一种玻璃缺陷检测方法、装置和电子设备，包括：1)对待检测样品进行扫描以采集不同视野下的图像，并且每种视野下分别具有多种形态的图像；2)将不同视野下的图像输入训练好的ResNet模型判断是否为有意义视野图像，若是，则进入步骤3)，若否，则为无意义视野图像；3)将有意义视野图像进行第一种数据加强得到第一加强图像，将有意义视野图像进行第二种数据加强得到第二加强图像；4)将第一加强图像输入训练好的UNET模型进行分割得到第一分割图像，将第二加强图像输入训练号的UNET模型进行分割得到第二分割图像；5)将第一分割图像和对应的第二分割图像进行融合叠加，得到待检测样品的瑕疵图像。本发明专利技术增加图像前处理和后处理，无需诸多的打光设备、传输带等，使特征更加明显，检测更加准确。检测更加准确。检测更加准确。
【技术实现步骤摘要】
一种玻璃缺陷检测方法、装置和电子设备
[0001]本专利技术涉及玻璃缺陷检测领域，特别是指一种玻璃缺陷检测方法、装置和电子设备。
技术介绍
[0002]工业产品表面缺陷检测，旨在发现各种工业产品的外观瑕疵，是保障产品质量、维持生产稳定的重要技术之一。以往的缺陷检测需要人工筛查，成本高、效率低，难以覆盖大规模的质检需求。近年来，随着工业成像、计算机视觉和深度学习等领域的新技术层出不穷，基于视觉的工业产品表面缺陷检测技术得到了长足的发展，成为了针对产品外观质检的一种有效的解决方案，引发了学术界和工业界的强烈关注。工业缺陷检测不仅可以用于检测各种工业制品，如金属、玻璃、半导体等，而且具有优秀的检测精度与效率，还能提供简便、安全的操作环境。
[0003]工业场景中，因为工厂数据、样品涉及了保密性，导致了数据无法外传。例如，锂电池工厂的保密非常严苛，从进厂开始，就无法打开任何摄像装备，无法接入任何网络环境，更无法对电脑进行拷贝操作。再者，样品的瑕疵率往往是小于千分之一，基于以上两个条件，使得样品的相关瑕疵图像数据十分稀缺，因为即便生产环境中产生了，外部也无法获取。
[0004]另外，目前的缺陷检测方法中，采集图像时，需要通过不同角度的打光使得瑕疵凸显，成本较高，甚至还需要依赖机械手、传输带等配合，欠缺样品图像的前处理或者后处理，降低了基于视觉的工业产品表面缺陷检测的准确度。
技术实现思路
[0005]本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种玻璃缺陷检测方法、装置和电子设备，增加图像前处理和后处理，无需诸多的打光设备、传输带等，使特征更加明显，检测更加准确。
[0006]本专利技术采用如下技术方案：
[0007]一种玻璃缺陷检测方法，其特征在于，包括如下步骤：
[0008]1)对待检测样品进行扫描以采集不同视野下的图像，并且每种视野下分别具有多种形态的图像；
[0009]2)将不同视野下的图像输入训练好的ResNet模型判断是否为有意义视野图像，若是，则进入步骤3)，若否，则为无意义视野图像；
[0010]3)将有意义视野图像进行第一种数据加强得到第一加强图像，将有意义视野图像进行第二种数据加强得到第二加强图像；
[0011]4)将第一加强图像输入训练好的UNET模型进行分割得到第一分割图像，将第二加强图像输入训练号的UNET模型进行分割得到第二分割图像；
[0012]5)将第一分割图像和对应的第二分割图像进行融合叠加，得到待检测样品的瑕疵
图像。
[0013]优选的，步骤1)中，采用EasyZoom超景深仪器对所述待检测样品按照不同的倍数和不同的灯光的组合进行图像采集得到每种视野下的所述多种形态的图像。
[0014]优选的，所述ResNet模型包括卷积层、池化层、全连接层、Softmax层和残差模块；所述卷积层通过卷积操作对输入的图像进行降维和特征抽取；所述池化层用于降维以缩减模型大小；全连接层将抽取的特征进行特征组合得到判断结果，Softmax层对判断结果进行换算；所述残差模块使模型训练易于收敛。
[0015]优选的，所述第一种数据加强为单视野去雾算法，所述第二中数据加强为基于直方图的多通道均衡化处理。
[0016]优选的，所述单视野去雾算法具体包括如下：
[0017]A3.1)对输入的所述有意义视野图像H(x)的三通道取最小值，得到三通道最小值的结果M(x)，对三通道最小值的结果M(x)进行均值滤波，得出均值滤波的结果M
ave
(x)；
[0018]A3.2)求取三通道最小值的结果M(x)中所有元素的均值m
av
，再利用均值滤波的结果M
ave
(x)求环境光值L(x)：
[0019]L(x)＝min(min(ρm
av
,0.9)M
ave
(x),M(x))
[0020]其中，ρ为调节因子；
[0021]A3.3)根据均值滤波的结果M
ave
(x)和所述有意义视野图像H(x)求出大气光值A：
[0022][0023]H
c
(x)表示输入的所述有意义视野图像每个通道；c∈{r,g,b}，表示c通道且隶属于r，g，b通道；
[0024]A3.4)输出第一加强图像F(x)：
[0025][0026]优选的，所述基于直方图的多通道均衡化处理具体包括如下：
[0027]B3.1)对输入的所述有意义视野图像H(x)进行直方图信息统计得到直方图，基于统计的所述直方图信息获取所述直方图的像素强度分布的频率；
[0028]B3.2)计算所述有意义视野图像H(x)的像素强度累计分布频率；
[0029]B3.3)基于步骤B3.1)的所述像素强度分布的频率和步骤B3.2的所述累计分布强度，取得映射关系，结合映射关系对图像各个通道进行映射处理；
[0030]B3.4)将三个通道的图像进行合并得到所述第二加强图像。
[0031]优选的，所述UNET模型包括下采样模块和上采样模块；所述下采样模块用于学习图像内容；所述上采样模块用于根据学习的图像内容恢复图像的位置信息。
[0032]优选的，步骤5)中，将第一分割图像和对应的第二分割图像进行融合叠加，得到待检测样品的瑕疵图像img
result
，具体为：
[0033]img
result
＝img
input1
×
α+img
input2
×
β+γ
[0034]其中，img
input1
代表第一分割图像，α代表第一分割图像的权重，img
input2
代表第二分割图像，β代表第二分割图像的权重，γ代表相加后的权重的偏移值。
[0035]一种玻璃缺陷检测装置，其特征在于，包括：
[0036]数据采集模块，对待检测样品进行扫描以采集不同视野下的图像，并且每种视野下分别具有多种形态的图像；
[0037]ResNet模型模块，将输入的不同视野下的图像进行识别判断是否为有意义视野图像；
[0038]数据加强模块，将有意义视野图像进行第一种数据加强得到第一加强图像，将有意义视野图像进行第二种数据加强得到第二加强图像；
[0039]UNET模型模块，将输入的第一加强图像进行分割得到第一分割图像，将输入的第二加强图像进行分割得到第二分割图像；
[0040]融合叠加模块，将第一分割图像和对应的第二分割图像进行融合叠加，得到待检测样品的瑕疵图像。
[0041]一种电子设备，其特征在于，所述电子设备包括：
[0042]至少一个处理器；以及
[0043]与所述至少一个处理器通信连接的存储器；其中，
[0044]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本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种玻璃缺陷检测方法，其特征在于，包括如下步骤：1)对待检测样品进行扫描以采集不同视野下的图像，并且每种视野下分别具有多种形态的图像；2)将不同视野下的图像输入训练好的ResNet模型判断是否为有意义视野图像，若是，则进入步骤3)，若否，则为无意义视野图像；3)将有意义视野图像进行第一种数据加强得到第一加强图像，将有意义视野图像进行第二种数据加强得到第二加强图像；4)将第一加强图像输入训练好的UNET模型进行分割得到第一分割图像，将第二加强图像输入训练号的UNET模型进行分割得到第二分割图像；5)将第一分割图像和对应的第二分割图像进行融合叠加，得到待检测样品的瑕疵图像。2.如权利要求1所述的一种玻璃缺陷检测方法，其特征在于，步骤1)中，采用EasyZoom超景深仪器对所述待检测样品按照不同的倍数和不同的灯光的组合进行图像采集得到每种视野下的所述多种形态的图像。3.如权利要求1所述的一种玻璃缺陷检测方法，其特征在于，所述ResNet模型包括卷积层、池化层、全连接层、Softmax层和残差模块；所述卷积层通过卷积操作对输入的图像进行降维和特征抽取；所述池化层用于降维以缩减模型大小；全连接层将抽取的特征进行特征组合得到判断结果，Softmax层对判断结果进行换算；所述残差模块使模型训练易于收敛。4.如权利要求1所述的一种玻璃缺陷检测方法，其特征在于：所述第一种数据加强为单视野去雾算法，所述第二中数据加强为基于直方图的多通道均衡化处理。5.如权利要求1所述的一种玻璃缺陷检测方法，其特征在于：所述单视野去雾算法具体包括如下：A3.1)对输入的所述有意义视野图像H(x)的三通道取最小值，得到三通道最小值的结果M(x)，对三通道最小值的结果M(x)进行均值滤波，得出均值滤波的结果M
ave
(x)；A3.2)求取三通道最小值的结果M(x)中所有元素的均值m
av
，再利用均值滤波的结果M
ave
(x)求环境光值L(x)：L(x)＝min(min(ρm
av
,0.9)M
ave
(x),(x))其中，ρ为调节因子；A3.3)根据均值滤波的结果M
ave
(x)和所述有意义视野图像H(x)求出大气光值A：H
c
()表示输入的所述有意义视野图像每个通道；c∈{r,g,b}，表示c通道且隶属于r，g，b通道；A3.4)输出第一加强图像F(x)：6.如权...
【专利技术属性】
技术研发人员：李梓琦，贾守礼，黄慧炜，
申请(专利权)人：麦克奥迪实业集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。