能會在系統中造成很大的破壞性影響。特別是在精密儀器領域，對缺陷的容忍度更低。另一方面，隨著全球化 的趨勢與我們在工業制造領域的實力提高，我國的許多工業產品都銷售到國外，而在生產 時往往是大批量生產，大批量運輸，一旦出現質量問題，首先是對企業形象造成損傷，其 次召回有缺陷產品也耗費大量代價。

傳統工業缺陷檢測均在工廠暗室中由人工完成，每個工廠檢測相關人員占全員比甚至 超過60％，人工成本消耗巨大。同時，工人長期在暗室中的高對比亮光暴露下，眼睛會受 到損傷，檢測有效性及穩定性也會受到影響。

深度學習在計算機視覺主流領域已經應用的很成熟，但是在工業領域(某些領域應用 也很成熟)，比如產品表面缺陷檢測，尚未發揮深度學習的強大能力，近幾年表面缺陷的 相關研究主要是集中在各種借鑒主流神經網絡框架，從CNN到YOLO，SSD，甚至到語義分割的FCN相關論文，通過一些技術，對框架進行輕量化，對缺陷進行分類或檢測。不過， 逃不出一個基礎：一定要有缺陷樣本可供訓練，而且數量不能太少。也有一些方法通過記 住稀疏編碼、字典學習、稀疏自編碼等對表面缺陷進行檢測，這類方法很有局限性，主要 針對那些有周期性背景紋理的圖像，比如絲織品，印刷品等。

發明人在實踐中，發現上述現有技術存在以下缺陷：

在工件表面的細微劃痕很難被檢測到，該類細微劃痕的其寬度一般為1-3個像素，容 易出現漏檢的情況。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種細劃痕檢測方法、裝置、電子設 備及計算機可讀存儲介質，所采用的技術方案具體如下：

第一方面，一種細劃痕檢測方法，該細劃痕檢測方法包括以下步驟：

通過拉普拉斯算子與待測圖像卷積，銳化增強所述待測圖像得到待測增強圖像；

對所述待測增強圖像進行均值濾波得到背景圖像，并將所述待測增強圖像與所述背景 圖像進行差值處理得到含有多個劃痕線段的待測劃痕圖像；

根據直線提取算法對所述待測劃痕圖像中的所述多個劃痕線段進行提取，得到由所述 多個劃痕線段的起始點坐標組成的劃痕線段集；

利用所述劃痕線段集中的多個所述起始點坐標生成一幅二值圖，對所述二值圖進行霍 夫變換得到劃痕線段。

進一步，所述對所述二值圖進行霍夫變換的步驟如下：

將所述劃痕線段集中的多個所述起始點坐標映射到霍夫空間；

在所述霍夫空間中，相交于同一點的曲線數量大于預設數量的起始點坐標，則判斷檢 測到一條劃痕線段；