[發(fā)明專利]缺陷檢測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110688644.4
• 申請(qǐng)日: 2021-06-22
• 公開（公告）號(hào): CN113139963A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 邱增帥;潘正頤;侯大為;王罡
• 申請(qǐng)（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G01N21/88
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 陳紅橋

1.一種缺陷檢測(cè)方法，其特征在于，包括以下步驟：

采集訓(xùn)練樣本圖像；

對(duì)所述訓(xùn)練樣本圖像進(jìn)行灰度化和去均值化處理，以獲取目標(biāo)樣本集，并對(duì)所述目標(biāo)樣本集進(jìn)行標(biāo)注以將所述目標(biāo)樣本集劃分為良好樣本集和缺陷樣本集；

根據(jù)所述良好樣本集和所述缺陷樣本集采用對(duì)角白化變換的方式構(gòu)造空域?yàn)V波器；

采用所述空域?yàn)V波器對(duì)所述良好樣本集和所述缺陷樣本集進(jìn)行處理，以獲取相應(yīng)的目標(biāo)特征向量；

根據(jù)所述目標(biāo)特征向量對(duì)SVM算法進(jìn)行訓(xùn)練，以獲取SVM分類模型；

根據(jù)所述SVM分類模型對(duì)待檢測(cè)產(chǎn)品進(jìn)行缺陷檢測(cè)。

2.根據(jù)權(quán)利要求1所述的缺陷檢測(cè)方法，其特征在于，根據(jù)所述良好樣本集和所述缺陷樣本集采用對(duì)角白化變換的方式構(gòu)造空域?yàn)V波器，包括：

對(duì)所述良好樣本集和所述缺陷樣本集分別進(jìn)行歸一化處理，以獲取第一矩陣和第二矩陣；

計(jì)算所述第一矩陣的第一協(xié)方差矩陣，并計(jì)算所述第二矩陣的第二協(xié)方差矩陣；

對(duì)所述第一協(xié)方差矩陣和所述第二協(xié)方差矩陣進(jìn)行求和運(yùn)算以獲取第三矩陣；

根據(jù)所述第三矩陣進(jìn)行白化變換，以獲取第四矩陣；

根據(jù)所述第四矩陣分別對(duì)所述第一協(xié)方差矩陣和所述第二協(xié)方差矩陣進(jìn)行處理，以獲取第五矩陣和第六矩陣；

對(duì)所述第五矩陣和所述第六矩陣進(jìn)行同時(shí)對(duì)角化變換，以獲取第一特征向量；

根據(jù)所述第一特征向量和所述第四矩陣計(jì)算第一投影矩陣，并通過所述第一投影矩陣構(gòu)建所述空域?yàn)V波器。

3.根據(jù)權(quán)利要求2所述的缺陷檢測(cè)方法，其特征在于，采用所述空域?yàn)V波器對(duì)所述良好樣本集和所述缺陷樣本集進(jìn)行處理，以獲取相應(yīng)的所述目標(biāo)特征向量，包括：

采用空域?yàn)V波器對(duì)所述良好樣本集和所述缺陷樣本集進(jìn)行濾波，以獲取相應(yīng)的數(shù)據(jù)矩陣；

根據(jù)所述數(shù)據(jù)矩陣獲取所述目標(biāo)特征向量。

4.根據(jù)權(quán)利要求1所述的缺陷檢測(cè)方法，其特征在于，根據(jù)所述良好樣本集和所述缺陷樣本集采用對(duì)角白化變換的方式構(gòu)造空域?yàn)V波器，包括：

采用離散小波變換的方式分別對(duì)所述良好樣本集和所述缺陷樣本集進(jìn)行N層小波分解，其中，N為正整數(shù)；

將所述良好樣本集進(jìn)行N層小波分解的小波系數(shù)按照分解的順序組成第一特征矩陣，并將所述缺陷樣本集進(jìn)行N層小波分解的小波系數(shù)按照分解的順序組成第二特征矩陣；

計(jì)算所述第一特征矩陣的第三協(xié)方差矩陣，并計(jì)算所述第二特征矩陣的第四協(xié)方差矩陣；

對(duì)所述第三協(xié)方差矩陣和所述第四協(xié)方差矩陣進(jìn)行求和運(yùn)算以獲取第七矩陣；

根據(jù)所述第七矩陣進(jìn)行白化變換，以獲取第八矩陣；

根據(jù)所述第八矩陣分別對(duì)所述第三協(xié)方差矩陣和所述第四協(xié)方差矩陣進(jìn)行處理，以獲取第九矩陣和第十矩陣；

對(duì)所述第九矩陣和所述第十矩陣進(jìn)行同時(shí)對(duì)角化變換，以獲取第二特征向量；

根據(jù)所述第二特征向量和所述第八矩陣計(jì)算第二投影矩陣，并通過所述第二投影矩陣構(gòu)建所述空域?yàn)V波器。

5.一種缺陷檢測(cè)裝置，其特征在于，包括以下步驟：

圖像采集模塊，所述圖像采集模塊用于采集訓(xùn)練樣本圖像；

第一獲取模塊，所述第一獲取模塊用于對(duì)所述訓(xùn)練樣本圖像進(jìn)行灰度化和去均值化處理，以獲取目標(biāo)樣本集，并對(duì)所述目標(biāo)樣本集進(jìn)行標(biāo)注以將所述目標(biāo)樣本集劃分為良好樣本集和缺陷樣本集；

構(gòu)造模塊，所述構(gòu)造模塊用于根據(jù)所述良好樣本集和所述缺陷樣本集采用對(duì)角白化變換的方式構(gòu)造空域?yàn)V波器；

第二獲取模塊，所述第二獲取模塊用于采用所述空域?yàn)V波器對(duì)所述良好樣本集和所述缺陷樣本集進(jìn)行處理，以獲取相應(yīng)的目標(biāo)特征向量；

第三獲取模塊，所述第三獲取模塊用于根據(jù)所述目標(biāo)特征向量對(duì)SVM算法進(jìn)行訓(xùn)練，以獲取SVM分類模型；

缺陷檢測(cè)模塊，所述缺陷檢測(cè)模塊用于根據(jù)所述SVM分類模型對(duì)待檢測(cè)產(chǎn)品進(jìn)行缺陷檢測(cè)。

6.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的缺陷檢測(cè)方法。

7.一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的缺陷檢測(cè)方法。