缺陷检测方法和装置制造方法及图纸

本发明专利技术提供了一种缺陷检测方法和装置，其中，该方法包括：采集训练样本图像；对训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对目标样本集进行标注以将目标样本集划分为良好样本集和缺陷样本集；根据良好样本集和缺陷样本集采用对角白化变换的方式构造空域滤波器；采用空域滤波器对良好样本集和缺陷样本集进行处理，以获取相应的目标特征向量；根据目标特征向量对SVM算法进行训练，以获取SVM分类模型；根据SVM分类模型对待检测产品进行缺陷检测。根据本发明专利技术的缺陷检测方法，不仅能够准确地进行缺陷检测，而且方案实施简单，并且所需的样本较少，即使在复杂工业环境下也能够保证缺陷检测的准确性。

【技术实现步骤摘要】
缺陷检测方法和装置
本专利技术涉及缺陷检测
，具体涉及一种缺陷检测方法和一种缺陷检测装置。
技术介绍
工业部件缺陷检测是图像处理的一个经典问题，其是很多工业应用中存在的问题。解决这类问题的主要思想是提取缺陷区域和正常区域的特征，将其输入分类器后进行训练分类，最终以分类器给出的决策值对数据进行评判。相关技术中，一般是采用卷积神经网络、人为设计规则等方式进行缺陷识别的，但是，上述方式存在以下问题：（1）如果人为设计规则复杂，则可能出现误查情况，并且规则繁琐，不易实施，如果人为设计规则简单，则会出现漏检情况；（2）卷积神经网络虽然对于缺陷识别有很好的效果，但是模型复杂，并且卷积神经网络需要样本量较大，在复杂工业环境下一般不能提供足够数量和质量的样本，导致卷积神经网路会过拟合或者欠拟合。
技术实现思路
本专利技术为解决上述技术问题，提供了一种缺陷检测方法，不仅能够准确地进行缺陷检测，而且方案实施简单，并且所需的样本较少，即使在复杂工业环境下也能够保证缺陷检测的准确性。本专利技术采用的技术方案如下：一种缺陷检测方法，包括以下步骤：采集训练样本图像；对所述训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对所述目标样本集进行标注以将所述目标样本集划分为良好样本集和缺陷样本集；根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器；采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量；根据所述目标特征向量对SVM算法进行训练，以获取SVM分类模型；根据所述SVM分类模型对待检测产品进行缺陷检测。根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器，包括：对所述良好样本集和所述缺陷样本集分别进行归一化处理，以获取第一矩阵和第二矩阵；计算所述第一矩阵的第一协方差矩阵，并计算所述第二矩阵的第二协方差矩阵；对所述第一协方差矩阵和所述第二协方差矩阵进行求和运算以获取第三矩阵；根据所述第三矩阵进行白化变换，以获取第四矩阵；根据所述第四矩阵分别对所述第一协方差矩阵和所述第二协方差矩阵进行处理，以获取第五矩阵和第六矩阵；对所述第五矩阵和所述第六矩阵进行同时对角化变换，以获取第一特征向量；根据所述第一特征向量和所述第四矩阵计算第一投影矩阵，并通过所述第一投影矩阵构建所述空域滤波器。采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量，包括：采用空域滤波器对所述良好样本集和所述缺陷样本集进行滤波，以获取相应的数据矩阵；根据所述数据矩阵获取所述目标特征向量。根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器，包括：采用离散小波变换的方式分别对所述良好样本集和所述缺陷样本集进行N层小波分解，其中，N为正整数；将所述良好样本集进行N层小波分解的小波系数按照分解的顺序组成第一特征矩阵，并将所述缺陷样本集进行N层小波分解的小波系数按照分解的顺序组成第二特征矩阵；计算所述第一特征矩阵的第三协方差矩阵，并计算所述第二特征矩阵的第四协方差矩阵；对所述第三协方差矩阵和所述第四协方差矩阵进行求和运算以获取第七矩阵；根据所述第七矩阵进行白化变换，以获取第八矩阵；根据所述第八矩阵分别对所述第三协方差矩阵和所述第四协方差矩阵进行处理，以获取第九矩阵和第十矩阵；对所述第九矩阵和所述第十矩阵进行对角化变换，以获取第二特征向量；根据所述第二特征向量和所述第八矩阵计算第二投影矩阵，并通过所述第二投影矩阵构建所述空域滤波器。一种缺陷检测装置，包括以下步骤：图像采集模块，所述图像采集模块用于采集训练样本图像；第一获取模块，所述第一获取模块用于对所述训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对所述目标样本集进行标注以将所述目标样本集划分为良好样本集和缺陷样本集；构造模块，所述构造模块用于根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器；第二获取模块，所述第二获取模块用于采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量；第三获取模块，所述第三获取模块用于根据所述目标特征向量对SVM算法进行训练，以获取SVM分类模型；缺陷检测模块，所述缺陷检测模块用于根据所述SVM分类模型对待检测产品进行缺陷检测。一种计算机设备，包括存储器、处理器及存储在存储器上并可在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，实现上述的缺陷检测方法。一种非临时性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上述的缺陷检测方法。本专利技术的有益效果：本专利技术不仅能够准确地进行缺陷检测，而且方案实施简单，并且所需的样本较少，即使在复杂工业环境下也能够保证缺陷检测的准确性。附图说明图1为本专利技术实施例的缺陷检测方法的流程图；图2为本专利技术一个具体实施例的对训练样本图像进行灰度化处理后得到的灰度图；图3为本专利技术一个具体实施例的对灰度图进行去均值化处理后得到的去均值化图；图4为本专利技术一个实施例的构造空域滤波器的方法的流程图；图5为本专利技术实施例的缺陷检测装置的方框示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。图1是根据本专利技术实施例的缺陷检测方法的流程图。如图1所示，本专利技术实施例的缺陷检测方法可包括以下步骤：S1，采集训练样本图像。其中，可通过图像采集设备（例如，工业相机等）在工业现场采集工件图像以作为训练样本图像。S2，对训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对目标样本集进行标注以将目标样本集划分为良好样本集和缺陷样本集。具体地，在得到训练样本图像后，如图2所示，可先对训练样本图像进行灰度化处理，以得到相应的灰度图，然后，对灰度图进行去均值化处理，以得到相应的去均值化图，并根据得到的去均值化图组成目标样本集。进一步而言，对目标样本集进行标注，以将目标样本集划分为良好样本集（由不存在缺陷的图像组成的集合）和缺陷样本集（由存在缺陷的图像组成的集合）。S3，根据良好样本集和缺陷样本集采用对角白化变换的方式构造空域滤波器。根据本专利技术的一个实施例，如图4所示，根据良好样本集和缺陷样本集采用对角白化变换的方式构造空域滤波器，可包括以下步骤：S301，对良好样本集和缺陷样本集分别进行归一化处理，以获取第一矩阵和第二矩阵。其中，在获取到良好样本集和缺陷样本集后，可先对良好样本集和缺陷样本集分别进行归一化处理，以根据良好样本集获取到第一矩阵E1，并根据缺陷样本集获取到第二矩阵E2。S302，计算第一矩阵的第一协方差矩阵，并计算第二矩阵的第二协本文档来自技高网...

【技术保护点】
1.一种缺陷检测方法，其特征在于，包括以下步骤：/n采集训练样本图像；/n对所述训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对所述目标样本集进行标注以将所述目标样本集划分为良好样本集和缺陷样本集；/n根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器；/n采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量；/n根据所述目标特征向量对SVM算法进行训练，以获取SVM分类模型；/n根据所述SVM分类模型对待检测产品进行缺陷检测。/n

【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括以下步骤：
采集训练样本图像；
对所述训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对所述目标样本集进行标注以将所述目标样本集划分为良好样本集和缺陷样本集；
根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器；
采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量；
根据所述目标特征向量对SVM算法进行训练，以获取SVM分类模型；
根据所述SVM分类模型对待检测产品进行缺陷检测。


2.根据权利要求1所述的缺陷检测方法，其特征在于，根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器，包括：
对所述良好样本集和所述缺陷样本集分别进行归一化处理，以获取第一矩阵和第二矩阵；
计算所述第一矩阵的第一协方差矩阵，并计算所述第二矩阵的第二协方差矩阵；
对所述第一协方差矩阵和所述第二协方差矩阵进行求和运算以获取第三矩阵；
根据所述第三矩阵进行白化变换，以获取第四矩阵；
根据所述第四矩阵分别对所述第一协方差矩阵和所述第二协方差矩阵进行处理，以获取第五矩阵和第六矩阵；
对所述第五矩阵和所述第六矩阵进行同时对角化变换，以获取第一特征向量；
根据所述第一特征向量和所述第四矩阵计算第一投影矩阵，并通过所述第一投影矩阵构建所述空域滤波器。


3.根据权利要求2所述的缺陷检测方法，其特征在于，采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的所述目标特征向量，包括：
采用空域滤波器对所述良好样本集和所述缺陷样本集进行滤波，以获取相应的数据矩阵；
根据所述数据矩阵获取所述目标特征向量。


4.根据权利要求1所述的缺陷检测方法，其特征在于，根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器，包括：
采用离散小波变换的方式分别对所述良好样本集和所述缺陷样本集进行N层小波分解...

【专利技术属性】
技术研发人员：邱增帅，潘正颐，侯大为，王罡，
申请(专利权)人：常州微亿智造科技有限公司，
类型：发明
国别省市：江苏;32