【技术实现步骤摘要】
本说明书实施例涉及图像处理，特别涉及缺陷检测方法。
技术介绍
1、在工业视觉中产品的外观瑕疵检测是表面检测行业使用最广泛的一个功能，但是由于瑕疵的种类各不相同，在同一个采集位置有可能会出现某些角度的缺陷呈现出对比度较弱的情况，但该类缺陷对于产品的质量也会带来影响，需要对这种弱对比度的缺陷进行检测，来保证有质量瑕疵的这类弱对比缺陷能够不流出市场，减少客户投诉，提高产品的质量。
2、由于材料本身，设备故障，外界因素，人为因素的影响，会导致表面缺陷的产生，表面的缺陷会对机械性能，产品外观，产品的质量和使用性能，比如抗腐蚀性、抗磨性以及疲劳极限，因此对于表面缺陷视觉检测和判断在卷材生产过程中就有很重要的作用。表面缺陷视觉检测是利用机器视觉原理，综合图像处理、模式识别和人工智能等技术对物体的运动、形状、姿态进行分析以及对物体几何尺寸等物理参数进行准确的非接触在线检测的过程。随着现代化工业的飞速发展，各类工业都提出了在线非接触无损检测的要求，使得机器视觉检测得到研究者的广泛关注。在工业视觉中产品的外观瑕疵检测是表面检测行业使用最广泛的一个功能，但是由于瑕疵的种类各不相同，在同一个采集位置有可能会出现某些角度的缺陷呈现出对比度较弱的情况，这类缺陷对于检测系统来说容易产生漏检，精准度低。由此，亟需一种更好的方案。
技术实现思路
1、有鉴于此，本说明书实施例提供了缺陷检测方法。本说明书一个或者多个实施例同时涉及缺陷检测装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现
2、根据本说明书实施例的第一方面，提供了一种缺陷检测方法，包括：
3、获取初始缺陷图像，对初始缺陷图像进行优化处理，得到目标缺陷图像；
4、基于目标缺陷图像进行特征提取，得到初始缺陷特征图像；
5、基于初始缺陷特征图像进行特征增强处理，得到目标缺陷特征图像；
6、基于目标缺陷特征图像进行图像提取，得到局部缺陷图像；
7、对局部缺陷图像进行图像分析，确定缺陷区域。
8、在一种可能的实现方式中，对初始缺陷图像进行优化处理，得到目标缺陷图像，包括：
9、基于预设滤波规则对初始缺陷图像进行滤波，得到滤波图像；
10、基于预设增强规则对滤波图像进行高频增强，得到第一增强图像；
11、确定缩小倍率，基于缩小倍率对第一增强图像进行图像缩放，得到目标缺陷图像。
12、在一种可能的实现方式中，基于目标缺陷图像进行特征提取，得到初始缺陷特征图像，包括：
13、基于目标缺陷图像进行高斯滤波得到均值图像；
14、确定边缘算子，基于边缘算子和目标缺陷图像确定横向边缘图像和纵向边缘图像；
15、基于均值图像、横向边缘图像、纵向边缘图像，得到初始缺陷特征图像。
16、在一种可能的实现方式中，基于均值图像、横向边缘图像、纵向边缘图像，得到初始缺陷特征图像，包括：
17、基于均值图像和横向边缘图像确定第一中间图像；
18、基于均值图像和纵向边缘图像确定第二中间图像；
19、基于均值图像、横向边缘和纵向边缘确定第三中间图像；
20、基于第一中间图像、第二中间图像、第三中间图像以及设定参数，得到初始缺陷特征图像。
21、在一种可能的实现方式中，基于初始缺陷特征图像进行特征增强处理，得到目标缺陷特征图像，包括：
22、基于初始缺陷特征图像进行灰度开运算，得到第二增强图像；
23、对第二增强图像进行高频增强，得到目标缺陷特征图像。
24、在一种可能的实现方式中，基于目标缺陷特征图像进行图像提取，得到局部缺陷图像，包括：
25、确定目标缺陷特征图像的均值和方差；
26、基于均值和方差确定分割阈值，并基于分割阈值和目标缺陷特征图像确定二值图像；
27、基于二值图像确定局部缺陷图像。
28、在一种可能的实现方式中，对局部缺陷图像进行图像分析，确定缺陷区域，包括：
29、对局部缺陷图像进行形态学处理，确定缺陷区域。
30、根据本说明书实施例的第二方面，提供了一种缺陷检测装置，包括：
31、图像优化模块，被配置为获取初始缺陷图像，对初始缺陷图像进行优化处理，得到目标缺陷图像；
32、特征提取模块，被配置为基于目标缺陷图像进行特征提取，得到初始缺陷特征图像；
33、特征增强模块，被配置为基于初始缺陷特征图像进行特征增强处理，得到目标缺陷特征图像；
34、图像提取模块，被配置为基于目标缺陷特征图像进行图像提取，得到局部缺陷图像；
35、缺陷确定模块，被配置为对局部缺陷图像进行图像分析，确定缺陷区域。
36、根据本说明书实施例的第三方面，提供了一种计算设备，包括：
37、存储器和处理器；
38、存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，该计算机可执行指令被处理器执行时实现上述缺陷检测方法的步骤。
39、根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述缺陷检测方法的步骤。
40、根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述缺陷检测方法的步骤。
41、本说明书实施例提供缺陷检测方法、装置、设备及存储介质，其中缺陷检测方法包括：获取初始缺陷图像，对初始缺陷图像进行优化处理，得到目标缺陷图像；基于目标缺陷图像进行特征提取，得到初始缺陷特征图像；基于初始缺陷特征图像进行特征增强处理，得到目标缺陷特征图像；基于目标缺陷特征图像进行图像提取，得到局部缺陷图像；对局部缺陷图像进行图像分析，确定缺陷区域。通过对初始缺陷图像进行优化处理、基于初始缺陷特征图像进行特征增强处理以及基于目标缺陷特征图像进行图像提取，提高了检测精度，并且降低了检测时间，由此实现了更高的检测效率。
本文档来自技高网...【技术保护点】
1.一种缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始缺陷图像进行优化处理，得到目标缺陷图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标缺陷图像进行特征提取，得到初始缺陷特征图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述均值图像、所述横向边缘图像、所述纵向边缘图像，得到初始缺陷特征图像，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述初始缺陷特征图像进行特征增强处理，得到目标缺陷特征图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标缺陷特征图像进行图像提取，得到局部缺陷图像，包括：
7.根据权利要求1所述的方法，其特征在于，所述对所述局部缺陷图像进行图像分析，确定缺陷区域，包括：
8.一种缺陷检测装置，其特征在于，包括：
9.一种计算设备，其特征在于，包括：
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现
...【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始缺陷图像进行优化处理，得到目标缺陷图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标缺陷图像进行特征提取，得到初始缺陷特征图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述均值图像、所述横向边缘图像、所述纵向边缘图像，得到初始缺陷特征图像，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述初始缺陷特征图像进行特征增强处理...
【专利技术属性】
技术研发人员：杨牧，赵亮，李建福，杨辉华，陈建文，张董，
申请(专利权)人：钛玛科北京工业科技有限公司，
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。