一种设备缺陷视觉检测方法及系统技术方案

本发明专利技术提出了一种设备缺陷视觉检测方法及系统，建立标准图片模型并获得标准特征矩阵，对待检设备图片模型每个图片进行处理获得检测特征矩阵，优化图片处理算法，以逐级递减的方式对各层的图片大小进行选取并卷积，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，对其他图片采取中值过滤算法，提高了设备缺陷检测的准确率。

【技术实现步骤摘要】
一种设备缺陷视觉检测方法及系统
本专利技术涉及图片处理
，特别是涉及一种设备缺陷视觉检测方法、系统及存储介质。
技术介绍
随着人工智能、计算机视觉技术的发展，机器视觉技术在工业场景的应用越来越多，其所占据的地位也越来越高。例如，机器视觉技术应用于工业生产过程中的质量控制环节，通过图片识别、图片检测的方式进行物品图片缺陷检测的方式应运而生。目前对于物品图片缺陷检测的方式，先确定待检测目标的图片中可能存在缺陷的感兴趣区域特征，然后进一步确定感兴趣区域特征中的缺陷信息，这种方式对于物品图片缺陷信息的检测准确率较低，且对获取感兴趣区域特征的算法要求较高。
技术实现思路
基于上述问题，本专利技术提出了一种设备缺陷视觉检测方法、系统及存储介质，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，对于九宫格的其他8张图片，采取中值过滤算法，利用均值、中值过滤算法的优势结合对图片进行处理，提高了检测的准确率。本专利技术的一种设备缺陷视觉检测方法包括：步骤101，建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；步骤102，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；步骤103，对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；步骤104，采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。进一步地，所述建立标准图片模型具体包括：标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向图片为正前方平视或正上方俯视的标准图片。进一步地，所述对待检设备图片模型每个图片进行处理获得经过处理的图片具体包括：对待检设备图片模型每个图片进行降噪处理，将每个图片分为九个区域进行分别处理，对所述九个区域的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，并赋值给当前像素点，以循环遍历方式遍历中心图片所有的像素点；对所述九个区域的其他图片，采取中值过滤算法，将像素灰度值进行排序，取中值灰度值赋值给当前像素点，以循环遍历方式遍历其他图片所有的像素点，输出降噪处理后的待检设备降噪图片模型。进一步地，对所述经过处理的图片进行卷积，提取每个卷积层的特征值并计入检测特征矩阵具体包括：对降噪图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入特征矩阵；卷积层第一层至第四层为金字塔形状，第一层的输出为256，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第一平均灰度值，若第一平均灰度值大于第一预设阈值则标记为1，否则标记为0，将第一平均灰度值赋值给检测特征矩阵；第二层的输出为128，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第二平均灰度值，若第二平均灰度值大于第二预设阈值则标记为1，否则标记为0，将第二平均灰度值赋值给检测特征矩阵；第三层的输出为64，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第三平均灰度值，若第三平均灰度值大于第三预设阈值则标记为1，否则标记为0，将第三平均灰度值赋值给检测特征矩阵；第四层的输出为32，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第四平均灰度值，若第四平均灰度值大于第四预设阈值则标记为1，否则标记为0，将第四平均灰度值赋值给检测特征矩阵。另外，本专利技术还提出了一种设备缺陷视觉检测系统包括：标准比对模块201，用于建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；建模模块202，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；检测模块203，用于对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；比较模块204，用于采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。进一步地，所述建立标准图片模型具体包括：标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向图片为正前方平视或正上方俯视的标准图片。进一步地，所述对待检设备图片模型每个图片进行处理获得经过处理的图片具体包括：对待检设备图片模型每个图片进行降噪处理，将每个图片分为九个区域进行分别处理，对所述九个区域的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，并赋值给当前像素点，以循环遍历方式遍历中心图片所有的像素点；对所述九个区域的其他图片，采取中值过滤算法，将像素灰度值进行排序，取中值灰度值赋值给当前像素点，以循环遍历方式遍历其他图片所有的像素点，输出降噪处理后的待检设备降噪图片模型。进一步地，对所述经过处理的图片进行卷积，提取每个卷积层的特征值并计入检测特征矩阵具体包括：对降噪图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入特征矩阵；卷积层第一层至第四层为金字塔形状，第一层的输出为256，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第一平均灰度值，若第一平均灰度值大于第一预设阈值则标记为1，否则标记为0，将第一平均灰度值赋值给检测特征矩阵；第二层的输出为128，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第二平均灰度值，若第二平均灰度值大于第二预设阈值则标记为1，否则标记为0，将第二平均灰度值赋值给检测特征矩阵；第三层的输出为64，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第三平均灰度值，若第三平均灰度值大于第三预设阈值则标记为1，否则标记为0，将第三平均灰度值赋值给检测特征矩阵；第四层的输出为32，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第四平均灰度值，若第四平均灰度值大于第四预设阈值则标记为1，否则标记为0，将第四平均灰度值赋值给检测特征矩阵。此外，本专利技术还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序执行本专利技术的设备缺陷视觉检测方法。此外，本专利技术还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现本专利技术的设备缺陷视觉检测方法。本专利技术提出了一种设备缺陷视觉检测方法及系统，建立标准图片模型并获得标准特征矩阵，对待检设备图片模型每个图片进行处理获得检测特征矩阵，优化图片处理算法，以逐级递减的本文档来自技高网...

【技术保护点】
1.一种设备缺陷视觉检测方法，其特征在于，所述方法包括：/n步骤101，建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；/n步骤102，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；/n步骤103，对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；/n步骤104，采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。/n

【技术特征摘要】
1.一种设备缺陷视觉检测方法，其特征在于，所述方法包括：
步骤101，建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；
步骤102，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；
步骤103，对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；
步骤104，采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。


2.根据权利要求1所述的方法，其特征在于，所述建立标准图片模型具体包括：标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向图片为正前方平视或正上方俯视的标准图片。


3.根据权利要求1所述的方法，其特征在于，所述对待检设备图片模型每个图片进行处理获得经过处理的图片具体包括：对待检设备图片模型每个图片进行降噪处理，将每个图片分为九个区域进行分别处理，对所述九个区域的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，并赋值给当前像素点，以循环遍历方式遍历中心图片所有的像素点；对所述九个区域的其他图片，采取中值过滤算法，将像素灰度值进行排序，取中值灰度值赋值给当前像素点，以循环遍历方式遍历其他图片所有的像素点，输出降噪处理后的待检设备降噪图片模型。


4.根据权利要求1所述的方法，其特征在于，对所述经过处理的图片进行卷积，提取每个卷积层的特征值并计入检测特征矩阵具体包括：
对降噪图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入特征矩阵；
卷积层第一层至第四层为金字塔形状，第一层的输出为256，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第一平均灰度值，若第一平均灰度值大于第一预设阈值则标记为1，否则标记为0，将第一平均灰度值赋值给检测特征矩阵；第二层的输出为128，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第二平均灰度值，若第二平均灰度值大于第二预设阈值则标记为1，否则标记为0，将第二平均灰度值赋值给检测特征矩阵；第三层的输出为64，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第三平均灰度值，若第三平均灰度值大于第三预设阈值则标记为1，否则标记为0，将第三平均灰度值赋值给检测特征矩阵；第四层的输出为32，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第四平均灰度值，若第四平均灰度值大于第四预设阈值则标记为1，否则标记为0，将第四平均灰度值赋值给检测特征矩阵。


5.一种设备缺陷视觉检测系统，其特征在于，所述系统包括：标准比对模块（201）、建模模块（202）、检测模块（203）以及比较模块（204）；
标准比对模块（201），用于建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入...

【专利技术属性】
技术研发人员：孙伟，
申请(专利权)人：深圳市菲凡数据科技有限公司，
类型：发明
国别省市：广东;44