[發(fā)明專利]工業(yè)檢測中的工件表面小缺陷檢測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202310391809.0
• 申請(qǐng)日: 2023-04-13
• 公開（公告）號(hào): CN116109640B
• 公開（公告）日: 2023-08-18
• 發(fā)明（設(shè)計(jì)）人: 徐超;潘正頤;侯大為;童竹勍
• 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;G06V10/774;G06V10/40;G06V10/28
• 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: 呂小麗

本發(fā)明涉及工業(yè)檢測技術(shù)領(lǐng)域，提供一種工業(yè)檢測中的工件表面小缺陷檢測方法，首先利用缺陷搜索算法獲取模型最優(yōu)閾值thr_best，然后根據(jù)模型最優(yōu)閾值thr_best搜索出工件表面缺陷檢測模型的數(shù)據(jù)集潛在的缺陷位置，再根據(jù)低秩矩陣增強(qiáng)算法僅對(duì)潛在的缺陷位置圖像進(jìn)行低秩矩陣增強(qiáng)，采用增強(qiáng)后的圖像進(jìn)行檢測模型訓(xùn)練，不僅可以降低算法處理的時(shí)間，還可以有效提高模型對(duì)小缺陷的檢出率，滿足實(shí)際工業(yè)生產(chǎn)要求，且無需高分辨率的相機(jī)，可以有效控制成本。

技術(shù)領(lǐng)域

本發(fā)明涉及工業(yè)檢測技術(shù)領(lǐng)域，具體涉及一種工業(yè)檢測中的工件表面小缺陷檢測方法和一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

工業(yè)質(zhì)檢中，小缺陷（像素總數(shù)小于400的缺陷）屬于面積小但又比較嚴(yán)重的缺陷。目前，工業(yè)質(zhì)檢模型在提取圖像特征的過程中會(huì)對(duì)圖片進(jìn)行多次下采樣操作，小缺陷很容易在下采樣操作的過程中被過濾掉，導(dǎo)致模型最終檢測不出這些小缺陷。

相關(guān)技術(shù)中，為了提高小缺陷的檢出率，通過采用高分辨的相機(jī)進(jìn)行圖像采集，以提高小缺陷的所占像素的量，該方式存在以下問題：1、高分辨率的相機(jī)比一般的相機(jī)成本高出數(shù)倍，導(dǎo)致工業(yè)檢測的成本增加；2、高分辨的相機(jī)拍出的圖片的數(shù)據(jù)量很大，導(dǎo)致模型在計(jì)算時(shí)候的需要處理大量的數(shù)據(jù)，花費(fèi)大量的時(shí)間，影響檢測效率。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明的第一個(gè)目的在于提出工業(yè)檢測中的工件表面小缺陷檢測方法。

本發(fā)明的第二個(gè)目的在于提出一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明采用的技術(shù)方案如下：

本發(fā)明第一方面的實(shí)施例提出了一種工業(yè)檢測中的工件表面小缺陷檢測方法，包括以下步驟：步驟S1，采集工件圖像并標(biāo)注缺陷；步驟S2，將所述工件圖像與高斯濾波核進(jìn)行卷積；步驟S3，將卷積后的圖像采用2*2核進(jìn)行最大池化操作；步驟S4，重復(fù)步驟S2-S3兩次，以提取特征圖像；步驟S5，將所述特征圖像與四種方向的局部極值算子進(jìn)行卷積操作并獲取卷積結(jié)果，所述四種方向包括：+x方向、+y方向、-x方向和-y方向；步驟S6，對(duì)所述卷積結(jié)果進(jìn)行判斷，其中，如果所述卷積結(jié)果大于閾值thr，則將當(dāng)前位置像素值設(shè)置為1，如果所述卷積結(jié)果小于或者等于閾值thr，則將當(dāng)前位置像素值設(shè)置為0，以生成4張二值化圖；步驟S7，將所述4張二值化圖相同位置的像素值相加得到每個(gè)位置的像素值T，并所述每個(gè)位置的像素值T進(jìn)行判斷，其中，如果T=4，則將當(dāng)前位置的像素值設(shè)置1，如果T≠4，則將當(dāng)前位置的像素值設(shè)置0，以生成所述工件圖像對(duì)應(yīng)的第一Mask圖像M1；步驟S8，對(duì)所述第一Mask圖像M1求最大內(nèi)接矩形輪廓，將所述內(nèi)接矩形輪廓內(nèi)的像素置為1，內(nèi)接矩形輪廓外的像素置為0，得到第二Mask圖像M2；步驟S9，將所述工件圖像放大設(shè)定倍數(shù)生成第一放大圖像I2，將所述第二Mask圖像M2放大設(shè)定倍數(shù)生成第二放大圖像M3；步驟S10，將所述第二放大圖像M3的最大內(nèi)接矩形輪廓與所述第一放大圖像I2的每個(gè)GT框求IOU（Intersectionover?Union，交并比）值，對(duì)第一放大圖像I2的所有GT（Ground?Truth，缺陷標(biāo)注）框的IOU值求均值IOU_MEAN；步驟S11，將所述閾值thr從255到0遍歷一遍，重復(fù)執(zhí)行步驟S2~S10，將滿足IOU_MEAN0.5的閾值thr中的最大值，作為當(dāng)前工件圖像的最優(yōu)閾值；步驟S12，對(duì)所述步驟S1采集的所有工件圖像分別執(zhí)行步驟S2~S11，統(tǒng)計(jì)所有工件圖像的最優(yōu)閾值，將所述所有工件圖像的最優(yōu)閾值中的最小的值作為模型最優(yōu)閾值thr_best；步驟S13，獲取工件表面缺陷檢測模型的數(shù)據(jù)集，將所述數(shù)據(jù)集的圖像執(zhí)行步驟S2-S9，其中，在執(zhí)行步驟S2-S9時(shí)將步驟S5中的閾值設(shè)定為所述模型最優(yōu)閾值thr_best；步驟S14，獲取所述數(shù)據(jù)集的圖像中第二放大圖像M3像素值為1對(duì)應(yīng)在第一放大圖像I2位置的圖像塊Y，采用低秩矩陣增強(qiáng)算法對(duì)所述圖像塊Y進(jìn)行圖像增強(qiáng)；步驟S15，采用增強(qiáng)后的數(shù)據(jù)集進(jìn)行所述工件表面缺陷檢測模型的訓(xùn)練。

本發(fā)明上述提出的工業(yè)檢測中的工件表面小缺陷檢測方法還可以具有如下附加技術(shù)特征：