【技术实现步骤摘要】
本专利技术涉及缺陷检测，具体而言，涉及一种缺陷灰度统一衡量方法、系统、设备及存储介质。
技术介绍
1、在工业制造过程中，由于制造工艺波动、机台差异等因素会产生各种各样的产品缺陷，严重影响产品质量，因此需要使用大量人力对产品缺陷进行识别分类。随着工业制造的发展，越来越多的电子制造商开始采用计算机视觉方法检测产品质量，在部分工业检测过程中，对于目标检测模型检出的缺陷有时需要使用cv后处理进行缺陷二次过滤，并且最终的过滤结果需要与人工设定的阈值进行比较，从而判断缺陷是否满足检出标准。然而，目前，针对目标检测模型检出的区域，无法确定使用较大灰度还是较小灰度作为判断标准，即亮（缺陷灰度大于背景灰度）、暗（缺陷灰度小于背景灰度）缺陷在灰度空间内计算时，无法使两种不同程度的缺陷计算出相同值，即无法统一亮、暗缺陷灰度衡量标准。
技术实现思路
1、本专利技术提供一种缺陷灰度统一衡量方法、系统、设备及存储介质，解决了现有技术无法统一缺陷灰度衡量标准的问题。
2、在第一方面，本专利技术实施例中提供一种缺陷灰度统一衡量方法，所述方法流程如下：
3、将待检测工业图像输入目标检测模型进行缺陷检测，以得到缺陷位置坐标；
4、基于缺陷位置坐标进行缺陷灰度检测，以得到缺陷的最小灰度值、最大灰度值以及背景的平均灰度值；
5、获取灰度空间和切线空间的空间转换系数，并且基于空间转换系数将最小灰度值、最大灰度值以及平均灰度值从灰度空间转换到切线空间，以得到最小切线值、最大切线
6、基于最小切线值、最大切线值以及平均切线值进行缺陷灰度统一，以得到缺陷灰度统一衡量结果。
7、于上述实施例中，本专利技术首先基于平均灰度值构建空间转换系数，并且基于空间转换系数将最小灰度值、最大灰度值从灰度空间转换到切线空间，以此统一灰度衡量标准，便于后期快速、准确地对缺陷灰度统一衡量结果进行阈值判定。
8、作为本申请一些可选实施方式，将待检测工业图像输入目标检测模型进行缺陷检测之前，需要对目标检测模型进行模型训练。
9、于上述实施例中，本专利技术基于深度学习技术对待检测工业图像进行缺陷检测，能够快速获取缺陷类型以及缺陷位置坐标。
10、作为本申请一些可选实施方式，对目标检测模型进行模型训练的流程如下：
11、采集历史工业图像，并且对历史工业图像进行缺陷类型以及缺陷位置的标注，以形成缺陷训练集；
12、对缺陷训练集中的历史工业图像进行图像增强处理，并且输入深度学习网络模型进行迭代训练，以得到目标检测模型。
13、于上述实施例中，本专利技术将历史工业图像进行标注以及图像增强处理，使得迭代训练的目标检测模型能够准确地进行缺陷的识别以及缺陷位置坐标的输出。
14、作为本申请一些可选实施方式，对缺陷训练集中的历史工业图像进行图像增强处理的流程如下：
15、对缺陷训练集中的历史工业图像进行正向傅里叶变换，将历史工业图像从时域转换到频域；
16、对频域的历史工业图像进行高频过滤处理以及逆向傅里叶变换，将历史工业图像从频域转换到时域。
17、于上述实施例中，本专利技术通过对历史工业数据进行正向傅里叶变换、高频滤波以及逆向傅里叶变换，能够增强图像的饱和度，便于后续进行一系列图像的处理。
18、作为本申请一些可选实施方式，基于缺陷位置坐标进行缺陷灰度检测，以得到缺陷的最小灰度值、最大灰度值以及背景的平均灰度值的流程如下：
19、遍历缺陷位置坐标，以获取缺陷的所有像素点的灰度值，并且对缺陷的所有像素点的灰度值进行灰度校验，以得到缺陷的最小灰度值以及最大灰度值；
20、基于缺陷位置坐标生成缺陷目标框，并且基于缺陷目标框向外辐射状获取背景的所有像素点的灰度值，并且对背景的所有像素点的像素值进行均值校验，以得到背景的平均灰度值。
21、于上述实施例中，本专利技术基于缺陷目标框向外辐射状获取相应的像素值，并且对像素值进行均值校验，能够获取与背景图像非常近似的平均灰度值，使得后续获取的空间转换系数以及缺陷灰度统一衡量结果更加准确。
22、作为本申请一些可选实施方式，所述空间转换系数的计算公式如下：
23、
24、其中，m表示空间转换系数，c表示背景的平均灰度值。
25、于上述实施例中，本专利技术基于平均灰度值构建空间转换系数，使得后续缺陷灰度统一衡量结果更加准确。
26、作为本申请一些可选实施方式，所述最小切线值、最大切线值以及平均切线值的计算公式如下：
27、；；
28、其中，a表示最小切线值，b表示最大切线值，c表示平均切线值，a表示缺陷的最小灰度值，b表示缺陷的最大灰度值，c表示背景的平均灰度值。
29、于上述实施例中，本专利技术将缺陷的最小灰度值、最大灰度值以及背景的平均灰度值乘以空间转换参数，即将背景灰度逼近π/4，若转换后值大于π/2，则直接取π/2。
30、作为本申请一些可选实施方式，基于最小切线值、最大切线值以及平均切线值进行缺陷灰度统一，以得到缺陷灰度统一衡量结果的流程如下：
31、计算最小切线值以及最大切线值与平均切线值的比值，以得到第一切线比值a/c和第二缺陷比值b/c；
32、对第一切线比值a/c和第二缺陷比值b/c进行数值比较，并且将数值较小的数据作为缺陷灰度统一衡量结果。
33、于上述实施例中，本专利技术使用切线转换的方式将灰度空间从0到255映射到0都正无穷后，计算第一切线比值a/c和第二缺陷比值b/c（比值大于1时，则直接取倒数），并且从中挑选之间较小的一个（趋近于0，则更严重），为最终的缺陷灰度统一衡量结果。
34、在第二方面，本专利技术提供一种缺陷灰度统一衡量系统，所述系统包括：
35、目标缺陷检测单元，所述目标缺陷检测单元用于将待检测工业图像输入目标检测模型进行缺陷检测，以得到缺陷位置坐标；
36、缺陷灰度检测单元，所述缺陷灰度检测单元基于缺陷位置坐标进行缺陷灰度检测，以得到缺陷的最小灰度值、最大灰度值以及背景的平均灰度值；
37、切线空间转换单元，所述切线空间转换单元用于获取灰度空间和切线空间的空间转换系数，并且基于空间转换系数将最小灰度值、最大灰度值以及平均灰度值从灰度空间转换到切线空间，以得到最小切线值、最大切线值以及平均切线值；
38、缺陷灰度统一单元，所述缺陷灰度统一单元基于最小切线值、最大切线值以及平均切线值进行缺陷灰度统一，以得到缺陷灰度统一衡量结果。
39、在第三方面，本专利技术提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的算机程序，所述处理器执行计算机程序时实现所述一种缺陷灰度统一衡量方法。
40、在第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所本文档来自技高网...
【技术保护点】
1.一种缺陷灰度统一衡量方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，将待检测工业图像输入目标检测模型进行缺陷检测之前，需要对目标检测模型进行模型训练。
3.根据权利要求2所述的一种缺陷灰度统一衡量方法，其特征在于，对目标检测模型进行模型训练的流程如下：
4.根据权利要求3所述的一种缺陷灰度统一衡量方法，其特征在于，对缺陷训练集中的历史工业图像进行图像增强处理的流程如下：
5.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，基于缺陷位置坐标进行缺陷灰度检测，以得到缺陷的最小灰度值、最大灰度值以及背景的平均灰度值的流程如下：
6.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，所述空间转换系数的计算公式如下：
7.根据权利要求6所述的一种缺陷灰度统一衡量方法，其特征在于，所述最小切线值、最大切线值以及平均切线值的计算公式如下：
8.根据权利要求7所述的一种缺陷灰度统一衡量方法，其特征在于，基于最小切线值、最大切线值以及平均
9.一种缺陷灰度统一衡量系统，其特征在于，所述系统包括：
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行计算机程序时实现权利要求1-8中任一项所述一种缺陷灰度统一衡量方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1-8中任一项所述一种缺陷灰度统一衡量方法。
...【技术特征摘要】
1.一种缺陷灰度统一衡量方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，将待检测工业图像输入目标检测模型进行缺陷检测之前，需要对目标检测模型进行模型训练。
3.根据权利要求2所述的一种缺陷灰度统一衡量方法，其特征在于，对目标检测模型进行模型训练的流程如下：
4.根据权利要求3所述的一种缺陷灰度统一衡量方法，其特征在于，对缺陷训练集中的历史工业图像进行图像增强处理的流程如下：
5.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，基于缺陷位置坐标进行缺陷灰度检测，以得到缺陷的最小灰度值、最大灰度值以及背景的平均灰度值的流程如下：
6.根据权利要求1所述的一种缺陷灰度统一衡量方法，其特征在于，所述空间转换系数的计算公式如下：
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：成都数之联科技股份有限公司，
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。