工件边缘区域的检测方法、设备及存储介质与流程

本申请涉及图像识别，尤其涉及一种工件边缘区域的检测方法、设备及存储介质。

背景技术：

1、在工业的生产制造中，由于生产设备的精度或人为操作的原因，导致生产出来的工件边缘上存在着凹陷或毛刺是无法避免的。而工件边缘是工件生产的一个重要特征，直接影响到工件的质量，为了保证工件的生产质量，往往需要对工件进行边缘检测，以确保工件的品质。相关技术中，通过卷积神经网络类的边缘检测算法检测待测工件的图像中的边缘，虽然通过该算法能够检测出边缘，但是，工件边缘的检测结果不准确性，这些边缘中夹杂着一些不需要的边缘，会导致缺陷的误判，使得工件的品质无法得到保证。

技术实现思路

1、本申请实施例通过提供一种工件边缘区域的检测方法、设备及存储介质，旨在提高工件边缘检测结果的准确性，进而提高工件缺陷的检测精度。

2、本申请实施例提供了一种工件边缘区域的检测方法，所述工件边缘区域的检测方法，包括：

3、获取待测工件对应的待检测图像，并使用边缘检测模型识别所述待检测图像中的第一边缘区域；

4、提取所述第一边缘区域中置信度大于预设置信度的像素点，并根据所述置信度大于预设置信度的像素点生成第二边缘区域；

5、对所述第二边缘区域进行形态学处理，得到第三边缘区域；

6、提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域。

7、可选地，所述提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域的步骤包括：

8、遍历所述第三边缘区域中的每个像素点，并获取每个像素点对应的邻域像素点；

9、基于每个像素点对应的邻域像素点，确定所述第三边缘区域中标记为需要删除的像素点；

10、将所述第三边缘区域中所有标记为需要删除的像素点更新为背景像素点以提取所述第三边缘区域对应的骨架线条，得到所述目标边缘区域。

11、可选地，所述基于每个像素点对应的邻域像素点，确定所述第三边缘区域中标记为需要删除的像素点包括：

12、针对每一像素点，确定该像素点对应的所有邻域像素点中，属于前景像素点的数量；

13、基于该像素点沿顺时针方向的所有邻域像素点，确定像素值由第一像素值变化为第二像素值的变化次数；

14、确定该像素点对应的第一指定邻域像素点集合，并确定所述第一指定邻域像素点集合中各个像素点的像素值的第一乘积；

15、确定该像素点对应的第二指定邻域像素点集合，并确定所述第二指定邻域像素点集合中各个像素点的像素值的第二乘积；

16、当所述前景像素点的数量位于预设区间，所述变化次数等于第一预设值，且所述第一乘积和所述第二乘积均等于第二预设值时，将该像素点标记为需要删除的像素点。

17、可选地，所述使用边缘检测模型识别所述待检测图像中的第一边缘区域的步骤包括：

18、采用所述边缘检测模型的编码器提取所述待检测图像对应的不同尺寸的第一图像特征；

19、将各个所述不同尺寸的第一图像特征经过所述边缘检测模型的解码器进行反卷积操作，以将各个不同尺寸的第一图像特征分别转换为与所述待检测图像具有相同尺寸的第二图像特征；

20、根据所述第二图像特征得到所述第一边缘区域。

21、可选地，所述获取待测工件对应的待检测图像，并使用边缘检测模型识别所述待检测图像中的第一边缘区域的步骤之前，还包括：

22、获取检测图像样本集；

23、对所述检测图像样本集中每一检测图像进行边缘区域的标注处理，得到每一检测图像标注后的边缘区域；

24、对每一检测图像标注后的边缘区域分别进行膨胀处理，得到每一检测图像膨胀处理后的边缘区域；

25、组合每一检测图像膨胀处理后的边缘区域，得到目标检测图像样本集；

26、采用所述目标检测图像样本集对初始边缘检测模型的损失函数进行训练，得到所述边缘检测模型。

27、可选地，所述对每一检测图像标注后的边缘区域分别进行膨胀处理，得到每一检测图像对应的膨胀处理后的边缘区域的步骤包括：

28、确定每一检测图像标注后的边缘区域对应的特征；

29、根据所述特征确定每一检测图像对应的结构元素的形状和尺寸；

30、基于所述结构元素的形状和尺寸对每一检测图像标注后的边缘区域分别进行膨胀处理，得到每一检测图像对应的膨胀处理后的边缘区域。

31、可选地，所述对所述第二边缘区域进行形态学处理，得到第三边缘区域的步骤包括：

32、对所述第二边缘区域进行膨胀处理，得到膨胀处理后的第二边缘区域；

33、对所述膨胀处理后的第二边缘区域进行腐蚀处理，得到所述第三边缘区域。

34、可选地，所述提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域的步骤之后，还包括：

35、基于所述目标边缘区域，确定所述待测工件对应的缺陷；

36、确定所述缺陷对应的严重程度；

37、根据所述缺陷对应的严重程度确定所述缺陷对应的解决策略，其中，不同严重程度对应的解决策略不同。

38、此外，为实现上述目的，本申请还提供了一种工件边缘区域的检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的工件边缘区域的检测程序，所述工件边缘区域的检测程序被所述处理器执行时实现上述的工件边缘区域的检测方法的步骤。

39、此外，为实现上述目的，本申请还提供了一种计算机可读存储介质，其上存储有工件边缘区域的检测程序，所述工件边缘区域的检测程序被处理器执行时实现上述的工件边缘区域的检测方法的步骤。

40、本申请实施例中提供的一种工件边缘区域的检测方法、设备及存储介质的技术方案，本申请在通过边缘检测模型识别得到待检测图像中的第一边缘区域之后，将第一边缘区域中置信度低于预设置信度的像素点过滤掉，只保留置信度大于预设置信度的像素点，得到第二边缘区域，这样可以排除一些不确定的或置信度低的像素点。接着对第二边缘区域进行形态学处理，得到第三边缘区域，去除第二边缘区域中不必要的噪声，填充一些不连续的边缘间隙，最后提取第三边缘区域对应的骨架线条，得到待测工件对应的目标边缘区域，使得所提取的目标边缘区域更加准确和稳定，提高后续工件缺陷的检测精度。

技术特征：

1.一种工件边缘区域的检测方法，其特征在于，所述工件边缘区域的检测方法包括：

2.如权利要求1所述的工件边缘区域的检测方法，其特征在于，所述提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域的步骤包括：

3.如权利要求2所述的工件边缘区域的检测方法，其特征在于，所述基于每个像素点对应的邻域像素点，确定所述第三边缘区域中标记为需要删除的像素点包括：

4.如权利要求1所述的工件边缘区域的检测方法，其特征在于，所述使用边缘检测模型识别所述待检测图像中的第一边缘区域的步骤包括：

5.如权利要求1所述的工件边缘区域的检测方法，其特征在于，所述获取待测工件对应的待检测图像，并使用边缘检测模型识别所述待检测图像中的第一边缘区域的步骤之前，还包括：

6.如权利要求5所述的工件边缘区域的检测方法，其特征在于，所述对每一检测图像标注后的边缘区域分别进行膨胀处理，得到每一检测图像对应的膨胀处理后的边缘区域的步骤包括：

7.如权利要求1所述的工件边缘区域的检测方法，其特征在于，所述对所述第二边缘区域进行形态学处理，得到第三边缘区域的步骤包括：

8.如权利要求1所述的工件边缘区域的检测方法，其特征在于，所述提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域的步骤之后，还包括：

9.一种工件边缘区域的检测设备，其特征在于，所述工件边缘区域的检测设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的工件边缘区域的检测程序，所述工件边缘区域的检测程序被所述处理器执行时实现如权利要求1-8中任一项所述的工件边缘区域的检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有工件边缘区域的检测程序，所述工件边缘区域的检测程序被处理器执行时实现权利要求1-8中任一项所述的工件边缘区域的检测方法的步骤。

技术总结
本申请公开了工件边缘区域的检测方法、设备及存储介质，应用于图像处理技术领域。该方法包括：获取待测工件对应的待检测图像，并使用边缘检测模型识别所述待检测图像中的第一边缘区域；提取所述第一边缘区域中置信度大于预设置信度的像素点，并根据所述置信度大于预设置信度的像素点生成第二边缘区域；对所述第二边缘区域进行形态学处理，得到第三边缘区域；提取所述第三边缘区域对应的骨架线条，得到所述待测工件对应的目标边缘区域，解决相关技术中工件缺陷边缘检测结果不准确的问题，提高工件边缘检测结果的准确性。

技术研发人员：吴雨培,陈家骏
受保护的技术使用者：北京阿丘机器人科技有限公司
技术研发日：
技术公布日：2024/2/21