[發明專利]檢測缺陷的方法、裝置和電子設備

在審

• 申請號: 202110350671.0
• 申請日: 2021-03-31
• 公開（公告）號: CN115147338A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 王紹昶;王亞蕊;曹旸
• 申請（專利權）人: 歐姆龍（中國）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/136;G06T7/62;G01N21/88
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王曦;陶海萍

本申請實施例提供一種檢測缺陷的裝置，方法和電子設備，該裝置包括：獲得單元，其獲得待檢測對象的圖像作為原始圖像；第一判斷單元，其根據深度學習模型，生成與所述原始圖像對應的修復圖像，所述修復圖像是沒有缺陷的圖像，所述深度學習模型是基于對沒有缺陷的待檢測對象的訓練圖像訓練得到，將所述原始圖像和所述修復圖像進行比較，判斷所述原始圖像中是否存在缺陷，得到第一判斷結果；第二判斷單元，其使用基于機器視覺的判斷模型，判斷所述原始圖像中是否存在缺陷，得到第二判斷結果；以及第三判斷單元，其根據所述第一判斷結果和所述第二判斷結果判斷所述原始圖像中是否存在缺陷。

技術領域

本申請涉及圖像處理技術領域。

背景技術

在現有技術中，為了對目標表面的缺陷進行檢測，通常對目標表面進行攝像以得到目標表面的圖像，對圖像的內容進行識別，從而判斷目標表面是否存在缺陷。

對圖像的內容進行識別的方式可以是：基于深度學習模型進行識別，或者，使用基于機器視覺的判斷模型進行識別。

應該注意，上面對技術背景的介紹只是為了方便對本申請的技術方案進行清楚、完整的說明，并方便本領域技術人員的理解而闡述的。不能僅僅因為這些方案在本申請的背景技術部分進行了闡述而認為上述技術方案為本領域技術人員所公知。

發明內容

本申請的發明人發現，現有的對圖像的內容進行識別的方式存在一些局限性，例如：如果圖像中具有突起或凹陷，圖像中就容易出現由于突起或凹陷而產生的陰影，這種情況下，使用基于機器視覺的判斷模型將容易產生誤判，例如，將陰影判斷為圖像中缺陷的部分，或者，難以準確識別出圖像中缺陷的部分；基于深度學習模型進行識別，也受限于訓練樣本的數量和種類，而存在無法識別出全部缺陷的問題。

為了克服上述局限性，本申請實施例提供一種檢測缺陷的方法、裝置和電子設備，其中，在該檢測缺陷的方法中，將基于深度學習模型的檢測方法和基于機器視覺的判斷模型的檢測方法進行結合，因此，能夠提高缺陷檢測的準確性，降低漏檢率。

根據本申請實施例的第一方面，提供一種檢測缺陷的裝置，該裝置包括：

獲得單元，其獲得待檢測對象的圖像作為原始圖像；

第一判斷單元，其根據深度學習模型，生成與所述原始圖像對應的修復圖像，所述修復圖像是沒有缺陷的圖像，所述深度學習模型是基于對沒有缺陷的待檢測對象的訓練圖像訓練得到，將所述原始圖像和所述修復圖像進行比較，判斷所述原始圖像中是否存在缺陷，得到第一判斷結果；

第二判斷單元，其使用基于機器視覺的判斷模型，判斷所述原始圖像中是否存在缺陷，得到第二判斷結果；以及

第三判斷單元，其根據所述第一判斷結果和所述第二判斷結果判斷所述原始圖像中是否存在缺陷。

根據本申請實施例的第二方面，提供一種檢測缺陷的方法，該方法包括：

獲得待檢測對象的圖像作為原始圖像；

根據深度學習模型，生成與所述原始圖像對應的修復圖像，所述修復圖像是沒有缺陷的圖像，所述深度學習模型是基于對沒有缺陷的待檢測對象的訓練圖像訓練得到；

將所述原始圖像和所述修復圖像進行比較，判斷所述原始圖像中是否存在缺陷，得到第一判斷結果；

使用基于機器視覺的判斷模型，判斷所述原始圖像中是否存在缺陷，得到第二判斷結果；以及

根據所述第一判斷結果和所述第二判斷結果判斷所述原始圖像中是否存在缺陷。

根據本實施例的第三方面，提供一種電子設備，其包括本申請實施例的第一方面的檢測缺陷的裝置。

本申請的有益效果在于：將基于深度學習模型的檢測方法和基于機器視覺的判斷模型的檢測方法進行結合，因此，能夠提高缺陷檢測的準確性，降低漏檢率。