【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种设备壳体的缺陷检测方法、装置、电子设备及存储介质。
技术介绍
1、随着现在的产线自动化程度越来越高，设备的组装生产加工工艺越来越成熟，设备壳体出现缺陷的概率大大降低。但同时客户对于设备品质的追求越来越高，设备壳体上微小缺陷依然产品会产品质量的影响较大，也影响客户对于产品的体验感。目前，通常采用人工检测的方式，对设备壳体上存在的缺陷进行检测，采用人工检测缺陷的方式存在极大的不稳定性及人工成本过高等问题，并且漏检率和误检率过高，无法保证设备壳体的质量。
技术实现思路
1、本申请实施例公开了一种设备壳体的缺陷检测方法、装置、电子设备及存储介质，能够准确检测出设备壳体上的缺陷，保证了设备壳体的质量。
2、第一方面，本申请实施例公开了一种设备壳体的缺陷检测方法，包括：
3、获取设备壳体对应的多张待检测图像，所述多张待检测图像分别对应所述设备壳体的不同壳体区域；
4、识别第一待检测图像与所述设备壳体对应的感兴趣区域；所述第一待检测图像为任一待检测图像；
5、通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果，所述缺陷检测结果包括缺陷类别和/或缺陷区域信息；
6、将所述多张待检测图像分别对应的缺陷检测结果进行统计，并根据统计结果确定所述设备壳体对应的质量检测结果。
7、作为一种可选的实施方式，在本申请实施例的第一方面中，所述识别第一待检测图像与所述设备壳体对
8、根据第一待检测图像中每列像素点的灰度值均值，确定所述第一待检测图像对应的基准边；
9、根据所述基准边及预设尺寸，确定所述第一待检测图像与所述设备壳体对应的感兴趣区域。
10、作为一种可选的实施方式，在本申请实施例的第一方面中，所述根据第一待检测图像中每列像素点的灰度值均值，确定所述第一待检测图像对应的基准边，包括：
11、按照预设图像方向，依次计算所述第一待检测图像中每列像素点的灰度值均值；
12、若检测到当前列像素点对应的灰度值均值大于灰度阈值，则将所述当前列像素点作为所述第一待检测图像对应的基准边。
13、作为一种可选的实施方式，在本申请实施例的第一方面中，在所述通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果之前，所述方法还包括：
14、对所述感兴趣区域进行图像分割，得到多个检测子图像；
15、所述通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果，包括：
16、通过缺陷分割模型分别对各个所述检测子图像进行缺陷检测，得到各个所述检测子图像对应的缺陷检测结果，并将所述多个检测子图像分别对应的缺陷检测结果作为所述第一待检测图像对应的缺陷检测结果。
17、作为一种可选的实施方式，在本申请实施例的第一方面中，所述检测子图像对应的缺陷检测结果包括所述检测子图像中的各个缺陷对应的缺陷类别、缺陷区域信息及缺陷置信度；
18、在所述将所述多张待检测图像分别对应的缺陷检测结果进行统计之前，所述方法还包括：
19、根据所述多个检测子图像分别对应的缺陷检测结果，将缺陷置信度大于置信度阈值的缺陷对应的缺陷类别及缺陷区域信息添加到目标集合；
20、所述将所述多张待检测图像分别对应的缺陷检测结果进行统计，包括：
21、对所述目标集合中包含的各个缺陷对应的缺陷类别及缺陷区域信息进行统计。
22、作为一种可选的实施方式，在本申请实施例的第一方面中，所述统计结果包括各种缺陷类别包含的缺陷个数、各种缺陷类别包含的缺陷区域总面积、各个缺陷对应的缺陷区域面积、各种缺陷类别包含的缺陷区域总长度、各个缺陷对应的缺陷区域长度中的一种或多种；
23、所述根据统计结果确定所述设备壳体对应的质量检测结果，包括：
24、若检测到第一缺陷类别包含的缺陷个数大于所述第一缺陷类别对应的数量阈值，则确定所述设备壳体对应的质量检测结果为质量检测不合格；所述第一缺陷类别为任一缺陷类别；和/或，
25、若检测到所述第一缺陷类别包含的缺陷区域总面积大于第一面积阈值，则确定所述设备壳体对应的质量检测结果为质量检测不合格；和/或，
26、若检测到第一缺陷对应的缺陷区域面积大于第二面积阈值，则确定所述设备壳体对应的质量检测结果为质量检测不合格；所述第一缺陷为任一缺陷；和/或，
27、若检测到所述第一缺陷类别包含的缺陷区域总长度大于第一长度阈值，则确定所述设备壳体对应的质量检测结果为质量检测不合格；和/或，
28、若检测到第一缺陷对应的缺陷区域长度大于第二长度阈值，则确定所述设备壳体对应的质量检测结果为质量检测不合格。
29、作为一种可选的实施方式，在本申请实施例的第一方面中，所述缺陷分割模型是基于deeplab v3+模型构建的，所述缺陷分割模型包括主干网络模块及空洞空间卷积池化金字塔aspp模块；所述主干网络模块包括轻量化卷积神经网络，所述aspp模块中使用条纹池化技术进行池化。
30、第二方面，本申请实施例公开了一种设备壳体的缺陷检测装置，包括：
31、图像获取模块，用于获取设备壳体对应的多张待检测图像，所述多张待检测图像分别对应所述设备壳体的不同壳体区域；
32、识别模块，用于识别第一待检测图像与所述设备壳体对应的感兴趣区域；所述第一待检测图像为任一待检测图像；
33、缺陷检测模块，用于通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果，所述缺陷检测结果包括缺陷类别和/或缺陷区域信息；
34、统计模块，用于将所述多张待检测图像分别对应的缺陷检测结果进行统计，并根据统计结果确定所述设备壳体对应的质量检测结果。
35、第三方面，本申请实施例公开了一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上任一实施例所述的方法。
36、第四方面，本申请实施例公开了一种存储介质，所述存储介质存储计算机程序，所述计算机程序被处理器执行时实现如上任一实施例所述的方法。
37、本申请实施例公开的设备壳体的缺陷检测方法、装置、电子设备及存储介质，获取设备壳体对应的多张待检测图像，多张待检测图像分别对应设备壳体的不同壳体区域；识别第一待检测图像与设备壳体对应的感兴趣区域；第一待检测图像为任一待检测图像；通过缺陷分割模型对感兴趣区域进行缺陷检测，得到第一待检测图像对应的缺陷检测结果，缺陷检测结果包括缺陷类别和/或缺陷区域信息；将多张待检测图像分别对应的缺陷检测结果进行统计，并根据统计结果确定设备壳体对应的质量检测结果。在本申请实施例中，获取设备壳体对应的多张待检测图像本文档来自技高网...
【技术保护点】
1.一种设备壳体的缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述识别第一待检测图像与所述设备壳体对应的感兴趣区域，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据第一待检测图像中每列像素点的灰度值均值，确定所述第一待检测图像对应的基准边，包括：
4.根据权利要求1所述的方法，其特征在于，在所述通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述检测子图像对应的缺陷检测结果包括所述检测子图像中的各个缺陷对应的缺陷类别、缺陷区域信息及缺陷置信度；
6.根据权利要求1所述的方法，其特征在于，所述统计结果包括各种缺陷类别包含的缺陷个数、各种缺陷类别包含的缺陷区域总面积、各个缺陷对应的缺陷区域面积、各种缺陷类别包含的缺陷区域总长度、各个缺陷对应的缺陷区域长度中的一种或多种；
7.根据权利要求1～6任一项所述的方法，其特征在于，所述缺陷分割模型是基于DeepLab V
8.一种设备壳体的缺陷检测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至7任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种设备壳体的缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述识别第一待检测图像与所述设备壳体对应的感兴趣区域，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据第一待检测图像中每列像素点的灰度值均值，确定所述第一待检测图像对应的基准边，包括：
4.根据权利要求1所述的方法，其特征在于，在所述通过缺陷分割模型对所述感兴趣区域进行缺陷检测，得到所述第一待检测图像对应的缺陷检测结果之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述检测子图像对应的缺陷检测结果包括所述检测子图像中的各个缺陷对应的缺陷类别、缺陷区域信息及缺陷置信度；
6.根据权利要求1所述的方法，其特征在于，所述统计结果包括各种缺陷类别包含的缺陷个数、各种缺陷类别包含的缺陷区域总...
【专利技术属性】
技术研发人员：阳建峰，
申请(专利权)人：上海闻泰电子科技有限公司，
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。