CN112700440B - 物体缺陷检测方法、装置、计算机设备及存储介质 - Google Patents
物体缺陷检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112700440B CN112700440B CN202110062737.6A CN202110062737A CN112700440B CN 112700440 B CN112700440 B CN 112700440B CN 202110062737 A CN202110062737 A CN 202110062737A CN 112700440 B CN112700440 B CN 112700440B
- Authority
- CN
- China
- Prior art keywords
- contour
- detected
- radius
- characteristic value
- determining
- 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.)
- Active
Links
Images
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
- G06T7/13—Edge detection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明的物体缺陷检测方法、装置、计算机设备及存储介质,方法包括:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及轮廓与轮廓中心的距离特征值;轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓对应的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。与现有技术的区别在于,本申请是通过测量的每张图像的轮廓与中心点的距离参数与阈值进行比较,从而确定待检测物体是否缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
Description
技术领域
本发明涉及图像检测领域,具体而言,涉及一种物体缺陷检测方法、装置、计算机设备及存储介质。
背景技术
目前,工业自动化是工厂产线及相关行业内的发展方向,在产品生产的过程中,需要通过相关检测算法自动检测产线不良产品;相关技术通过拍摄产品的图像,然后计算图像中目标产品的灰度平均值,或者计算图像中目标产品的面积,或者傅里叶频域变换对高频部分进行蒙版遮挡、连通域检测等方式检测产品是否有缺陷。
然而,由于产线作业环境复杂,设备受环境亮度等人为因素影响下拍出的图像杂乱不一,造成检测算法对产线不良品识别准确度较低,均不能达到产线准确率要求。
发明内容
有鉴于此,本发明的目的之一在于提供一种物体缺陷检测方法、装置、计算机设备及存储介质,用于使检测方法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,提高产线产品检测的准确率。
本发明技术方案可以这样实现:
第一方面,本发明提供一种物体缺陷检测方法,所述方法包括:获取待检测物体对应的多个轮廓的图形信息集;所述图形信息集中包含每个轮廓的轮廓中心、半径以及所述轮廓与所述轮廓中心的距离特征值;所述轮廓为曲线图形;对所述多个轮廓逐一进行检测,当存在一个轮廓对应的距离特征值与所述轮廓对应的半径的比值小于预设阈值,则确定所述待检测物体存在缺陷。
可选地,获取待检测物体对应的多个轮廓的图形信息集,包括:获取所述待检测物体的图像;对所述图像进行轮廓检测,确定所述待检测物体对应的所述多个轮廓;获取每个所述轮廓对应的轮廓中心、半径以及所述距离特征值,组成所述图形信息集。
可选地,对所述多个轮廓进行检测,当存在一个轮廓对应的距离特征值与半径的比值小于预设阈值,则确定所述待检测物体存在缺陷,包括:确定每个所述轮廓对应的最大外接图形;根据全部所述最大外接图形的图形面积确定所述多个轮廓的检测顺序;按照所述检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于所述预设阈值,则确定所述待检测物体存在缺陷。
可选地,还包括:当确定所述待检测物体存在缺陷,停止对所述检测顺序中未被检测的轮廓进行检测。
可选地,所述方法还包括:针对每个所述轮廓,计算所述轮廓上的全部位置点与所述轮廓中心的距离,组成距离数组;将所述距离数组中的最小值,作为所述轮廓对应的距离特征值。
可选地,所述方法还包括:当每个所述轮廓的距离特征值与半径的比值均大于或等于所述预设阈值,则确定所述待检测物体正常。
第二方面,本发明提供一种物体缺陷检测装置,包括:获取模块,用于获取待检测物体对应的多个轮廓的图形信息集;所述图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与所述轮廓中心的距离特征值;所述轮廓为曲线图形;检测模块,用于对所述多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定所述待检测物体存在缺陷。第三方面,本发明提供一种计算机设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现第一方面所述的物体缺陷检测方法。
第四方面,本发明提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的物体缺陷检测方法。
本发明提供的物体缺陷检测方法、装置、计算机设备及存储介质,方法包括:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。与现有技术的区别在于,现有技术是针对全部的图像进行单一阈值的灰度或面积比较,准确度低,误判风险高,本申请是通过测量的每张图像的轮廓与中心点的距离参数与阈值进行比较,从而确定待检测物体是否缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为防尘网在不同场景下拍摄的图像;
图2为防尘网的面积检测结果;
图3为一个实施例中物体缺陷检测方法的应用场景图;
图4为本发明实施例提供的物体缺陷检测方法的示意性流程图;
图5为本发明实施例提供的步骤S11的实现方式的示意性流程图;
图6为本发明实施例提供的步骤S12的实现方式的示意性流程图;
图7为本发明实施例提供的一种物体缺陷检测装置的功能模块图;
图8为本发明实施例提供的一种计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
目前,在工业生产领域,大部分产品都可以通过自动化生产技术批量生产,提高了产品生产效率,节约了人力和时间成本,为了保证产品质量满足要求,还需要通过检测算法对产品是否合格进行检测,相关技术通过计算图像中目标产品的灰度平均值,或者计算图像中目标产品的面积,或者傅里叶频域变换对高频部分进行蒙版遮挡,blob连通域检测等方式来检测产品是否存在缺陷。
发明人在研究的过程中发现上述几种检测方法存在以下缺陷:
通过计算图像中目标产品的灰度平均值以及通过计算图像中目标产品的面积的方式来检测产品是否存在缺陷,准确度低,误判风险高。
例如,以手机话筒(Microphone)孔内的防尘网孔为例,可以理解的是,正常情况下,合格防尘网的图像中由于没有黑色块或黑色线条,因此合格防尘网的图像中的像素的平均灰度值大于存在缺陷的防尘网的图像中平均灰度值,采用这个方法是可以准确判断合格品与缺陷品,但是由于产线环境恶劣,经常拍出的图像如图1所示,图1为防尘网在不同场景下拍摄的图像;其中,图1(a)为合格防尘网的图像;图1(b)为存在缺陷的防尘网图像;可以看出,图1(b)中防尘网周围有很亮的白色杂光,这样图1(b)中计算出的平均灰度值必定会大于图1(a)中的平均灰度值,造成合格品和缺陷品的误判。
再例如,继续以手机话筒(Microphone)孔内的防尘网孔为例,正常情况下,合格防尘网由于没有被异物遮挡,图像中显示为完整的网孔圆形形状,而存在缺陷的防尘网由于被异物遮挡,形状显示为残缺的半圆或者椭圆,面积必定小于合格防尘网,采用这个方法是可以准确判断合格品与缺陷品,但是,以图1所示的拍摄图像为例,计算图1(a)和图1(b)中防尘网的面积,面积计算结果如图2所示,可见,其中图2(a)对应图1(a),图2(b)对应图1(b),可以看出,图2(b)中防尘网的目标面积大于图2(a)中防尘网的目标面积,造成合格品和缺陷品的误判。
同理,由于目标图像背景过于复杂,采用傅里叶频域变换和连通域检测的方式均不能准确提取缺陷区域,准确率都较低。
为了解决上述技术问题,提高检测算法对产线作业复杂条件的抵抗性,进一步提高检测算法准确度,发明人提出了一种对图像形状变形、光照变化、尺寸缩放有鲁棒性的检测方法,本申请提供的物体缺陷检测方法,可以应用于如图3所示的应用环境中。该物体缺陷检测方法应用于物体缺陷检测***中。该物体缺陷检测***包括终端102与服务器104。其中,终端102与服务器104通过网络进行通信。通过获取待检测物体对应的多个轮廓的图形信息集;对多个轮廓逐一进行检测,当存在一个轮廓对应的距离特征值与轮廓对应的半径的比值小于预设阈值,则确定待检测物体存在缺陷。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图4所示,提供了一种物体缺陷检测方法。本实施例主要以该方法应用于图3中的终端102(或服务器104)来举例说明。参见图4,图4为本发明实施例提供的物体缺陷检测方法的示意性流程图,该方法可以包括:
S11、获取待检测物体对应的多个轮廓的图形信息集。
在一些可能的实施例中,待检测物体是具有曲线轮廓的物体,例如,物体轮廓为圆形、椭圆形等;上述的图形信息集中可以包含每个轮廓的轮廓中心、半径以及轮廓与轮廓中心的距离特征值。
可以理解的是,对于待检测物体的图像,可以通过现有技术中的任何一种边缘检测方法对图像中物体进行轮廓搜索,搜索得到的多个轮廓。这个多个轮廓同中心,且轮廓大小接近。
在一个实施例中,终端102可以获取待检测物体对应的多个轮廓的图形信息集。
S12、对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一些可能的实施例中,上述的预设阈值可以根据工厂产线检测标准或需求进行配置,预设阈值越小,表征检测标准越宽松,预设阈值越大,则检测标准越严格,例如预设阈值可以为0.7或0.8或0.9。
在一个实施例中,终端102可以对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
可以理解的是,当待检测物体不存在缺陷,则物体边界到轮廓中心之间的距离参数满足检测标准,若待检测物体存在缺陷,例如,待检测物体的边界有缺口或者有遮挡,那么获得的待检测物体的轮廓与轮廓中心之间的距离参数会受到遮挡或者缺口的影响,此时物体边界到物体中心之间的距离参数不满足检测标准,此时可以确定待检测物体存在缺陷。
本发明实施例提供的物体缺陷检测方法,首先获取待检测物体对应的多个轮廓的图形信息集,图形信息集中包含有每个轮廓的轮廓中心、半径以及轮廓与轮廓中心的距离特征值,当存在一个轮廓对应的距离特征值与轮廓对应的半径的比值小于预设阈值,则确定待检测物体存在缺陷。与现有技术的区别在于,现有技术是针对全部的图像进行单一阈值的灰度或面积比较,准确度低,误判风险高,本申请是通过测量的每张图像的轮廓与中心点的距离参数与阈值进行比较,确定物体是否存在缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
通过上述实施方式可以对大量工厂采样样本进行检测,检测结果证明该方法较大的提高了对产线产品的检测准确率,准确率相比于现有技术中的准确率有显著提升。
可选地,为了获得待检测物体的多个轮廓的图形信息集,下面给出一种可能的实现方式,参见图5,图5为本发明实施例提供的步骤S11的实现方式的示意性流程图,步骤S11可以包括:
S111、获取待检测物体的图像。
可以理解的是,上述图像可以是待检测物体的生产线上会实时拍摄到的图像,还可以是预先存储的待检测物体的图像。
在一个实施例中,终端102可以获取待检测物体的图像。
S112、对图像进行轮廓检测,确定待检测物体对应的多个轮廓。
可以理解的是,可以通过现有技术中的任何一种边缘检测方法对图像中物体进行轮廓搜索,搜索得到的多个轮廓。
在一个实施例中,终端102可以对图像进行轮廓检测,确定待检测物体对应的多个轮廓。
S113、获取每个轮廓对应的轮廓中心、半径以及距离特征值,组成图形信息集。
在一个实施例中,终端102可以获取每个轮廓对应的轮廓中心、半径以及距离特征值,组成图形信息集。
可以理解的是,在获得每个轮廓之后,即可获取该轮廓对应的轮廓中心、轮廓半径以及轮廓到轮廓中心的距离特征值,将这些信息组合成该轮廓对应的图形信息集。
可选地,在对每个轮廓逐一进行检测的过程中,为了降低检测耗时,提高检测效率,下面给出一种实现方式,参见图6,图6为本发明实施例提供的步骤S12的实现方式的示意性流程图,步骤S12可以包括:
S121、确定每个轮廓对应的最大外接图形。
可以理解的是,最大外接图形可以是最大外接圆、最大外接四边形等,此处不做限定。
在一个实施例中,终端102可以确定每个轮廓对应的最大外接图形。
S122、根据全部最大外接图形的图形面积确定多个轮廓的检测顺序。
在一种实现方式中,可以按照面积从大到小的顺序,对多个轮廓进行排序,例如,多个轮廓分别为C1、C2、C3、C4,最大外接图像为外接圆,其中4个轮廓对应的最大外接圆的面积大小排序可以为S(C2)>S(C3)>S(C1)>S(C4),则这4个轮廓的检测顺序可以为C2、C3、C1、C4。
在一个实施例中,终端102可以根据全部最大外接图形的图形面积确定多个轮廓的检测顺序。
S123、按照检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一个实施例中,终端102可以根按照检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
例如,继续以上述C1、C2、C3、C4这4个轮廓为例,假设确定的检测顺序为C2、C3、C1、C4,按照这个检测顺序,假设检测到C2和C3各自对应的距离特征值和半径的比值均大于预设阈值,检测到C1是第一个距离特征值小于预设阈值的轮廓,则表明第一次检测到一个轮廓的距离特征值与半径的比值小于预设阈值,此时可以确定待检测物体存在缺陷,
可选地,为了减少必要的检测成本,在确定待检测物体存在缺陷后,停止对检测顺序中未被检测的轮廓进行检测。
例如,检测到C3是第一个距离特征值小于预设阈值的轮廓,此时可以确定待检测物体存在缺陷,并停止对C3后还未被检测的C1、C4进行检测。可选地,为了能够提高检测准确率,下面给出一种确定距离特征值的实现方式,即:针对每个轮廓,计算轮廓上的全部位置点与轮廓中心的距离,组成距离数组;搜索距离数组中的最小值,作为轮廓对应的距离特征值。
可以理解的是,当待检测物体存在缺陷,比如边界有缺口或者有遮挡,那么获得的待检测物体的轮廓与轮廓中心之间的距离参数会受到遮挡或者缺口的影响,此时物体边界到物体中心之间的距离参数不满足检测标准,此时可以确定待检测物体存在缺陷。基于此,可以将每个轮廓上的点到轮廓中心点的最短距离作为距离特征值,计算最短距离与轮廓半径两者比例与阈值进行比较,最终获取产品的判定结果,若最短距离与轮廓半径的比值小于预设阈值,那么该轮廓上其他点与轮廓半径的比值必定不满足要求。
可选地,基于上述缺陷检测原理,本发明还提供了一种合格产品的检测方式,即该方法还可以包括:
S13、当每个轮廓对应的距离特征值与该轮廓图形对应的半径的比值均大于或等于预设阈值,则确定待检测物体正常。
在一个实施例中,终端102可以在确定每个轮廓对应的距离特征值与该轮廓图形对应的半径的比值均大于或等于预设阈值后,确定待检测物体正常。
例如,继续以上述C1、C2、C3、C4这4个轮廓为例,假设确定的检测顺序为C2、C3、C1、C4,按照这个检测顺序,从C2开始检测,直到检测到C4,每个轮廓的距离特征值与半径的比值均大于预设阈值,则表明待检测物体不存在缺陷。
通过上述检测方式,即可以确定待检测物体是合格产品还是存在缺陷的产品,进而可以通知用户及时处理。
为了实现上述实施例中的各个步骤,以达到对应的技术效果,下面给出一种物体缺陷检测装置的实现方式,本发明实施例还提供了一种物体缺陷检测装置,参见图7,图7为本发明实施例提供的一种物体缺陷检测装置的功能模块图,其中,物体缺陷检测装置20包括:获取模块201、检测模块202。
获取模块201,用于获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;轮廓为曲线图形;
检测模块202,用于对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
可选地,获取模块201,具体用于:获取待检测物体的图像;对图像进行轮廓检测,确定待检测物体对应的多个轮廓;获取每个轮廓对应的轮廓中心、半径以及距离特征值,组成图形信息集。
可选地,检测模块202,具体用于:对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷,包括:确定每个轮廓对应的最大外接图形;根据全部最大外接图形的图形面积确定多个轮廓的检测顺序;按照检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于所预设阈值,则确定待检测物体存在缺陷。
可选地,检测模块202,还用于:当确定待检测物体存在缺陷,停止对检测顺序中未被检测的轮廓进行检测。
可选地,物体缺陷检测装置20还可以包括计算模块和搜索模块,计算模块,用于针对每个轮廓,计算轮廓上的全部位置点与轮廓中心的距离,组成距离数组;将距离数组中的最小值,作为轮廓对应的距离特征值。
可选地,检测模块202还用于当每个轮廓对应的距离特征值与轮廓对应的半径的比值均大于或等于预设阈值,则确定待检测物体正常。
本发明实施例提供的一种物体缺陷检测装置,包括:获取模块、检测模块;获取模块,用于获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;轮廓为曲线图形;检测模块,用于对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。本申请是通过获取模块获取待检测物体对应的多个轮廓的图形信息集,通过检测模块将每个轮廓的距离特征值与半径的比值与阈值进行比较,确定物体是否存在缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
关于物体缺陷检测装置的具体限定可以参见上文中对于物体缺陷检测方法的限定,在此不再赘述。上述物体缺陷检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明实施例还提供一种计算机设备,如图8,图8为本发明实施例提供的一种计算机设备结构框图。该计算机设备30包括通信接口301、处理器302和存储器303。该处理器302、存储器303和通信接口301相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器303可用于存储软件程序及模块,如本发明实施例所提供的物体缺陷检测方法对应的程序指令/模块,处理器302通过执行存储在存储器303内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口301可用于与其他节点设备进行信令或数据的通信。在本发明中该计算机设备30可以具有多个通信接口301。
其中,存储器303可以是但不限于,随机存取存储器(RandomAccessMemory,RAM),只读存储器(ReadOnlyMemory,ROM),可编程只读存储器(ProgrammableRead-OnlyMemory,PROM),可擦除只读存储器(ErasableProgrammableRead-OnlyMemory,EPROM),电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory,EEPROM)等。
处理器302可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DigitalSignalProcessing,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
可以理解的是,上述的物体缺陷检测装置20的各个模块可以软件或固件(Firmware)的形式存储于计算机设备30的存储器303中,并由处理器302执行,同时,执行上述模块所需的数据、程序的代码等可以存储在存储器303中。
在一个实施例中,本申请提供的物体缺陷检测装置可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该物体缺陷检测装置的各个程序模块,比如,图7所示的获取模块、检测模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的物体缺陷检测方法中的步骤。
例如,图8所示的计算机设备可以通过如图7所示的物体缺陷检测装置中的获取模块执行步骤S11。计算机设备可通过检测模块执行步骤S12。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;每个轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待检测物体的图像;对图像进行轮廓检测,确定待检测物体对应的多个轮廓;获取每个轮廓对应的轮廓中心、半径以及距离特征值,组成图形信息集。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定每个轮廓对应的最大外接图形;根据全部最大外接图形的图形面积确定多个轮廓的检测顺序;按照检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当确定待检测物体存在缺陷,停止对检测顺序中未被检测的轮廓进行检测。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:针对每个轮廓,计算轮廓上的全部位置点与轮廓中心的距离,组成距离数组;将距离数组中的最小值,作为轮廓对应的距离特征值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当每个轮廓的距离特征值与半径的比值均大于或等于预设阈值,则确定待检测物体正常。
本发明提供的一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;每个轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。本申请是通过获取待检测物体对应的多个轮廓的图形信息集,将每个轮廓的距离特征值与半径的比值与阈值进行比较,确定物体是否存在缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;每个轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待检测物体的图像;对图像进行轮廓检测,确定待检测物体对应的多个轮廓;获取每个轮廓对应的轮廓中心、半径以及距离特征值,组成图形信息集。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定每个轮廓对应的最大外接图形;根据全部最大外接图形的图形面积确定多个轮廓的检测顺序;按照检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当确定待检测物体存在缺陷,停止对检测顺序中未被检测的轮廓进行检测。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:针对每个轮廓,计算轮廓上的全部位置点与轮廓中心的距离,组成距离数组;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当每个轮廓的距离特征值与半径的比值均大于或等于预设阈值,则确定待检测物体正常。
本发明实施例提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待检测物体对应的多个轮廓的图形信息集;图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;每个轮廓为曲线图形;对多个轮廓进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定待检测物体存在缺陷。本申请是通过获取待检测物体对应的多个轮廓的图形信息集,将每个轮廓的距离特征值与半径的比值与阈值进行比较,确定物体是否存在缺陷,检测算法不再受到产线环境杂光的影响,也不再受到因为设备震动将图像拍的更大或者更小的影响,进一步提高了产线产品检测的准确率。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种物体缺陷检测方法,其特征在于,所述方法包括:
获取待检测物体对应的多个轮廓的图形信息集;所述图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与轮廓中心的距离特征值;每个所述轮廓为曲线图形;
对所述多个轮廓按照排列顺序依次进行检测,当存在一个轮廓的距离特征值与半径的比值小于预设阈值,则确定所述待检测物体存在缺陷;所述排列顺序是根据每个所述轮廓对应的最大外接图形的图形面积确定的。
2.根据权利要求1所述的物体缺陷检测方法,其特征在于,获取待检测物体对应的多个轮廓的图形信息集,包括:
获取所述待检测物体的图像;
对所述图像进行轮廓检测,确定所述待检测物体对应的所述多个轮廓;
获取每个所述轮廓对应的轮廓中心、半径以及所述距离特征值,组成所述图形信息集。
3.根据权利要求1所述的物体缺陷检测方法,其特征在于,对所述多个轮廓进行检测,当存在一个轮廓对应的距离特征值与半径的比值小于预设阈值,则确定所述待检测物体存在缺陷,包括:
确定每个所述轮廓对应的最大外接图形;
根据全部所述最大外接图形的图形面积确定所述多个轮廓的检测顺序;
按照所述检测顺序进行检测,当第一次检测到一个轮廓的距离特征值与半径的比值小于所述预设阈值,则确定所述待检测物体存在缺陷。
4.根据权利要求3所述的物体缺陷检测方法,其特征在于,还包括:
当确定所述待检测物体存在缺陷,停止对所述检测顺序中未被检测的轮廓进行检测。
5.根据权利要求1所述的物体缺陷检测方法,其特征在于,所述方法还包括:
针对每个所述轮廓,计算所述轮廓上的全部位置点与所述轮廓中心的距离,组成距离数组;
将所述距离数组中的最小值,作为所述轮廓对应的距离特征值。
6.根据权利要求1所述的物体缺陷检测方法,其特征在于,所述方法还包括:
当每个所述轮廓的距离特征值与半径的比值均大于或等于所述预设阈值,则确定所述待检测物体正常。
7.一种物体缺陷检测装置,其特征在于,包括:
获取模块,用于获取待检测物体对应的多个轮廓的图形信息集;所述图形信息集中包含每个轮廓的轮廓中心、半径以及对应轮廓与所述轮廓中心的距离特征值;所述轮廓为曲线图形;
检测模块,用于对所述多个轮廓按照排列顺序依次进行检测,当存在一个轮廓的距离特征值与轮半径的比值小于预设阈值,则确定所述待检测物体存在缺陷;所述排列顺序是根据每个所述轮廓对应的最大外接图形的图形面积确定的。
8.根据权利要求7所述的物体缺陷检测装置,其特征在于,获取模块,具体用于:
获取所述待检测物体的图像;
对所述图像进行轮廓检测,确定所述待检测物体对应的所述多个轮廓;
获取每个所述轮廓对应的轮廓中心、半径以及所述距离特征值,组成所述图形信息集。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现权利要求1-6任一项所述的物体缺陷检测方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的物体缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062737.6A CN112700440B (zh) | 2021-01-18 | 2021-01-18 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062737.6A CN112700440B (zh) | 2021-01-18 | 2021-01-18 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700440A CN112700440A (zh) | 2021-04-23 |
CN112700440B true CN112700440B (zh) | 2022-11-04 |
Family
ID=75515517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110062737.6A Active CN112700440B (zh) | 2021-01-18 | 2021-01-18 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700440B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538376B (zh) * | 2021-07-15 | 2023-08-08 | 长江存储科技有限责任公司 | 存储阵列的缺陷定位方法、装置、设备及可读存储介质 |
CN113379744B (zh) * | 2021-08-12 | 2021-11-19 | 山东大拇指喷雾设备有限公司 | 基于图像处理的喷嘴装置表面缺陷检测方法与*** |
CN114627092A (zh) * | 2022-03-23 | 2022-06-14 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置、电子设备及可读存储介质 |
CN116168034B (zh) * | 2023-04-25 | 2023-07-18 | 深圳思谋信息科技有限公司 | 编织物的缺陷检测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013018207A1 (ja) * | 2011-08-03 | 2013-02-07 | 東洋ガラス株式会社 | 容器口部検査方法及び装置 |
CN103606169A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖缺陷的方法 |
CN107231521A (zh) * | 2017-04-29 | 2017-10-03 | 安徽慧视金瞳科技有限公司 | 一种仪表读数识别用相机自动定位方法 |
CN109816675A (zh) * | 2018-12-28 | 2019-05-28 | 歌尔股份有限公司 | 物体的检测方法、检测装置及存储介质 |
CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
CN111553344A (zh) * | 2020-04-17 | 2020-08-18 | 携程旅游信息技术(上海)有限公司 | 文本图像的倾斜校正方法、***、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015175761A (ja) * | 2014-03-17 | 2015-10-05 | 株式会社神戸製鋼所 | 表面疵検出方法、及び表面疵検出装置 |
CN105303192B (zh) * | 2015-09-08 | 2019-03-26 | 苏州大学张家港工业技术研究院 | 一种基于混合描述子的形状匹配方法及*** |
JP7167615B2 (ja) * | 2018-10-05 | 2022-11-09 | コニカミノルタ株式会社 | 画像検査装置、画像検査方法及び画像検査プログラム |
-
2021
- 2021-01-18 CN CN202110062737.6A patent/CN112700440B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013018207A1 (ja) * | 2011-08-03 | 2013-02-07 | 東洋ガラス株式会社 | 容器口部検査方法及び装置 |
CN103606169A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖缺陷的方法 |
CN107231521A (zh) * | 2017-04-29 | 2017-10-03 | 安徽慧视金瞳科技有限公司 | 一种仪表读数识别用相机自动定位方法 |
CN109816675A (zh) * | 2018-12-28 | 2019-05-28 | 歌尔股份有限公司 | 物体的检测方法、检测装置及存储介质 |
CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
CN111553344A (zh) * | 2020-04-17 | 2020-08-18 | 携程旅游信息技术(上海)有限公司 | 文本图像的倾斜校正方法、***、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112700440A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700440B (zh) | 物体缺陷检测方法、装置、计算机设备及存储介质 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及*** | |
US20230326006A1 (en) | Defect detection method and device for an lcd screen | |
WO2022088663A1 (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN114627092A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN112577969A (zh) | 一种基于机器视觉的缺陷检测方法以及缺陷检测*** | |
CN111912846A (zh) | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 | |
CN113820333B (zh) | 电池极片异常检测方法、装置、上位机及检测*** | |
TWI765442B (zh) | 瑕疵等級判定的方法及存儲介質 | |
US20210183037A1 (en) | Image processing device, image processing method, and image processing non-transitory computer readable medium | |
CN111898610A (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
RU2438174C1 (ru) | Способ распознавания объектов | |
CN113284113A (zh) | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
Shreya et al. | Design of machine vision system for high speed manufacturing environments | |
CN115035015A (zh) | 图片处理方法、装置、计算机设备及存储介质 | |
CN114445405B (zh) | 一种圆孔均匀性检测的方法和*** | |
CN111046878A (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
JPH09178427A (ja) | 画像位置計測方法 | |
CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 | |
CN117098106B (zh) | 一种蓝牙测试方法、装置、电子设备及存储介质 | |
CN116500042B (zh) | 缺陷检测方法、装置、***及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |