【技术实现步骤摘要】
本申请涉及缺陷检测领域，特别是涉及产品表面缺陷检测方法和系统。
技术介绍
1、外观检测是一些产品（如，圆柱形电池）制造过程中的关键质量控制步骤之一，通常分为三种主要方法：人工检测、传统2d图像检测以及基于深度学习的检测。
2、人工检测依赖于工作人员的视觉判断来识别缺陷，效率低，且长时间的重复工作容易导致操作者视觉疲劳，影响判断准确性；传统的2d图像检测技术通过高分辨率相机捕捉电池表面的图像，利用图像处理技术来识别缺陷，2d图像检测受拍摄角度、光照条件的影响较大，可能导致缺陷的成像质量不佳，使得一些细微的或低对比度的缺陷难以被准确识别；深度学习检测方法通过训练算法模型自动识别和分类电池表面的缺陷，深度学习模型通常需要大量的标注数据进行训练，对于样本量少的特定缺陷，检测能力可能会下降。
3、目前针对相关技术中产品表面缺陷检测准确率低的问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种产品表面缺陷检测方法、系统、电子设备和存储介质，以至少解决相关技术中产品表面缺陷检测准确率低的问题。
2、第一方面，本申请实施例提供了一种产品表面缺陷检测方法，所述方法包括：
3、通过2.5d成像系统获取目标物体的2.5d图像集，所述2.5d成像系统包括高速线扫相机和高速条纹线扫光源；
4、对所述2.5d图像集中的图像进行背景去除，得到所述目标物体的主体2.5d图像集；
5、从所述主体2.5d图像集中获取平均图，基
6、在其中一些实施例中，所述基于背景模糊差分方法，根据所述平均图对所述目标物体进行的表面缺陷检测包括：
7、基于形态学腐蚀操作和形态学膨胀操作，根据所述平均图，生成第一腐蚀图和背景差分图；
8、对所述背景差分图进行二值化，并对所述第一腐蚀图和二值化后的所述背景差分图进行与运算，得到所述目标物体的缺陷数据。
9、在其中一些实施例中，所述根据所述平均图，生成第一腐蚀图包括：
10、对所述平均图进行二值化，得到目标掩图；
11、对所述目标掩图进行内部空洞填充，得到无空洞掩图；
12、基于所述形态学腐蚀操作，根据所述无空洞掩图得到所述第一腐蚀图。
13、在其中一些实施例中，所述根据所述平均图，生成背景差分图包括：
14、对所述平均图进行所述形态学膨胀操作，得到膨胀图；
15、对所述膨胀图进行所述形态学腐蚀操作，得到第二腐蚀图；
16、根据所述第二腐蚀图和所述平均图的像素绝对差值，生成所述背景差分图。
17、在其中一些实施例中，所述表面缺陷数据包括缺陷在所述平均图中的坐标数据，所述方法还包括：
18、获取所述目标物体的3d点云图；
19、将所述3d点云图与所述平均图对齐，根据对齐结果和所述缺陷在所述平均图中的坐标数据，得到所述缺陷在所述3d点云图中的3d坐标数据；
20、基于所述3d坐标数据，从所述3d点云图中获取所述目标物体表面缺陷的3d数据。
21、在其中一些实施例中，所述缺陷在所述平均图中的坐标数据包括所述缺陷在所述平均图中的缺陷外接矩形框，以及所述缺陷外接矩形框的2.5d坐标数据；
22、所述将所述3d点云图与所述平均图对齐，根据对齐结果和缺陷在所述平均图中的坐标数据，得到所述缺陷在所述3d点云图中的3d坐标数据包括：
23、根据所述主体2.5d图像集，生成所述目标物体的第一主体外接矩形框；
24、对所述3d点云图进行背景去除，得到所述目标物体的第二主体外接矩形框；
25、根据所述2.5d坐标数据、所述第一主体外接矩形框和所述第二主体外接矩形框，确定所述缺陷外接矩形框在所述3d点云图中的3d坐标数据。
26、在其中一些实施例中，所述方法还包括：
27、将所述缺陷数据与预设缺陷阈值进行比较，
28、若所述缺陷数据小于等于预设缺陷阈值，则所述目标物体为合格品，
29、若所述缺陷数据大于预设缺陷阈值，则所述目标物体为不合格品。
30、第二方面，本申请实施例提供了一种产品表面缺陷检测系统，所述系统包括：获取模块、处理模块和检测模块，其中，
31、所述获取模块，用于通过2.5d成像系统获取目标物体的2.5d图像集，所述2.5d成像系统包括高速线扫相机和高速条纹线扫光源；
32、所述处理模块，用于对所述2.5d图像集中的图像进行背景去除，得到所述目标物体的主体2.5d图像集；
33、所述检测模块，用于从所述主体2.5d图像集中获取平均图，基于背景模糊差分方法，根据所述平均图对所述目标物体进行的表面缺陷检测，所述平均图由光源在不同相位下获取的图像合成，是所述目标物体的表面亮度均匀分布图。
34、第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的产品表面缺陷检测方法。
35、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的产品表面缺陷检测方法。
36、相比于相关技术，本申请实施例提供的产品表面缺陷检测方法，通过2.5d成像系统获取目标物体的2.5d图像集，2.5d成像系统包括高速线扫相机和高速条纹线扫光源，对2.5d图像集中的图像进行背景去除，得到目标物体的主体2.5d图像集，从主体2.5d图像集中获取平均图，基于背景模糊差分方法，根据平均图对目标物体进行的表面缺陷检测，平均图由光源在不同相位下获取的图像合成，是目标物体的表面亮度均匀分布图，解决了产品表面缺陷检测准确率低的问题，通过2.5d成像系统获取的2.5d图像集，细微缺陷成像效果好，通过背景模糊差分方法检测缺陷，能够从图像中剔除背景噪声，使得缺陷的对比度增加，提高了缺陷检测的准确率。
本文档来自技高网...【技术保护点】
1.一种产品表面缺陷检测方法，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，所述基于背景模糊差分方法，根据所述平均图对所述目标物体进行的表面缺陷检测包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述平均图，生成第一腐蚀图包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述平均图，生成背景差分图包括：
5.根据权利要求2所述的方法，其特征在于，所述表面缺陷数据包括缺陷在所述平均图中的坐标数据，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述缺陷在所述平均图中的坐标数据包括所述缺陷在所述平均图中的缺陷外接矩形框，以及所述缺陷外接矩形框的2.5D坐标数据；
7.根据权利要求2所述的方法，其特征在于，所述方法还包括：
8.一种产品表面缺陷检测系统，其特征在于，所述系统包括：获取模块、处理模块和检测模块，其中，
9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述
10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述的产品表面缺陷检测方法。
...【技术特征摘要】
1.一种产品表面缺陷检测方法，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，所述基于背景模糊差分方法，根据所述平均图对所述目标物体进行的表面缺陷检测包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述平均图，生成第一腐蚀图包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述平均图，生成背景差分图包括：
5.根据权利要求2所述的方法，其特征在于，所述表面缺陷数据包括缺陷在所述平均图中的坐标数据，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述缺陷在所述平均图中的坐标数据包括所述缺陷...
【专利技术属性】
技术研发人员：韩昭嵘，丁丁，郁梦辉，
申请(专利权)人：杭州灵西机器人智能科技有限公司，
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。