CN109166109A - 缺陷检测方法、装置、存储介质及处理器 - Google Patents

缺陷检测方法、装置、存储介质及处理器 Download PDF

Info

Publication number
CN109166109A
CN109166109A CN201810922921.1A CN201810922921A CN109166109A CN 109166109 A CN109166109 A CN 109166109A CN 201810922921 A CN201810922921 A CN 201810922921A CN 109166109 A CN109166109 A CN 109166109A
Authority
CN
China
Prior art keywords
area
pixel
tested
defect
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810922921.1A
Other languages
English (en)
Inventor
朱虹
邓及翔
宋明岑
张天翼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Gree Intelligent Equipment Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201810922921.1A priority Critical patent/CN109166109A/zh
Publication of CN109166109A publication Critical patent/CN109166109A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种缺陷检测方法、装置、存储介质及处理器。其中，该方法包括：获取预定图像中待检测设备上的待检测区域，其中，所述待检测区域包括多个像素点；对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点；根据所述缺陷像素点确定所述待检测区域中的缺陷区域。本发明解决了无法准确进行缺陷检测的技术问题。

Description

缺陷检测方法、装置、存储介质及处理器
技术领域
本发明涉及检测领域，具体而言，涉及一种缺陷检测方法、装置、存储介质及处理器。
背景技术
产品的缺陷检测一般是通过设置模板进行对比或者根据缺陷的灰度特征进行检测的。
但是以上方法针对散热器涂敷缺陷检测却不适用，这是因为散热器涂敷的面积以及厚薄等都会有所差异，无法用统一的模板或者同一个灰度值来进行检测，经常造成产品误检。
因此，散热器涂敷检测目前主要还是以目视检测为主，这就存在了由于长时间工作，人眼会产生视觉疲劳，从而导致漏检的风险。
针对上述无法准确进行缺陷检测的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种缺陷检测方法、装置、存储介质及处理器，以至少解决无法准确进行缺陷检测的技术问题。
根据本发明实施例的一个方面，提供了一种缺陷检测方法，包括：获取预定图像中待检测设备的待检测区域，其中，所述待检测区域包括多个像素点；对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点；根据所述缺陷像素点确定所述待检测区域中的缺陷区域。
进一步地，获取预定图像中待检测设备的待检测区域包括：在所述预定图像中识别所述待检测设备的定位基准点，其中，所述定位基准点与所述待检测区域之间存在预定位置关系；根据所述定位基准点确定所述待检测区域。
进一步地，对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值包括：采用以下公式计算所述滤波像素值：其中，gr，c为所述待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
进一步地，根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点包括：确定所述初始像素值与所述滤波像素值之间的像素差值；根据所述像素差值对所述待检测区域的多个像素点进行阈值分割，其中，将所述像素差值高于预定阈值补偿值的像素点分割为第一像素点，将所述像素差值不低于预定阈值补偿值的像素点分割为第二像素点，确定所述第二像素点为所述缺陷像素点。
进一步地，根据所述缺陷像素点确定所述待检测区域中的缺陷区域包括：根据所述缺陷像素点对所述待检测区域进行连通域分析，确定所述缺陷区域。
进一步地，获取预定图像中待检测设备的待检测区域包括：获取包含所述待检测设备的原始图像；在所述原始图像上识别所述待检测设备的设备区域；对所述设备区域进行仿射变换，得到所述待检测区域。
根据本发明实施例的另一方面，还提供了一种缺陷检测装置，包括：获取单元，用于获取待检测设备的图像中的待检测区域，其中，所述待检测区域包括多个像素点；滤波单元，用于对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；第一确定单元，用于根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点；第二确定单元，用于根据所述缺陷像素点确定所述待检测区域中的缺陷区域。
进一步地，滤波单元包括：计算模块，用于采用以下公式计算所述滤波像素值：其中，gr，c为所述待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
根据本发明的另一方面，本发明实施例还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的缺陷检测方法。
根据本发明的另一方面，本发明实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述的缺陷检测方法。
在本发明实施例中，获取预定图像中待检测设备的待检测区域，再对待检测区域进行均值滤波，得到待检测区域中各像素点的滤波像素值，然后比对各像素点的初始像素值与滤波像素值得出缺陷像素点，可以根据得出的缺陷像素点确定待检测区域中的缺陷区域，达到了对待检测区域进行缺陷监测的目的，从而实现了准确确定缺陷区域的技术效果，进而解决了无法准确进行缺陷检测的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种缺陷检测方法的流程图；
图2是根据本发明实施例的一种基于均值滤波和局部阈值的散热器涂敷缺陷检测方法的流程图；
图3是根据本发明实施例的一种提取散热器区域的示意图；
图4是根据本发明实施例的一种仿射变换的示意图；
图5是根据本发明实施例的一种根据螺钉孔定位散热膏检测区域的示意图；
图6是根据本发明实施例的一种确定缺陷区域的示意图；
图7是根据本发明实施例的一种缺陷检测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
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”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以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“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、***、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。
根据本发明实施例，提供了一种缺陷检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种缺陷检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取预定图像中待检测设备的待检测区域，其中，待检测区域包括多个像素点；
步骤S104，对待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；
步骤S106，根据待检测区域内多个像素点的初始像素值与滤波像素值确定图像的缺陷像素点；
步骤S108，根据缺陷像素点确定待检测区域中的缺陷区域。
通过上述步骤，获取预定图像中待检测设备的待检测区域，再对待检测区域进行均值滤波，得到待检测区域中各像素点的滤波像素值，然后比对各像素点的初始像素值与滤波像素值得出缺陷像素点，可以根据得出的缺陷像素点确定待检测区域中的缺陷区域，达到了对待检测区域进行缺陷监测的目的，从而实现了准确确定缺陷区域的技术效果，进而解决了无法准确进行缺陷检测的技术问题。
在上述步骤S102中，待检测区域可以是预定图像上的区域，用于表示待检测设备上某个位置。例如，待检测设备可以是散热器，在需要检测散热器的散热膏区域是否存在涂敷缺陷的情况下，该散热器的散热膏区域的图像即为待检测区域。
在上述步骤S102中，预定图像可以包括待检测设备的图像，例如，预定图像中可以包括待检测设备，以及待检测设备所在环境的背景；预定图像还可以是待检测设备的图像，例如，预定图像中仅存在待检测设备。
可选地，在预定图像包括待检测设备的图像的情况下，可以识别并提取待检测设备在预定图像中所占的区域，然后对提取的该区域进行仿射变换，将提取的待检测设备所在区域的图像调整至水平位置。
可选地，在预定图像包括待检测设备的图像的情况下，可以通过阈值分割的方式，提取待检测设备所在区域的图像。
可选地，预定图像中待检测区域内的各像素点的像素值为该像素点的初始像素值。
在上述步骤S104中，可以通过设定滤波条件，来消除特定的干扰像素点。
可选地，可以根据反光干扰设定滤波条件来消除待检测区域反光噪声。
例如，在对散热膏涂敷区域进行缺陷检测的过程中，可以将散热膏的反光作为噪声，通过均值滤波的方式消除散热膏涂敷区的反光干扰。
在上述步骤S106中，比对各像素点的初始像素值和滤波像素值，并根据比对结果确定各像素点中的缺陷像素点。
在上述步骤S108中，可以根据确定的缺陷像素点，确定多个缺陷像素点所占的区域，得到缺陷区域，实现对缺陷区域轮廓的描述。
在上述步骤S108后，可以根据确定的缺陷区域，在待检测设备上确定该缺陷区域对应的位置，找到待检测设备上的实际缺陷区域。
作为一种可选的实施例，获取预定图像中待检测设备的待检测区域包括：在待检测图像中识别待检测设备的定位基准点，其中，定位基准点与待检测区域之间存在预定位置关系；根据定位基准点确定待检测区域。
采用本发明上述实施例，待检测设备中的待检测区域与定位基准点之间存在固定的预定位置关系，通过对待检测设备进行定位基准点的识别，可以根据识别出的定位基准点，结合预定位置关系，准确确定待检测区域。
可选地，待检测设备可以是散热器，则可以将散热器的螺钉孔位置作为定位基准点。
作为一种可选的实施例，对待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值包括：采用以下公式计算滤波像素值：其中，gr，c为待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
作为一种可选的实施例，根据待检测区域内多个像素点的初始像素值与滤波像素值确定图像的缺陷像素点包括：确定初始像素值与滤波像素值之间的像素差值；根据像素差值对待检测区域的多个像素点进行阈值分割，其中，将像素差值高于预定阈值补偿值的像素点分割为第一像素点，将像素差值不低于预定阈值补偿值的像素点分割为第二像素点，确定第二像素点为缺陷像素点。
采用本发明上述实施例，为了确定缺陷像素点，可以计算各像素点的初始像素值与滤波像素值之间的像素差值，将像素差值高于预定阈值补偿值的像素点作为第一像素点，将像素差值不高于预定阈值补偿值的像素点作为第二像素点，实现对待检测区域的分割，得到缺陷像素点。
作为一种可选的实施例，根据缺陷像素点确定待检测区域中的缺陷区域包括：根据缺陷像素点对待检测区域进行连通域分析，确定缺陷区域。
采用本发明上述实施例，根据缺陷像素点对待检测区域进行连通域分析，确定多个缺陷像素点所在区域，从而得出缺陷区域。
作为一种可选的实施例，获取预定图像中待检测设备的待检测区域包括：获取包含待检测设备的原始图像；在原始图像上识别待检测设备的设备区域；对设备区域进行仿射变换，得到待检测区域。
采用本发明上述实施例，可以从包含待检测设备的原始图像中提取待检测设备对应的区域，并通过对该待检测设备对应的区域进行仿射变换，可以将待检测设备对应的区域调整到水平位置。
本发明还提供了一种优选实施例，该优选实施例提供了一种基于均值滤波和局部阈值的散热器涂敷缺陷检测方法。
本发明上述实施例，对于涂敷缺陷进行检测的过程中，可以将包含涂覆区域的图像进行均值滤波，然后再根据局部阈值分割方法确定有缺陷的地方，并将这些地方通过其面积以及形状特征筛选出来，从而解决了由于散热器涂敷区域的反光问题或者薄厚问题造成误检的问题。
图2是根据本发明实施例的一种基于均值滤波和局部阈值的散热器涂敷缺陷检测方法的流程图，如图2所示，该方法包括如下步骤：
S1，提取散热器区域。
图3是根据本发明实施例的一种提取散热器区域的示意图，如图3所示，将通过拍照得到的图片通过阈值分割的方式找到散热器所在的区域，即散热器区域。
S2，将散热器区域旋转至水平位置。
图4是根据本发明实施例的一种仿射变换的示意图，如图4所示，将提取的散热器所在的区域进行仿射变换，旋转到水平方向。
根据上述步骤S1和S2，可以将处于水平位置的散热器区域转化为图像，从而减小图像的大小，提高处理速度。
S3，根据螺钉孔定位散热膏检测区域(即待检测区域)。
图5是根据本发明实施例的一种根据螺钉孔定位散热膏检测区域的示意图，如图5所示，可以在散热器区域的图像上识别出预先设置的螺钉孔位置，并将螺钉孔坐标作为散热膏检测区域的基准点进行仿射变换，找到相应的散热膏区域。
S4，确定缺陷区域。
图6是根据本发明实施例的一种确定缺陷区域的示意图，如图6所示，通过对散热膏区域进行均值滤波和局部阈值分析，找到相应的缺陷区域，通过缺陷区域的面积大小以及宽度和高度，可以在散热器上找到实际涂敷缺陷的位置。
本发明上述实施例，在对散热器的进行拍照后，可以通过阈值分割将散热器部分区域从拍照所得的图像中提取出来，做为整体检测图像，然后通过仿射变换，将其调整到水平位置。
通过上述实施例，可以减少拍照过程中有散热器移位造成定位不准确问题，同时减少像素，缩短检测时间，放大图像细节便于观察。
可选地，在完成分割图像之后，需要寻找螺钉孔作为散热膏检测区域的定位基准，由于螺钉孔区域跟矽胶片区域(及散热膏区域)灰度值差异较小，用普通阈值分割无法使其准确分离出来找到中心坐标，故同样使用均值滤波和局部阈值分割的方法，准确检测出螺钉孔位置。
可选地，根据螺钉孔位置和调试时设置的散热膏检测区域的中心位置进行仿射变换，可以准确找出散热膏的检测区域。
本发明上述实施例，可以对散热膏检测区域进行二次定位，避免由于散热膏涂偏而导致散热膏检测区域未覆盖到真实涂敷区域。
本发明所提供的技术方案，可以将散热膏由于打光过程中出现的反光作为噪声，为避免由于反光因素对缺陷检测的影响，可以使用空间均值滤波器去除其干扰，滤波公式如下：
其中，gr，c:图像上第r行c列像素值；(2n+1)(2m+1)用于表示掩码大小；本申请中所选掩码大小为5×5，即m＝5,n＝5。
上述空间均值滤波器，可将散热膏干扰区域边缘模糊，平滑图像，并去除反光噪声干扰。
可选地，在对待检测区域进行均值滤波操作之后，可以进行局部阈值分割，分割公式如下：
gf(r，c)-offset＞gr，c或gr，c＞gf(r，c)+offset
其中，gf(r，c)为滤波后的待检测区域上第r行c列像素值；gr，c为滤波前的待检测区域上第r行c列像素值；offset为阈值补偿值。
可选地，在本申请中，阈值补偿值可以为15。
通过上述公式可将滤波前的待检测区域与滤波前的待检测区域上，像素值差值大于或者小于15的区域分割出来。
可选地，可以对检测出来的缺陷区域进行连通域BLOB分析，对分割出来的区域进行面积以及长、宽的筛选，找出符合涂敷缺陷的区域。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述任一项所述的缺陷检测方法。
根据本发明的又一个实施例，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任一项所述的缺陷检测方法。
根据本发明实施例，还提供了一种缺陷检测装置实施例，需要说明的是，该缺陷检测装置可以用于执行本发明实施例中的缺陷检测方法，本发明实施例中的缺陷检测方法可以在该缺陷检测装置中执行。
图7是根据本发明实施例的一种缺陷检测装置的示意图，如图7所示，该装置可以包括：获取单元71，滤波单元73，第一确定单元75，和第二确定单元77。
其中，获取单元71，用于获取预定图像中待检测设备的待检测区域，其中，待检测区域包括多个像素点；滤波单元73，用于对待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；第一确定单元75，用于根据待检测区域内多个像素点的初始像素值与滤波像素值确定图像的缺陷像素点；第二确定单元77，用于根据缺陷像素点确定待检测区域中的缺陷区域。
需要说明的是，该实施例中的获取单元71可以用于执行本申请实施例中的步骤S102，该实施例中的滤波单元73可以用于执行本申请实施例中的步骤S104，该实施例中的第一确定单元75可以用于执行本申请实施例中的步骤S106，该实施例中的第二确定单元77可以用于执行本申请实施例中的步骤S108。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，获取预定图像中待检测设备的待检测区域，再对待检测区域进行均值滤波，得到待检测区域中各像素点的滤波像素值，然后比对各像素点的初始像素值与滤波像素值得出缺陷像素点，可以根据得出的缺陷像素点确定待检测区域中的缺陷区域，达到了对待检测区域进行缺陷监测的目的，从而实现了准确确定缺陷区域的技术效果，进而解决了无法准确进行缺陷检测的技术问题。
作为一种可选的实施例，获取单元包括：识别模块，用于在待检测图像中识别待检测设备的定位基准点，其中，定位基准点与待检测区域之间存在预定位置关系；第一确定模块，用于根据定位基准点确定待检测区域。
作为一种可选的实施例，滤波单元包括：计算模块，用于采用以下公式计算滤波像素值：其中，gr，c为待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
作为一种可选的实施例，第一确定单元包括：第二确定模块，用于确定初始像素值与滤波像素值之间的像素差值；分割模块，用于根据像素差值对待检测区域的多个像素点进行阈值分割，其中，将像素差值高于预定阈值补偿值的像素点分割为第一像素点，将像素差值不低于预定阈值补偿值的像素点分割为第二像素点，第三确定模块，用于确定第二像素点为缺陷像素点。
作为一种可选的实施例，第二确定单元包括：第四确定模块，用于根据缺陷像素点对待检测区域进行连通域分析，确定缺陷区域。
作为一种可选的实施例，获取单元包括：获取模块，用于获取包含待检测设备的原始图像；第二识别模块，用于在原始图像上识别待检测设备的设备区域；放射变换模块，用于对设备区域进行仿射变换，得到待检测区域。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种缺陷检测方法，其特征在于，包括：
获取预定图像中待检测设备的待检测区域，其中，所述待检测区域包括多个像素点；
对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；
根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点；
根据所述缺陷像素点确定所述待检测区域中的缺陷区域。
2.根据权利要求1所述的方法，其特征在于，获取预定图像中待检测设备的待检测区域包括：
在所述预定图像中识别所述待检测设备的定位基准点，其中，所述定位基准点与所述待检测区域之间存在预定位置关系；
根据所述定位基准点确定所述待检测区域。
3.根据权利要求1所述的方法，其特征在于，对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值包括：
采用以下公式计算所述滤波像素值：
其中，gr，c为所述待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
4.根据权利要求1所述的方法，其特征在于，根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点包括：
确定所述初始像素值与所述滤波像素值之间的像素差值；
根据所述像素差值对所述待检测区域的多个像素点进行阈值分割，其中，将所述像素差值高于预定阈值补偿值的像素点分割为第一像素点，将所述像素差值不低于预定阈值补偿值的像素点分割为第二像素点，
确定所述第二像素点为所述缺陷像素点。
5.根据权利要求1所述的方法，其特征在于，根据所述缺陷像素点确定所述待检测区域中的缺陷区域包括：
根据所述缺陷像素点对所述待检测区域进行连通域分析，确定所述缺陷区域。
6.根据权利要求1所述的方法，其特征在于，获取预定图像中待检测设备的待检测区域包括：
获取包含所述待检测设备的原始图像；
在所述原始图像上识别所述待检测设备的设备区域；
对所述设备区域进行仿射变换，得到所述待检测区域。
7.一种缺陷检测装置，其特征在于，包括：
获取单元，用于获取预定图像中待检测设备的待检测区域，其中，所述待检测区域包括多个像素点；
滤波单元，用于对所述待检测区域进行均值滤波，得到滤波后的各像素点的滤波像素值；
第一确定单元，用于根据所述待检测区域内多个像素点的初始像素值与所述滤波像素值确定图像的缺陷像素点；
第二确定单元，用于根据所述缺陷像素点确定所述待检测区域中的缺陷区域。
8.根据权利要求7所述的装置，其特征在于，滤波单元包括：
计算模块，用于采用以下公式计算所述滤波像素值：
其中，gr，c为所述待检测区域第r行c列像素点的滤波像素值，n和m为图像掩码的尺寸，n为图像掩码的行数，m为图像掩码的列数。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的缺陷检测方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的缺陷检测方法。
CN201810922921.1A 2018-08-14 2018-08-14 缺陷检测方法、装置、存储介质及处理器 Pending CN109166109A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810922921.1A CN109166109A (zh) 2018-08-14 2018-08-14 缺陷检测方法、装置、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810922921.1A CN109166109A (zh) 2018-08-14 2018-08-14 缺陷检测方法、装置、存储介质及处理器

Publications (1)

Publication Number Publication Date
CN109166109A true CN109166109A (zh) 2019-01-08

Family

ID=64895617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810922921.1A Pending CN109166109A (zh) 2018-08-14 2018-08-14 缺陷检测方法、装置、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN109166109A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263668A (zh) * 2019-05-29 2019-09-20 深圳新视智科技术有限公司 检测数据的回放方法、***、终端及可读介质
CN111340795A (zh) * 2020-03-09 2020-06-26 珠海格力智能装备有限公司 物品质量的确定方法及装置
CN111340752A (zh) * 2019-12-04 2020-06-26 京东方科技集团股份有限公司 屏幕的检测方法、装置、电子设备及计算机可读存储介质
CN111768357A (zh) * 2019-03-29 2020-10-13 银河水滴科技（北京）有限公司 一种图像检测的方法及装置
CN112070766A (zh) * 2020-11-16 2020-12-11 深圳中科飞测科技有限公司 缺陷检测方法及装置、检测设备及可读存储介质
CN112598647A (zh) * 2020-12-24 2021-04-02 凌云光技术股份有限公司 一种弧形面渐变背景下弱线缺陷的检测方法
CN112750116A (zh) * 2021-01-15 2021-05-04 北京市商汤科技开发有限公司 一种缺陷检测方法、装置、计算机设备及存储介质
CN114235758A (zh) * 2021-12-10 2022-03-25 苏州凌云视界智能设备有限责任公司 缺陷检测方法、装置、设备及存储介质
CN117115128A (zh) * 2023-09-11 2023-11-24 杭州深度视觉科技有限公司 图像的像素值计算方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105334219A (zh) * 2015-09-16 2016-02-17 湖南大学 一种残差分析动态阈值分割的瓶口缺陷检测方法
WO2017001968A1 (en) * 2015-06-30 2017-01-05 Pirelli Tyre S.P.A. Method and apparatus for detecting defects on the surface of tyres
CN106814083A (zh) * 2015-11-30 2017-06-09 宁波舜宇光电信息有限公司 滤波片缺陷检测***及其检测方法
CN107657606A (zh) * 2017-09-18 2018-02-02 深圳市华星光电半导体显示技术有限公司 一种显示装置的亮度缺陷检测方法与装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017001968A1 (en) * 2015-06-30 2017-01-05 Pirelli Tyre S.P.A. Method and apparatus for detecting defects on the surface of tyres
CN105334219A (zh) * 2015-09-16 2016-02-17 湖南大学 一种残差分析动态阈值分割的瓶口缺陷检测方法
CN106814083A (zh) * 2015-11-30 2017-06-09 宁波舜宇光电信息有限公司 滤波片缺陷检测***及其检测方法
CN107657606A (zh) * 2017-09-18 2018-02-02 深圳市华星光电半导体显示技术有限公司 一种显示装置的亮度缺陷检测方法与装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CARSTEN STEGER 等: "《机器视觉算法与应用》", 30 November 2008, 清华大学出版社 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768357A (zh) * 2019-03-29 2020-10-13 银河水滴科技（北京）有限公司 一种图像检测的方法及装置
CN111768357B (zh) * 2019-03-29 2024-03-01 银河水滴科技（北京）有限公司 一种图像检测的方法及装置
CN110263668A (zh) * 2019-05-29 2019-09-20 深圳新视智科技术有限公司 检测数据的回放方法、***、终端及可读介质
CN110263668B (zh) * 2019-05-29 2021-11-02 深圳新视智科技术有限公司 检测数据的回放方法、***、终端及可读介质
CN111340752A (zh) * 2019-12-04 2020-06-26 京东方科技集团股份有限公司 屏幕的检测方法、装置、电子设备及计算机可读存储介质
CN111340795B (zh) * 2020-03-09 2023-11-10 珠海格力智能装备有限公司 物品质量的确定方法及装置
CN111340795A (zh) * 2020-03-09 2020-06-26 珠海格力智能装备有限公司 物品质量的确定方法及装置
CN112070766A (zh) * 2020-11-16 2020-12-11 深圳中科飞测科技有限公司 缺陷检测方法及装置、检测设备及可读存储介质
CN112598647A (zh) * 2020-12-24 2021-04-02 凌云光技术股份有限公司 一种弧形面渐变背景下弱线缺陷的检测方法
CN112750116A (zh) * 2021-01-15 2021-05-04 北京市商汤科技开发有限公司 一种缺陷检测方法、装置、计算机设备及存储介质
CN112750116B (zh) * 2021-01-15 2023-08-11 北京市商汤科技开发有限公司 一种缺陷检测方法、装置、计算机设备及存储介质
CN114235758A (zh) * 2021-12-10 2022-03-25 苏州凌云视界智能设备有限责任公司 缺陷检测方法、装置、设备及存储介质
CN117115128A (zh) * 2023-09-11 2023-11-24 杭州深度视觉科技有限公司 图像的像素值计算方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109166109A (zh) 缺陷检测方法、装置、存储介质及处理器
US10860879B2 (en) Deep convolutional neural networks for crack detection from image data
WO2021003824A1 (zh) 基于图像识别的违章建筑识别方法、装置
EP3049793B1 (en) Structural hot spot and critical location monitoring
CN109598794B (zh) 三维gis动态模型的构建方法
Shao et al. Application of a fast linear feature detector to road extraction from remotely sensed imagery
CN110570435B (zh) 用于对车辆损伤图像进行损伤分割的方法及装置
Abate et al. BIRD: Watershed based iris detection for mobile devices
CN106373128B (zh) 一种嘴唇精确定位的方法和***
CN110287889A (zh) 一种身份识别的方法及装置
CN111898486B (zh) 监控画面异常的检测方法、装置及存储介质
CN106446862A (zh) 一种人脸检测方法及***
CN105678778B (zh) 一种图像匹配方法和装置
CN105405130B (zh) 基于聚类的证照图像高光检测方法及装置
CN111696072B (zh) 彩色图像的直线检测方法、装置、电子设备及存储介质
CN109446061A (zh) 一种页面检测方法、计算机可读存储介质及终端设备
CN109858438A (zh) 一种基于模型拟合的车道线检测方法
CN104182983B (zh) 基于角点特征的高速公路监控视频清晰度的检测方法
US20140328537A1 (en) Automatic Learning Method for the Automatic Learning of Forms of Appearance of Objects in Images
CN110826610A (zh) 一种用于智能检测人员着装是否规范的方法与***
WO2015079054A1 (en) Estimating gaze from un-calibrated eye measurement points
CN108550142A (zh) 一种牙孔检测方法及装置
CN108280388A (zh) 训练面部检测模型的方法和装置以及面部检测方法和装置
US20160283821A1 (en) Image processing method and system for extracting distorted circular image elements
CN106663317A (zh) 数字图像的形态学处理方法和数字图像处理装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination