【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种偏位缺陷检测方法、装置、电子设备及存储介质。
技术介绍
1、现代工业生产中，产品质量的要求越来越高，传统的工业偏位缺陷检测主要集中在表面缺陷的识别上，例如裂纹、凹陷或颜色不均匀等，这些缺陷往往直接影响产品的外观和基本功能，因此容易受到重视。然而，除了表面缺陷之外，还存在一种更为普遍的缺陷类型--位置偏移，简称偏位。
2、相关技术中，通过图像处理手法提取出零件的某条边缘，然后同类似的方式定位到基准区域的边缘，通过计算这两个边缘之间的距离的方式来判断零件是否有偏位，如果两个边缘相距非常接近或者非常远，则代表着出现了偏位的缺陷。但是图像检测时会因为生产中来料情况存在较大差异，零件表面的反光程度、零件的褶皱程度、基准区域的车铣质量等参差不齐，导致零件和基准区域的像素值波动较大，很难用一套参数稳定获取到边缘位置，容易存在过检和漏检的问题。还可以直接利用目标检测模型来检测偏位缺陷，目前主要利用的检测模型主要是利用通用的目标检测模型去识别出现了偏位特征的零件区域，但是传统的基于监督训练的检测方法在面对高度复杂和多变的生产环境时，需要过多的训练样本而且很难具备较高的泛化能力，需要对每一种偏位方向都需要收集一定量的缺陷样本才能够具备较好的检测精度，现有的偏位检测结果不够精确。
技术实现思路
1、本申请提供了一种偏位缺陷检测方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
2、根据本申请的第一方面，提供了一种偏位缺陷检测方法
3、获取预先标注的缺陷图像，得到训练集；
4、对所述预先标注的缺陷图像进行处理，得到处理数据；
5、基于所述处理数据对预构建的初始分割模型的初始损失函数进行优化，得到目标损失函数；
6、基于所述训练集以及所述目标损失函数对所述初始分割模型进行训练，得到目标分割模型；
7、将待测零件的待测图像输入所述目标分割模型，得到所述待测零件零件区域及所述待测零件基准区域的边缘位置；
8、基于所述待测零件零件区域及所述待测零件基准区域的边缘位置，确定所述待测零件是否存在偏位缺陷。
9、在一可实施方式中，所述对所述预先标注的缺陷图像进行处理，得到处理数据，包括：
10、将所述预先标注的缺陷图像调整为预设尺寸的缺陷图像；
11、对所述预设尺寸的缺陷图像进行边缘梯度处理，得到边缘梯度图；
12、对所述边缘梯度图进行形态学膨胀操作，得到膨胀图像；
13、基于预设二值化阈值对所述膨胀图像进行二值化处理，得到二值化图像；其中，将所有得到的二值化图像作为处理数据。
14、在一可实施方式中，所述基于所述处理数据对预构建的初始分割模型的初始损失函数进行优化，得到目标损失函数，包括：
15、获取所述初始损失函数，所述初始损失函数用于表征所述初始分割模型对缺陷图像进行计算后得到的分割结果与预先标注的缺陷图像之间每个像素点的差异；
16、基于所述初始损失函数确定所述处理数据中的缺陷图像的像素值为预设值的像素点位置；
17、确定所述像素点位置的像素点与预先标注的缺陷图像的像素点之间的像素点差异值，舍弃所述像素点差异值低于第一阈值的像素点差异值；
18、基于预设的倍率系数和舍弃后剩余的像素点差异值对所述初始损失函数进行更新，得到目标损失函数。
19、在一可实施方式中，采用以下方式计算目标损失函数，
20、
21、ei,j＝(segi,j-maski,j)2,(i＝0,...w,j＝0,...,h)
22、其中，loss为目标损失函数，i为缺陷图像中每个像素点的横坐标，j为缺陷图像中每个像素点的纵坐标，n为图像个数，w为缺陷图像的宽度，h为缺陷图像的高度，ei,j为初始分割模型的分析结果和预先标注的缺陷图像在ij这个像素点位置上像素点的差异，segi，j为初始分割模型的分析结果在ij这个像素点位置上像素点，maski，j为预先标注的缺陷图像在ij这个像素点位置上像素点，g′i，j为训练接中缺陷图像在ij这个像素点位置上像素点，e'i，j为目标分割模型的分析结果和预先标注的缺陷图像在ij这个像素点位置上像素点的差异。
23、在一可实施方式中，所述将待测零件的待测图像输入所述目标分割模型，得到所述待测零件零件区域及所述待测零件基准区域的边缘位置，包括：
24、获取无缺陷零件图像的基准区域轮廓；
25、将获取的待测零件的待测图像输入所述目标分割模型，得到所述待测零件的待测轮廓及所述待测零件的零件区域外轮廓；
26、利用轮廓匹配算法基于所述基准区域轮廓与所述待测轮廓确定无缺陷图像与待测图像之间的仿射变换关系，以将所述基准区域轮廓映射至所述待测图像中对应位置，得到判定图；
27、基于所述判定图确定所述待测零件是否存在偏位缺陷。
28、在一可实施方式中，所述基于所述判定图确定所述待测零件是否存在偏位缺陷，包括：
29、确定所述判定图中的零件区域外轮廓；
30、确定所述零件区域外轮廓中的每个轮廓点是否超出所述基准区域轮廓范围；
31、统计超出所述基准区域轮廓范围的所有轮廓点，计算所述轮廓点与所述基准区域轮廓的距离；
32、根据距离值确定所述待测零件是否存在偏位缺陷。
33、在一可实施方式中，所述根据距离值确定所述待测零件是否存在偏位缺陷，包括：
34、确定所有距离值中的最大值，将所述最大值与第二阈值进行对比，当所述最大值超过所述第二阈值时，确定所述待测零件存在偏位缺陷。
35、在一可实施方式中，所述根据距离值确定所述待测零件是否存在偏位缺陷，包括：
36、确定具有距离值的轮廓点的个数，将所述个数与个数阈值进行对比，当所述个数超过所述个数阈值时，确定所述待测零件存在偏位缺陷。
37、在一可实施方式中，所述获取无缺陷零件图像的基准区域轮廓，包括：
38、将所述无缺陷图像输入所述目标分割模型，得到所述无缺陷图像的基准区域的第一边缘；
39、对所述第一边缘进行二值化处理，得到所述基准区域轮廓。
40、在一可实施方式中，所述将获取的待测零件的待测图像输入所述目标分割模型，得到所述待测零件的待测轮廓及所述待测零件的零件区域外轮廓，包括：
41、将获取的待测零件的待测图像输入所述目标分割模型；
42、所述目标分割模型利用骨架提取算法提取所述待测零件的待测轮廓及所述待测零件的零件区域外轮廓。
43、根据本申请的第二方面，提供了一种偏位缺陷检测装置，所述装置包括：
44、获取模块，用于获取预先标注的缺陷图像，得到训练集；
45、处理模块，用于对所述预先标注的缺陷图像进行处理，得到处理本文档来自技高网...
【技术保护点】
1.一种偏位缺陷检测方法，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，所述对所述预先标注的缺陷图像进行处理，得到处理数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述处理数据对预构建的初始分割模型的初始损失函数进行优化，得到目标损失函数，包括：
4.根据权利要求3所述的方法，其特征在于，采用以下方式计算目标损失函数，
5.根据权利要求1所述的方法，其特征在于，所述将待测零件的待测图像输入所述目标分割模型，得到所述待测零件零件区域及所述待测零件基准区域的边缘位置，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述判定图确定所述待测零件是否存在偏位缺陷，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据距离值确定所述待测零件是否存在偏位缺陷，包括：
8.一种偏位缺陷检测装置，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：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机
...【技术特征摘要】
1.一种偏位缺陷检测方法，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，所述对所述预先标注的缺陷图像进行处理，得到处理数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述处理数据对预构建的初始分割模型的初始损失函数进行优化，得到目标损失函数，包括：
4.根据权利要求3所述的方法，其特征在于，采用以下方式计算目标损失函数，
5.根据权利要求1所述的方法，其特征在于，所述将待测零件的待测图像输入所述目标分割模型，得到所述待测零件零件区域及...
【专利技术属性】
技术研发人员：张武杰，
申请(专利权)人：中科慧远视觉技术洛阳有限公司，
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。