[發明專利]一種多目標分割缺陷檢測方法、裝置及其計算機存儲介質在審
| 申請號： | 202110636963.0 | 申請日： | 2021-06-08 |
| 公開（公告）號： | CN113487538A | 公開（公告）日： | 2021-10-08 |
| 發明（設計）人： | 林宇;黃旭東 | 申請（專利權）人： | 維庫（廈門）信息技術有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/62;G06K9/32;G06K9/34;G06K9/46;G06N3/04 |
| 代理公司： | 福州市鼓樓區京華專利事務所(普通合伙) 35212 | 代理人： | 宋連梅 |
| 地址： | 361000 福建省廈門*** | 國省代碼： | 福建;35 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 多目標 分割 缺陷 檢測 方法 裝置 及其 計算機 存儲 介質 | ||
1.一種多目標分割缺陷檢測方法，其特征在于：包括如下步驟：
步驟1：對圖像數據進行灰度通道提取，得到灰度圖像數據；
步驟2：對灰度圖像數據進行上下左右區域的邊緣檢測并擬合直線；
步驟3：根據上下左右直線提取內部區域，得到待檢測ROI矩形框；
步驟4：將待檢測ROI矩形框的圖像數據裁剪出來并分別使用高通濾波算法和低通濾波算法處理得到高通濾波圖和低通濾波圖；
步驟5：對所述高通濾波圖和所述低通濾波圖進行求差，取絕對值，并與設定閾值進行比較，大于閾值則為255，小于閾值則為0，得到一張與ROI矩形框同分辨率的二值圖像數據；
步驟6：對二值圖像數據進行Blob分析得到Blob特征：外包ROI矩形框；
步驟7：識別步驟：對每個Blob的外包ROI矩形框內的局部圖像數據裁剪出來并用訓練器得到的目標分割模型文件進行識別，得到每個Blob內的精確目標類別和輪廓；
其中，所述訓練器，包括如下步驟：
步驟a：對圖像數據進行灰度通道提取，得到灰度圖像數據；
步驟b：對灰度圖像數據進行上下左右區域的邊緣檢測并擬合直線；
步驟c：根據上下左右直線提取內部區域，得到待檢測ROI矩形框；
步驟d：將待檢測ROI矩形框的圖像數據裁剪出來并分別使用高通濾波算法和低通濾波算法處理得到高通濾波圖和低通濾波圖；
步驟e：對所述高通濾波圖和所述低通濾波圖進行求差，取絕對值，并與設定閾值進行比較，大于閾值則為255，小于閾值則為0，得到一張與ROI矩形框同分辨率的二值圖像數據；
步驟f：對二值圖像數據進行Blob分析得到Blob特征：外包ROI矩形框；
步驟g：訓練步驟：對每個Blob的外包ROI矩形框內的局部圖像數據裁剪出來并用實時目標分割訓練模型進行訓練得到目標分割模型文件；
步驟8：對每個輪廓進行幾何特征數學計算，得到目標的坐標序列、面積、周長和目標類別，進而對產品圖像進行缺陷識別。
2.如權利要求1所述的一種多目標分割缺陷檢測方法，其特征在于：所述步驟2和所述步驟b中的邊緣檢測，是采用Canny算法；所述步驟2和所述步驟b中的擬合直線算法，是采用HUBER損失算法。
3.如權利要求1所述的一種多目標分割缺陷檢測方法，其特征在于：所述步驟4和所述步驟d中的高通濾波算法，是采用拉普拉斯算法；所述步驟4和所述步驟d中的低通濾波算法，是采用核為32的高斯模糊算法。
4.如權利要求1所述的一種多目標分割缺陷檢測方法，其特征在于：所述步驟g中的所述實時目標分割訓練模型，是將DeeplabV3plus中骨干網絡替換為mobilenetV3，得到輕量級目標分割網絡。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于維庫（廈門）信息技術有限公司，未經維庫（廈門）信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110636963.0/1.html，轉載請聲明來源鉆瓜專利網。
