瑕疵等级判定的方法及存储介质技术

本发明专利技术提供一种瑕疵等级判定方法包括：获取待测物体的至少一张图像；从所述图像中提取目标瑕疵区域；获取所述目标瑕疵区域的第一特征参数；根据所述第一特征参数依据预设规则得到加权值；获取所述目标瑕疵区域的第二特征参数；根据所述第二特征参数和所述加权值计算瑕疵规格分数；根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级；以及输出所述瑕疵等级。本发明专利技术还提供一种计算机可读存储介质。本发明专利技术能够提高瑕疵等级判定的准确率以及效率。

The method and storage medium of judging defect grade

【技术实现步骤摘要】
瑕疵等级判定的方法及存储介质
本专利技术涉及图像识别
，具体涉及一种瑕疵等级判定的方法及存储介质。
技术介绍
当前产品制造业朝高精度、高质量方向发展。精密金属零部件在加工时，容易出现碰伤、压伤、擦伤等多种瑕疵，且瑕疵尺寸达到微米级。因此产品检测更显重要与困难。为了达到外观质量的要求，自动光学检测(AutomatedOpticalInspection，AOI)设备需要正确的对检测到的瑕疵进行精确的分类及分级。对于瑕疵的分级，由于瑕疵的型态具有随机性以及AOI的局限性，传统的瑕疵分级方法采用的是机器视觉外观瑕疵检测方法。然而，瑕疵的型态非常多变，现有技术中还没有能够涵盖所有瑕疵型态的算法来对瑕疵进行准确检测。因此，现有的图像处理技术对于此种型态多变的检测目标，准确性不高。
技术实现思路
鉴于以上问题，本专利技术提出一种瑕疵等级判定的方法和计算机可读存储介质，以提高图像中目标瑕疵区域等级判定的效率与准确率。本申请的第一方面提供一种瑕疵等级判定方法，所述方法包括：获取待测物体的至少一张图像；从所述图像中提取目标瑕疵区域；获取所述目标瑕疵区域的第一特征参数；根据所述第一特征参数依据预设规则得到加权值；获取所述目标瑕疵区域的第二特征参数；根据所述第二特征参数和所述加权值计算瑕疵规格分数；根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级；以及输出所述瑕疵等级。优选地，所述从所述图像中提取目标瑕疵区域包括：提取所述图像中的多个目标瑕疵子区域；处理所述多个目标瑕疵子区域得到所述目标瑕疵区域。优选地，所述处理所述多个目标瑕疵子区域得到所述目标瑕疵区域包括：判断所述多个目标瑕疵子区域的类型；确定所述多个目标瑕疵子区域的位置；聚合类型相同且位置相邻的两个或数个所述目标瑕疵子区域生成所述目标瑕疵区域。优选地，所述判断所述多个目标瑕疵子区域的类型包括：通过卷积神经网络模型判断所述多个目标瑕疵子区域的类型。优选地，所述目标瑕疵区域的第一特征参数包括如下任意一种或多种：位置、灰度差、长宽比、灰度方差、灰度均值差、对比度、小梯度优势、大梯度优势、灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、差分矩和逆差分矩。优选地，所述方法还包括：判断所述目标瑕疵区域的位置是否在预设位置范围，且判断所述目标瑕疵区域的灰度差是否小于预设值。优选地，所述方法还包括：当所述目标瑕疵区域的位置不在预设位置范围，或所述目标瑕疵区域的灰度差大于或等于所述预设值时，获取所述目标瑕疵区域的第二特征参数；将所述第二特征参数作为瑕疵规格分数；根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级。优选地，所述第二特征参数包括所述目标瑕疵区域的尺寸。优选地，所述根据所述第一特征参数依据预设规则计算加权值包括：判断所述第一特征参数是否符合所述预设规则中的多个条件组合；当所述第一特征参数符合所述预设规则中的任意一个条件组合时，设定所述第一特征参数在所述条件组合下的权值为1；当所述第一特征参数不符合所述预设规则中的任意一个条件组合时，设定所述第一特征参数在所述条件组合下的权值为0；加总计算所述第一特征参数符合所述预设规则中的多个条件组合的权值，得到加权值。优选地，根据所述第二特征参数和所述加权值计算瑕疵规格分数包括：通过第一公式计算所述瑕疵规格分数，所述第一公式为：瑕疵规格分数＝第二特征参数*(1+加权值总数*m)，其中，m为一阈值。优选地，所述根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级包括：将所述瑕疵规格分数与一个或多个预设的瑕疵等级阈值进行比对，得到比对结果；根据比对结果判定所述目标瑕疵区域对应的瑕疵等级。优选地，所述方法还包括：根据目标瑕疵区域的瑕疵规格分数，确认是否再次对所述图像进行瑕疵等级判定。优选地，所述方法还包括：依据预存的瑕疵等级对应的分数范围设置预设阈值范围；比对所述目标瑕疵区域的瑕疵规格分数与所述预设阈值范围；及当所述瑕疵规格分数位于所述预设阈值范围中时，再次对所述图像进行瑕疵等级判定。优选地，通过深度学习算法再次对所述图像进行瑕疵等级判定。本专利技术第二方面提供一种计算机可读存储介质，其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如前所述的瑕疵等级判定的方法。本专利技术中瑕疵等级判定的方法及计算机可读存储介质，通过提取待识别图像中的目标瑕疵区域，再根据所述目标瑕疵区域的第一特征参数和第二特征参数来计算目标瑕疵区域的规格分数。最后根据规格分数得到瑕疵等级。进一步地，通过设定所述合格的阈值范围，再根据所述目标瑕疵区域的规格分数决定瑕疵在经过图像处理技术的判定之后，是否再由深度学习技术来辅助判定，不需要所有的瑕疵都经由深度学习技术的判定，大幅缩减检测的时间，也降低运算主机的计算需求，进而节省硬件的构置成本。附图说明图1是本专利技术一实施例所提供的瑕疵等级判定方法的流程示意图。图2是本专利技术一实施例所提供的图像2中第一刮伤的示意图。图3是本专利技术一实施例提供的图像2中第一擦伤的示意图。图4是本专利技术一实施例所提供的根据目标瑕疵区域的特征参数加总计算所述特征参数符合所述预设规则中的多个条件组合的权值的示意图。图5是本专利技术一实施例所提供的瑕疵等级判定系统示意图。图6是本专利技术一实施方式提供的电子装置架构示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。请参阅图1，图1为本专利技术一个实施例提供的瑕疵等级判定方法的流程示意图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本专利技术实施例相关的部分。如图1所示，所述瑕疵等级判定方法包括以下步骤。步骤S1、获取待测物体的至少一张图像。在一实施方式中，可通过相机拍摄所述待测物体获得至少一张图像。所述相机可以为线阵相机，所述待测物体为手机或平板电脑等装置。在另一实施方式中，可接收服务器传送的待测物体的至少一张图像本文档来自技高网...

【技术保护点】
1.一种瑕疵等级判定方法，所述方法包括：/n获取待测物体的至少一张图像；/n从所述图像中提取目标瑕疵区域；/n获取所述目标瑕疵区域的第一特征参数；/n根据所述第一特征参数依据预设规则得到加权值；/n获取所述目标瑕疵区域的第二特征参数；/n根据所述第二特征参数和所述加权值计算瑕疵规格分数；/n根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级；以及/n输出所述瑕疵等级。/n

【技术特征摘要】
1.一种瑕疵等级判定方法，所述方法包括：
获取待测物体的至少一张图像；
从所述图像中提取目标瑕疵区域；
获取所述目标瑕疵区域的第一特征参数；
根据所述第一特征参数依据预设规则得到加权值；
获取所述目标瑕疵区域的第二特征参数；
根据所述第二特征参数和所述加权值计算瑕疵规格分数；
根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级；以及
输出所述瑕疵等级。


2.如权利要求1所述的瑕疵等级判定方法，所述从所述图像中提取目标瑕疵区域包括：
提取所述图像中的多个目标瑕疵子区域；
处理所述多个目标瑕疵子区域得到所述目标瑕疵区域。


3.如权利要求2所述的瑕疵等级判定方法，所述处理所述多个目标瑕疵子区域得到所述目标瑕疵区域包括：
判断所述多个目标瑕疵子区域的类型；
确定所述多个目标瑕疵子区域的位置；
聚合类型相同且位置相邻的两个或数个所述目标瑕疵子区域生成所述目标瑕疵区域。


4.如权利要求3所述的瑕疵等级判定方法，所述判断所述多个目标瑕疵子区域的类型包括：通过卷积神经网络模型判断所述多个目标瑕疵子区域的类型。


5.如权利要求1所述的瑕疵等级判定方法，所述目标瑕疵区域的第一特征参数包括如下任意一种或多种：位置、灰度差、长宽比、灰度方差、灰度均值差、对比度、小梯度优势、大梯度优势、灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、差分矩和逆差分矩。


6.如权利要求5所述的瑕疵等级判定方法，所述方法还包括：
判断所述目标瑕疵区域的位置是否在预设位置范围，且判断所述目标瑕疵区域的灰度差是否小于预设值。


7.如权利要求6所述的瑕疵等级判定方法，所述方法还包括：
当所述目标瑕疵区域的位置不在预设位置范围，或所述目标瑕疵区域的灰度差大于或等于所述预设值时，获取所述目标瑕疵区域的第二特征参数；
将所述第二特征参数作为瑕疵规格分数；
根据所述瑕疵规格分数判定所述目标瑕疵区域对应...

【专利技术属性】
技术研发人员：赵学兴，元海燕，韩笑笑，田登奎，
申请(专利权)人：河南裕展精密科技有限公司，
类型：发明
国别省市：河南;41