缺陷检测方法、装置、计算机设备和存储介质与流程

本技术涉及计算机视觉和图像处理，特别是涉及一种缺陷检测方法、装置、计算机设备和存储介质。

背景技术：

1、随着计算机视觉和图像处理技术的发展，自动对生产线上的产品或工件进行缺陷检测越来越普遍，例如：对生产的五金件的表面缺陷进行自动检测，以检测出五金件表面的杂质、凹陷或划痕等缺陷。

2、传统方法中，一般是直接对待检测对象的单张图像进行缺陷检测。然而，由于光照情况或拍摄情况等问题的影响，导致难以将待检测对象的缺陷区域的形态稳定且准确地呈现在图像中，因此容易造成缺陷检测不准确。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高缺陷检测的准确性的缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种缺陷检测方法。所述方法包括：

3、获取针对待检测对象采集的对象图；所述待检测对象放置在旋转平台上；

4、对所述对象图中的轮廓区域进行缺陷识别；

5、若识别到疑似存在缺陷的轮廓区域，则控制所述旋转平台旋转，并获取在旋转后的角度下针对所述待检测对象重新采集的对象图；

6、根据所述旋转平台的旋转角度，确定疑似存在缺陷的轮廓区域的位置在所述重新采集的对象图中相应的映射位置；

7、对所述重新采集的对象图中位于所述映射位置处的轮廓区域进行缺陷识别。

8、第二方面，本技术还提供了一种缺陷检测装置。所述装置包括：

9、图像获取模块，用于获取针对待检测对象采集的对象图；所述待检测对象放置在旋转平台上；

10、缺陷识别模块，用于对所述对象图中的轮廓区域进行缺陷识别；

11、控制模块，用于若识别到疑似存在缺陷的轮廓区域，则控制所述旋转平台旋转，并获取在旋转后的角度下针对所述待检测对象重新采集的对象图；

12、映射模块，用于根据所述旋转平台的旋转角度，确定疑似存在缺陷的轮廓区域的位置在所述重新采集的对象图中相应的映射位置；

13、所述缺陷识别模块还用于对所述重新采集的对象图中位于所述映射位置处的轮廓区域进行缺陷识别。

14、在其中一个实施例中，所述缺陷识别模块还用于若所述映射位置处的轮廓区域的缺陷识别结果为疑似存在缺陷，则通知所述控制模块返回执行所述控制所述旋转平台旋转，并获取在旋转后的角度下针对所述待检测对象重新采集的对象图的步骤及后续步骤；

15、所述缺陷识别模块还用于若所述映射位置处的轮廓区域的缺陷识别结果为存在缺陷或不存在缺陷，则将所述映射位置处的轮廓区域的缺陷识别结果确定为所述轮廓区域对应的最终的缺陷识别结果。

16、在其中一个实施例中，所述缺陷识别模块还用于确定所述对象图中的轮廓区域的多维度的特征；针对每个维度，根据所述维度对应的隶属度函数和所述维度的特征，确定所述轮廓区域的缺陷概率；根据在各维度下分别确定的所述轮廓区域的缺陷概率，得到所述轮廓区域的缺陷识别结果。

17、在其中一个实施例中，所述多维度的特征包括图像内容差异特征信息、区域大小特征信息、位置特征信息和形状特征信息中的至少一种；所述缺陷识别模块还用于执行以下至少一种：

18、根据图像内容差异维度对应的第一隶属度函数和所述图像内容差异特征信息，确定所述轮廓区域的缺陷概率；

19、根据区域大小维度对应的第二隶属度函数和所述区域大小特征信息，确定所述轮廓区域的缺陷概率；

20、根据位置维度对应的第三隶属度函数和所述位置特征信息，确定所述轮廓区域的缺陷概率；

21、根据形状维度对应的第四隶属度函数和所述形状特征信息，确定所述轮廓区域的缺陷概率。

22、在其中一个实施例中，在所述多维度的特征包括所述图像内容差异特征信息的情况下，所述图像内容差异特征信息包括梯度差；所述梯度差，是指所述轮廓区域中的像素值的最大梯度值与最小梯度值之间的差值；

23、所述缺陷识别模块还用于若所述梯度差小于第一预设阈值，则确定所述轮廓区域的缺陷概率为0；若所述梯度差大于第二预设阈值，则确定所述轮廓区域的缺陷概率为1；若所述梯度差大于或等于所述第一预设阈值、且小于或等于所述第二预设阈值，则根据所述梯度差和预设的线性变换公式，确定所述轮廓区域的缺陷概率。

24、在其中一个实施例中，在所述多维度的特征包括所述区域大小特征信息的情况下，所述区域大小特征信息包括所述轮廓区域内的像素数；

25、所述缺陷识别模块还用于若所述像素数小于第三预设阈值，则确定所述轮廓区域的缺陷概率为0；若所述像素数大于第四预设阈值，则确定所述轮廓区域的缺陷概率为1；若所述像素数大于或等于所述第三预设阈值、且小于或等于所述第四预设阈值，则根据所述像素数和预设的指数变换公式，确定所述轮廓区域的缺陷概率。

26、在其中一个实施例中，所述待检测对象的形状包括圆形；在所述多维度的特征包括所述位置特征信息的情况下，所述位置特征信息包括所述轮廓区域的中心点到所述待检测对象的圆心的距离；

27、所述缺陷识别模块还用于若所述距离与所述待检测对象的半径之间的差值小于第五预设阈值，则确定所述轮廓区域的缺陷概率为0；若所述距离与所述待检测对象的半径之间的差值大于或等于第五预设阈值，则确定所述轮廓区域的缺陷概率为1。

28、在其中一个实施例中，在所述多维度的特征包括所述形状特征信息的情况下，所述形状特征信息包括所述轮廓区域的外接矩形的长宽比；

29、所述缺陷识别模块还用于若所述长宽比大于第六预设阈值，则确定所述轮廓区域的缺陷概率为0；若所述长宽比小于或等于第六预设阈值，则确定所述轮廓区域的缺陷概率为1。

30、在其中一个实施例中，所述缺陷识别模块还用于根据在各维度下分别确定的所述轮廓区域的缺陷概率，确定所述轮廓区域存在缺陷的最终概率；若所述最终概率大于第一概率阈值，则确定所述轮廓区域的缺陷识别结果为存在缺陷；若所述最终概率小于第二概率阈值，则确定所述轮廓区域的缺陷识别结果为不存在缺陷；若所述最终概率大于或等于所述第二概率阈值、且小于或等于所述第一概率阈值，则确定所述轮廓区域的缺陷识别结果为疑似存在缺陷。

31、在其中一个实施例中，所述旋转平台上方设置有图像采集设备；所述图像采集设备用于对所述旋转平台上的待检测对象进行图像采集；所述旋转平台进行的旋转是中心轴旋转。

32、在其中一个实施例中，所述旋转平台上方设置有弧顶光源；所述弧顶光源用于对所述旋转平台上的待检测对象进行照明；所述图像采集设备用于透过所述弧顶光源的中心开孔对所述待检测对象进行图像采集。

33、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本技术各实施例所述的缺陷检测方法中的步骤。

34、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本技术各实施例所述的缺陷检测方法中的步骤。

35、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使得所述处理器执行本技术各实施例所述的缺陷检测方法中的步骤。

36、上述缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品，获取针对放置在旋转平台上的待检测对象采集的对象图，对对象图中的轮廓区域进行缺陷识别，若识别到疑似存在缺陷的轮廓区域，则控制旋转平台旋转，并获取在旋转后的角度下针对待检测对象重新采集的对象图，根据旋转平台的旋转角度，确定疑似存在缺陷的轮廓区域的位置在重新采集的对象图中相应的映射位置，对重新采集的对象图中位于映射位置处的轮廓区域进行缺陷识别，这样能够在通过旋转平台将待检测对象进行旋转之后，在旋转后的角度下重新采集对象图，对疑似存在缺陷的轮廓区域所处位置处在重新采集的对象图中的轮廓区域进行缺陷识别，能够结合多个角度下的针对疑似存在缺陷的轮廓区域的缺陷识别情况，这样能够避免由于光照情况或拍摄角度等问题导致待检测对象的缺陷区域在不同角度下呈现的在图像中的形态不稳定不准确的情况，提高缺陷检测的准确性。