电器设备的外观缺陷检测方法、装置、电子设备及介质与流程

1.本技术涉及图像检测技术领域，尤其涉及一种电器设备的外观缺陷检测方法、装置、电子设备及介质。


背景技术：

2.电器设备的外观缺陷检测中，检测电器设备外观c面是否缺少螺丝是一项重要的检测任务。整个外观c面的螺丝数量比较多，螺丝尺寸比较小(如直径约为4ms)，且大部分螺丝分散在面板两侧，螺丝在光线下的阴影与面板边缘黑色边框颜色较相似。因此，在位置定位上难度比较大，因需要识别的螺丝数量较多也增加了识别的难度。目前常用的算法是基于神经网络的目标检测(如yolo、faster rcnn)，其识别精度不高且检测效率慢，因而不能满足实际生产流水线的生产节拍要求(如算子运行速度要求《70ms/个)。


技术实现要素：

3.本技术提供了一种电器设备的外观缺陷检测方法、装置、电子设备及介质，可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
4.第一方面，本技术提供了一种电器设备的外观缺陷检测方法，该方法包括：
5.采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；
6.当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；
7.基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。
8.本技术实施例提供了一种电器设备的外观缺陷检测方法，采集电器设备的待检测面的外观图像，并确定外观图像的待检测区域；当在待检测区域中检测到目标对象时，确定目标对象的当前纹理特征的像素分布数据；基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，并确定类型的目标对象的数量和位置，从而得电器设备的外观缺陷检测结果。本技术通过预先制定的目标位置模板先确定出每个目标对象对应的待检测区域，可以缩短对目标对象进行位置定位的时间，从而提高检测效率；再通过缺陷检测基准数据对目标对象的像素分布数据进行分析确定出目标对象的类型，从而判断出目标对象是否存在缺陷，可以提高对目标对象的识别精确率，再进一步确定出存在缺陷的目标对象的数量和位置。因此，执行本技术的技术方案可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
9.进一步的，所述目标对象的类型包括第一类目标和/或第二类目标，所述第二类目标用于安装所述第一类目标，通过如下方式为所述电器设备的外观缺陷检测确定缺陷检测基准数据：
10.在预设光照下获取所述待检测面的标准图像，确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据；所述标准图像为所述待检测面中所述第二类目标上安装了所述第一类目标；
11.获取所述待检测面的缺陷图像，确定所述缺陷图像中所述第二类目标的缺陷纹理特征的像素分布数据；所述缺陷图像为所述待检测面中所述第二类目标上未安装所述第一类目标；
12.对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。
13.进一步的，所述确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据，包括：
14.确定所述标准图像中各个第一类目标的像素分布数据，所述标准图像中包括多个所述第一类目标；
15.确定所述各个第一类目标对应的光影权重；
16.将所述各个第一类目标的像素分布数据与对应的所述各个第一类目标是光影权重进行加权，将加权结果作为所述标准纹理特征的像素分布数据。
17.进一步的，所述像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，所述像素区间和所述像素区间的组数是基于预设像素分组间隔确定；所述对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据，包括：
18.计算所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据中对应各组所述像素数量的第一差值；
19.从所述第一差值中挑选出预设数量的第一目标差值，将所述第一目标差值以及所述第一目标差值对应的像素区间作为所述缺陷检测基准数据。
20.进一步的，所述基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，包括：
21.计算所述标准纹理特征的像素分布数据和所述当前纹理特征的像素分布数据中对应各组所述像素数量的第二差值；
22.从所述第二差值中挑选出所述预设数量的第二目标差值，将所述第二目标差值以及所述第二目标差值对应的像素区间作为所述目标对象的外观数据；
23.对所述缺陷检测基准数据和所述外观数据进行方差分析得到方差结果；
24.若所述方差结果大于预设阈值，则确定所述目标对象的类型为所述第一类目标；
25.若所述方差结果不大于所述预设阈值，则确定所述目标对象的类型为所述第二类目标。
26.进一步的，所述确定所述外观图像的待检测区域，包括：
27.基于目标位置模板预测所述外观图像中存在目标对象的第一区域，所述目标位置模板是对所述待检测面中的目标对象进行标注而确定的，所述目标位置模板是根据所述电器设备的属性信息从模板库中获取到的；
28.对所述第一区域的左右两侧分别扩充预设宽度得到所述待检测区域。
29.进一步的，所述在所述待检测区域中检测到目标对象，包括：
30.确定在所述待检测区域中是否能检测到预设形状的轮廓特征，所述预设形状的轮廓特征是基于所述第一类目标和所述第二类目标的形状确定；
31.若能检测到，则确定在所述待检测区域中检测到了所述目标对象。
32.进一步的，所述确定所述目标对象的当前纹理特征的像素分布数据，包括：
33.确定所述目标对象的像素信息；
34.对所述像素信息进行直方图分析得到所述目标对象的当前纹理特征的像素分布数据。
35.第二方面，本技术提供了一种电器设备的外观缺陷检测装置，该装置包括：
36.区域确定模块，用于采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；
37.数据确定模块，用于当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；
38.缺陷检测模块，用于基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。
39.第三方面，本技术提供了一种电子设备，该电子设备包括：
40.至少一个处理器；以及
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术任意实施例所述的电器设备的外观缺陷检测方法。
43.第四方面，本技术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存储有计算机指令，所述计算机指令用于使处理器执行时实现本技术任意实施例所述的电器设备的外观缺陷检测方法。
44.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与电器设备的外观缺陷检测装置的处理器封装在一起，也可以与电器设备的外观缺陷检测装置的处理器单独封装，本技术对此不做限定。
45.本技术中第二方面、第三方面以及第四方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面以及第四方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
46.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其他特征将通过以下的说明书而变得容易理解。
附图说明
47.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
48.图1为本技术实施例提供的一种电器设备的外观缺陷检测方法的第一流程示意
图；
49.图2为本技术实施例提供的一种电器设备的外观缺陷检测方法的第二流程示意图；
50.图3为本技术实施例提供的一种电器设备的外观缺陷检测装置的结构示意图；
51.图4是用来实现本技术实施例的一种电器设备的外观缺陷检测方法的电子设备的框图。
具体实施方式
52.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
53.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
54.在介绍本技术实施例之前，先对本技术的应用场景进行简单介绍。本技术是应用在电器设备生产的某一个环节中，在电器设备的产品流水线上完成对其外观缺陷的检测。由于产品流水线的生产节拍要求，执行本技术外观缺陷检测方法的处理器的算子运行速度要求《70ms/个。外观c面中的目标对象的类型包括第一类目标和/或第二类目标，本技术以第一类目标为螺丝，第二类目标为需安装螺丝的孔洞为例介绍本技术的外观缺陷检测方法。本技术是检测电器设备外观c面是否缺少螺丝，也就是，孔洞中是否未安装螺丝。当孔洞中未安装螺丝时，表明电器设备外观c面存在外观缺陷，还需要确定未安装螺丝的数量及位置。
55.图1为本技术实施例提供的一种电器设备的外观缺陷检测方法的第一流程示意图，本实施例可适用于对电器设备的外观进行检测，以确定电器设备外观c面是否缺少螺丝的情况。本实施例提供的一种电器设备的外观缺陷检测方法可以由本技术实施例提供的电器设备的外观缺陷检测装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。优选的，本技术实施例中的电子设备可以是外观检测设备。
56.参见图1，本实施例的方法包括但不限于如下步骤：
57.s110、采集电器设备的待检测面的外观图像，并确定外观图像的待检测区域。
58.在本技术实施例中，电器设备可以是洗衣机、冰箱或烤箱等家用电器，还可以是电脑主机、游戏机等电子产品，在此不作限定。待检测面是指电器设备外观的侧面，即外观c面，在本技术中是指需要安装螺丝的面。通过图像采集设备对待检测面(即外观c面)的图像进行采集得到待检测面的外观图像，图像采集设备可以是工业摄像机、相机或手机等。
59.进一步的，确定外观图像的待检测区域，包括：基于目标位置模板在外观图像上标注出可能存在目标对象(即螺丝和/或孔洞)的大致位置，从而实现预测外观图像中存在目标对象的第一区域；由于电器设备在产品流水线上的固定位置会有偏差以及在采集外观图像时也会有位置移动，因而需要对第一区域的左右两侧分别扩充预设宽度(如50mm)得到待检测区域。
60.其中，目标位置模板是对待检测面中的目标对象进行标注而确定的。目标位置模板是根据电器设备的属性信息(如产品型号)从模板库中获取到的。预先为每个产品型号的电器设备制定一个目标位置模板，从而标注出外观c面上螺丝和/或孔洞的位置，用于在检测外观缺陷时可以快速预测出存在螺丝和/或孔洞的待检测区域。这样设置的好处在于，当外观c面的螺丝数量比较多且螺丝尺寸比较小时，通过预先制定的目标位置模板先大致确定出每个目标对象对应的待检测区域，可以缩短对目标对象进行位置定位的时间，从而提高检测效率。
61.s120、当在待检测区域中检测到目标对象时，确定目标对象的当前纹理特征的像素分布数据。
62.在本技术实施例中，经上述步骤所确定的待检测区域只是对目标对象的大致范围进行预测，本步骤还需要进一步确定待检测区域中是否存在目标对象。
63.具体的，在待检测区域中检测目标对象，包括：通过blob轮廓特征算法在待检测区域中检测预设形状的轮廓特征；若能检测到预设形状的轮廓特征，则确定在待检测区域中检测到了目标对象，即螺丝或未安装螺丝的孔洞。其中，预设形状的轮廓特征是基于第一类目标(即螺丝)和第二类目标(即孔洞)的形状确定。当螺丝和孔洞的形状一致时，如都是圆形，则上述的预设形状也就是圆形。当螺丝和孔洞的形状不一致时，如一个是圆形，另一个是四边形，则选择圆形和四边形中外轮廓最大的作为上述的预设形状。在实际应用中，本技术目标对象的位置定位准确，能准确的找到目标对象的位置(即待检测区域)，因而检测识别准确率可以达到100％。
64.进一步的，确定目标对象的当前纹理特征的像素分布数据，包括：确定目标对象中每一个像素块的像素值，从而得到目标对象的像素信息；对像素信息进行直方图分析得到目标对象的当前纹理特征的像素分布数据。其中，像素分布数据是目标对象的像素信息的分布情况。像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，像素区间和像素区间的组数是基于预设像素分组间隔确定。
65.示例性的，确定出目标对象的像素信息之后，先将0-255个像素值按照预设像素分组间隔(如10个像素单位)分为26组像素区间，如像素区间为0-9、10-19、20-29、
……
、240-249、250-255。再统计出目标对象中各个像素块的像素值位于上述26组像素区间的像素数量。
66.s130、基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得电器设备的外观缺陷检测结果。
67.其中，缺陷检测基准数据是预先为电器设备的外观缺陷检测确定的缺陷检测基准数据。缺陷检测基准数据的具体确定过程将在下述实施例中进行介绍。目标对象的类型包括第一类目标和/或第二类目标，第二类目标用于安装第一类目标。示例性的，第一类目标可以是螺丝，第二类目标可以是需安装螺丝的孔洞。
68.具体的，基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，包括：首先，获取待检测面的标准图像，确定标准图像中第一类目标(即螺丝)的标准纹理特征的像素分布数据；标准图像为待检测面中第二类目标(即孔洞)上全部安装了第一类目标(即螺丝)，标准纹理特征是指标准图像中螺丝表面的纹理信息；其中，标准纹理特征的像素分布数据与上述步骤s120确定当前纹理特征的像素分布数据的方法过程一样，在此不做赘述。同样，可以得到标准纹理特征对应的26组像素区间的像素数量。
69.然后，再与当前纹理特征对应的26组像素区间的像素数量一一做差，从而计算出标准纹理特征的像素分布数据和当前纹理特征的像素分布数据中对应各组像素数量的第二差值，即26组像素数量的第二差值；从第二差值中挑选出数值最大的预设数量(如20个)的第二目标差值。再将第二目标差值以及第二目标差值对应的像素区间作为目标对象的外观数据。
70.最后，对缺陷检测基准数据(20个数据)和外观数据(20个数据)进行方差分析得到方差结果；若方差结果大于预设阈值，则确定目标对象的类型为第一类目标(即螺丝)；若方差结果不大于预设阈值，则确定目标对象的类型为第二类目标(即孔洞)。
71.可选的，外观图像中包括了多个目标对象。
72.在本技术实施例中，确定出外观图像中各个目标对象的类型，当检测到的是螺丝，表明该位置的孔洞上安装了螺丝，也就是该位置不存在外观缺陷；当检测到的是孔洞，表明此位置的孔洞上未安装螺丝，也就是该位置存在外观缺陷。再记录孔洞上安装了螺丝的数量、孔洞上未安装螺丝的数量，以及在孔洞上未安装螺丝时记录该孔洞的位置。最后将目标对象的类型、位置以及该类型的数量作为电器设备的外观缺陷检测结果。
73.可选的，可以在孔洞上安装了螺丝时记录螺丝的位置，还可以将待检测区域作为孔洞或螺丝的位置。
74.在实际应用中，本技术电器设备的外观缺陷检测方法的运行速度快，假如外观c面需检测的螺丝数量为30个左右，单个算子运行时间40ms内，整个外观c面所有螺丝检测总时长不超过1.4秒，能够满足实际生产流水线的生产节拍要求。此外，对硬件要求尽量低，可以降低硬件成本，只基于cpu运算，无需配置gpu。
75.本实施例提供的技术方案，采集电器设备的待检测面的外观图像，并确定外观图像的待检测区域；当在待检测区域中检测到目标对象时，确定目标对象的当前纹理特征的像素分布数据；基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，并确定类型的目标对象的数量和位置，从而得电器设备的外观缺陷检测结果。申请通过预先制定的目标位置模板先确定出每个目标对象对应的待检测区域，可以缩短对目标对象进行位置定位的时间，从而提高检测效率；再通过缺陷检测基准数据对目标对象的像素分布数据进行分析确定出目标对象的类型，从而判断出目标对象是否存在缺陷，可以提高对目标对象的识别精确率，再进一步确定出存在缺陷的目标对象的数量和位置。因此，执行本技术的技术方案可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
76.下面进一步描述本发明实施例提供的电器设备的外观缺陷检测方法，图2为本技术实施例提供的一种电器设备的外观缺陷检测方法的第二流程示意图。本技术实施例是在上述实施例的基础上进行优化，具体优化为：本实施例对为电器设备的外观缺陷检测确定
缺陷检测基准数据的过程进行详细的解释说明。
77.参见图2，本实施例的方法包括但不限于如下步骤：
78.s210、在预设光照下获取待检测面的标准图像，确定标准图像中第一类目标的标准纹理特征的像素分布数据。
79.其中，目标对象的类型包括第一类目标和/或第二类目标，第二类目标用于安装第一类目标。示例性的，第一类目标可以是螺丝，第二类目标可以是需安装螺丝的孔洞。标准图像为待检测面中第二类目标(即孔洞)上全部安装了第一类目标(即螺丝)。标准纹理特征是指标准图像中螺丝表面的纹理信息。
80.在本技术实施例中，假如当螺丝外表面颜色与电器设备外观c面的背景颜色相同，又因两者都属于反光表面，增加了检测电器设备外观c面是否缺少螺丝的难度。为了解决这一问题，本技术先通过图像采集设备获取同一光照角度下待检测面的标准图像，再确定出标准图像中每个第一类目标的像素分布数据，再结合每个第一类目标在上述光照角度下的光影权重确定第一类目标的标准纹理特征的像素分布数据。可选的，标准图像中包括多个第一类目标。
81.具体的：确定标准图像中第一类目标的标准纹理特征的像素分布数据的具体过程为：确定标准图像中各个第一类目标的像素分布数据；确定各个第一类目标在上述光照角度下对应的光影权重；将各个第一类目标的像素分布数据与对应的各个第一类目标是光影权重进行加权，将加权结果作为标准纹理特征的像素分布数据。
82.其中，标准纹理特征的像素分布数据与上述实施例中步骤s120确定当前纹理特征的像素分布数据的方法过程一样，在此不做赘述。同样，可以得到标准纹理特征对应的26组像素区间的像素数量。
83.目前螺丝检测的方法中，在光照下有阴影和没有阴影的螺丝特征会完全不同，这就导致不能用一个标准的特征来检测螺丝。为了解决这一问题，本技术不关注螺丝有无阴影，只关注螺丝的标准纹理特征，因而本技术可以适应各种光照条件，识别稳定性高。此标准纹理特征可以是通过同一光照角度下不同光影权重的螺丝所确定的。可选的，标准纹理特征可以是螺丝表面的十字花纹。
84.s220、获取待检测面的缺陷图像，确定缺陷图像中第二类目标的缺陷纹理特征的像素分布数据。
85.在本技术实施例中，缺陷图像为待检测面中第二类目标(即孔洞)上未安装第一类目标(即螺丝)。缺陷纹理特征是指缺陷图像中孔洞表面的纹理信息。其中，缺陷纹理特征的像素分布数据与上述实施例中步骤s120确定当前纹理特征的像素分布数据的方法过程一样，在此不做赘述。同样，可以得到缺陷纹理特征对应的26组像素区间的像素数量。
86.当孔洞在光照下会反光或会产生阴影时，缺陷纹理特征可以是通过同一光照角度下不同光影权重的孔洞所确定的；当孔洞在光照下不会反光或不会产生阴影时，还可以是缺陷图像中任意一个孔洞的缺陷纹理特征。
87.s230、对标准纹理特征的像素分布数据和缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。
88.在本技术实施例中，像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，像素区间和像素区间的组数是基于预设像素分组间隔确定。首先，将标准
纹理特征对应的26组像素区间的像素数量和缺陷纹理特征对应的26组像素区间的像素数量一一做差，从而计算出标准纹理特征的像素分布数据和缺陷纹理特征的像素分布数据中对应各组像素数量的第一差值，即26组像素数量的第一差值；然后，从第一差值中挑选出预设数量(如20个)的第一目标差值。最后，将第一目标差值以及第一目标差值对应的像素区间作为缺陷检测基准数据。
89.本实施例提供的技术方案，通过在预设光照下获取待检测面的标准图像，确定标准图像中第一类目标的标准纹理特征的像素分布数据；获取待检测面的缺陷图像，确定缺陷图像中第二类目标的缺陷纹理特征的像素分布数据；对标准纹理特征的像素分布数据和缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。本技术先确定出为电器设备的外观缺陷检测确定缺陷检测基准数据，再通过缺陷检测基准数据对目标对象的像素分布数据进行分析确定出目标对象的类型，从而判断出目标对象是否存在缺陷，可以提高对目标对象的识别精确率，再进一步确定出存在缺陷的目标对象的数量和位置。因此，执行本技术的技术方案可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
90.图3为本技术实施例提供的一种电器设备的外观缺陷检测装置的结构示意图，如图3所示，该装置300可以包括：
91.区域确定模块310，用于采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；
92.数据确定模块320，用于当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；
93.缺陷检测模块330，用于基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。
94.可选的，所述目标对象的类型包括第一类目标和/或第二类目标，所述第二类目标用于安装所述第一类目标。
95.进一步的，上述电器设备的外观缺陷检测装置，还可以包括：基准数据确定模块；
96.所述基准数据确定模块，用于在预设光照下获取所述待检测面的标准图像，确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据；所述标准图像为所述待检测面中所述第二类目标上安装了所述第一类目标；获取所述待检测面的缺陷图像，确定所述缺陷图像中所述第二类目标的缺陷纹理特征的像素分布数据；所述缺陷图像为所述待检测面中所述第二类目标上未安装所述第一类目标；对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。
97.进一步的，上述基准数据确定模块，还可以具体用于：确定所述标准图像中各个第一类目标的像素分布数据，所述标准图像中包括多个所述第一类目标；确定所述各个第一类目标对应的光影权重；将所述各个第一类目标的像素分布数据与对应的所述各个第一类目标是光影权重进行加权，将加权结果作为所述标准纹理特征的像素分布数据。
98.可选的，所述像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，所述像素区间和所述像素区间的组数是基于预设像素分组间隔确定；
99.进一步的，上述基准数据确定模块，还可以具体用于：计算所述标准纹理特征的像
素分布数据和所述缺陷纹理特征的像素分布数据中对应各组所述像素数量的第一差值；从所述第一差值中挑选出预设数量的第一目标差值，将所述第一目标差值以及所述第一目标差值对应的像素区间作为所述缺陷检测基准数据。
100.进一步的，上述缺陷检测模块330，可以具体用于：计算所述标准纹理特征的像素分布数据和所述当前纹理特征的像素分布数据中对应各组所述像素数量的第二差值；从所述第二差值中挑选出所述预设数量的第二目标差值，将所述第二目标差值以及所述第二目标差值对应的像素区间作为所述目标对象的外观数据；对所述缺陷检测基准数据和所述外观数据进行方差分析得到方差结果；若所述方差结果大于预设阈值，则确定所述目标对象的类型为所述第一类目标；若所述方差结果不大于所述预设阈值，则确定所述目标对象的类型为所述第二类目标。
101.进一步的，上述区域确定模块310，可以具体用于：基于目标位置模板预测所述外观图像中存在目标对象的第一区域，所述目标位置模板是对所述待检测面中的目标对象进行标注而确定的，所述目标位置模板是根据所述电器设备的属性信息从模板库中获取到的；对所述第一区域的左右两侧分别扩充预设宽度得到所述待检测区域。
102.进一步的，上述数据确定模块320，可以具体用于：确定在所述待检测区域中是否能检测到预设形状的轮廓特征，所述预设形状的轮廓特征是基于所述第一类目标和所述第二类目标的形状确定；若能检测到，则确定在所述待检测区域中检测到了所述目标对象。
103.进一步的，上述数据确定模块320，可以具体用于：确定所述目标对象的像素信息；对所述像素信息进行直方图分析得到所述目标对象的当前纹理特征的像素分布数据。
104.本实施例提供的电器设备的外观缺陷检测装置可适用于上述任意实施例提供的电器设备的外观缺陷检测方法，具备相应的功能和有益效果。
105.图4是用来实现本技术实施例的一种显示方法的电子设备的框图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
106.如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
107.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
108.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能
(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电器设备的外观缺陷检测方法。
109.在一些实施例中，电器设备的外观缺陷检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的电器设备的外观缺陷检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电器设备的外观缺陷检测方法。
110.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
111.用于实施本技术的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
112.在本技术的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
113.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
114.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
115.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
116.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本技术中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术的技术方案所期望的结果，本文在此不进行限制。
117.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。