本申请提供了一种自适应缺陷检测方法、装置、识别系统及存储介质，该方法包括：通过基于感兴趣区域从被测目标的基准图像中提取目标检测区域，并从目标检测区域外预设距离处裁剪基准图像，以完整得到目标检测区域，并对非目标检测区域进行填充，并计算填充后的待测图像的均值图像和方差图像，并通过高阈值尺度系数、低阈值尺度系数、最小基准偏差和最大灰度方差计算得到高阈值图像和低阈值图像，然后通过高阈值图像和低阈值图像分别与填充后的待测图像做差值图像，得到高阈值连通域和低阈值连通域，最后对低阈值连通域中与高阈值连通域存在交集的部分进行筛选，得到缺陷连通域集合，实现了对光照不均图像的异常缺陷图像分割。割。割。
【技术实现步骤摘要】
一种自适应缺陷检测方法、装置、识别系统及存储介质
[0001]本申请涉及机器视觉领域，具体而言，涉及一种自适应缺陷检测方法、装置、识别系统及存储介质。
技术介绍
[0002]AOI（Automated Optical Inspection，自动光学检测）设备在工业场景下的应用极为广泛，尤其在工业产品的外观缺陷检测中更是具有极其重要的作用。AOI是解放大量质检工人，减员增效，提升企业产能，提升产品良率，提升公司产品竞争力的一个重要工具。在不同的工业场景下，AOI设备通常具有不同的产品形态，其检测原理可以是借助于合理的光学设计方案将产品的缺陷进行凸显，并通过图像采集设备将产品图像采集到计算机，并借助于合理的图像处理算法计算出缺陷的位置和大小，然后进一步获取缺陷的纹理特征，并结合缺陷的尺寸以及纹理特征对缺陷进行分类和等级划分。在显示面板
，通常需要对面板上的划伤、凹凸点、崩边等多种缺陷进行检测，图像分割是对缺陷进行定位的一个常用方法。
[0003]现有技术中，常用的图像分割方法包括固定阈值方法、自适应阈值方法等，在纹理背景较复杂的情况下，还会利用卷积神经网络等深度学习的方法。但由于面板上镀膜工艺以及传动平稳性的影响，导致产品图像表现出较大的亮度不均，产品表面的划伤等缺陷也由于等级差异，呈现出不连续、对比度一致性差等特点，且难以通过图像预处理的方法对图像进行归一化，此种场景下，常规的固定阈值方法和自适应阈值方法都不能很好的实现缺陷的分割，进而不能实现对缺陷的准确检测。卷积神经网络等深度学习方法虽然可以在一定程度上解决以上问题，但是由于需要较多的训练样本，且在运算时需要更多的计算资源和计算时间，通常不会优先考虑该方法。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种自适应缺陷检测方法、装置、识别系统及存储介质，可在光照不均工业场景下的缺陷检测过程中，采用自适应阈值分割方法，用于解决现有技术中如何对亮度不均图像的异常缺陷进行图像分割的问题，本申请与常规的自适应阈值分割方法明显不同，不仅可以提升对光照不均的适应程度，还可以提高分割的精准度。并且，本申请对分割后的结果进一步融合，将多个断续的分割结果融合成同一个分割结果，可以有效克服亮度不均造成的图像分割困难的问题，提高基于图像分割的异常缺陷检测的准确度。
[0005]为解决上述技术问题，第一方面，本申请实施例提供了一种自适应缺陷检测方法，该方法包括：获取被测目标的基准图像，并以所述基准图像中被测目标为对象创建基准坐标系；针对所述基准图像中的被测目标设定感兴趣区域，并根据所述感兴趣区域提取目
标检测区域；所述感兴趣区域与所述基准坐标系关联；获取所述目标检测区域的正外接矩形，并基于该正外接矩形外扩预设距离进行图像裁剪，得到待测图像；对于所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像；计算所述填充后的待测图像的均值图像和方差图像；根据所述均值图像和方差图像以及预先设定的高阈值尺度系数、低阈值尺度系数、最小基准偏差和最大灰度方差，计算高阈值图像和低阈值图像；根据所述填充后的待测图像、高阈值图像和低阈值图像，计算高阈值差值图像和低阈值差值图像；从所述高阈值差值图像中提取高阈值连通域集合，从所述低阈值差值图像中提取低阈值连通域集合，以及针对所述低阈值连通域集合，筛选出与所述高阈值连通域集合中的高阈值连通域有交集的低阈值连通域，得到缺陷连通域集合；其中，所述高阈值差值图像是所述填充后的待测图像与所述高阈值图像作差值得到的，所述低阈值差值图像是所述填充后的待测图像与所述低阈值图像作差值得到的。
[0006]在一些实施例中，所述获取被测目标的基准图像，并以所述基准图像中被测目标为对象创建基准坐标系，包括：获取被测目标的图像作为基准图像；以所述基准图像中被测目标为对象，通过预设坐标系创建方法创建基准坐标系；所述预设坐标系创建方法包括直线拟合或模板匹配。
[0007]在一些实施例中，所述对于所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像，包括：根据所述待测图像中缺陷灰度特点，确定所述待测图像中非目标检测区域的填充方式；所述填充方式包括灰度镜像填充和/或固定灰度值填充；根据所述填充方式，对所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像。
[0008]在一些实施例中，所述计算所述填充后的待测图像的均值图像和方差图像，包括：根据目标缺陷的尺寸，设定邻域窗口大小；通过所述邻域窗口大小，对填充后的待测图像进行均值图像和方差图像的计算。
[0009]在一些实施例中，所述从所述高阈值差值图像中提取高阈值连通域集合，从所述低阈值差值图像中提取低阈值连通域集合，包括：提取高阈值差值图像中灰度值小于0的连通域，得到高阈值连通域集合；提取低阈值差值图像中灰度值小于0的连通域，得到低阈值连通域集合。
[0010]在一些实施例中，所述针对所述低阈值连通域集合，筛选出与所述高阈值连通域集合中的高阈值连通域有交集的低阈值连通域，得到缺陷连通域集合，包括：查找所述高阈值连通域集合与所述低阈值连通域集合的交集区域；将包含所述交集区域的所有低阈值连通域作为缺陷连通域集合。
[0011]在一些实施例中，所述针对所述低阈值连通域集合，筛选出与所述高阈值连通域集合中的高阈值连通域有交集的低阈值连通域，得到缺陷连通域集合，包括：
依次遍历低阈值连通域集合中的每一个低阈值连通域，判断该低阈值连通域与高阈值连通域集合中的高阈值连通域是否存在交集；若该低阈值连通域与高阈值连通域集合中的高阈值连通域存在交集，则将该低阈值连通域确认为缺陷连通域；若该低阈值连通域与高阈值连通域集合中的高阈值连通域不存在交集，则将该低阈值连通域从低阈值连通域集合中剔除；当完成所有低阈值连通域的判断分析后，将完成剔除操作的低阈值连通域集合作为缺陷连通域集合。
[0012]在一些实施例中，在所述计算所述填充后的待测图像的均值图像和方差图像之前，还包括：确定所述目标检测区域内缺陷的缺陷类型；若所述目标检测区域内缺陷的缺陷类型为暗缺陷，则继续进行检测计算。
[0013]在一些实施例中，还包括：若所述目标检测区域内缺陷的缺陷类型为亮缺陷，则对所述填充后的待测图像进行灰度取反。
[0014]第二方面，本申请实施例提供了一种缺陷融合方法，该方法包括：基于待测目标图像提取缺陷连通域集合；从所述缺陷连通域集合中提取线性连通域，并将剩下的缺陷连通域标记为点状连通域；从所有线性连通域中任意选取两个线性连通域作为线性连通域对，并计算每个线性连通域对中两个线性连通域的中轴线之间的第一角度和第一距离；所述第一距离包括垂直距离、平移距离、相对距离、偏移距离和直线距离中的至少一个类型；根据各线性连通域对所对应的第一角度和第一距离对每个线性连通域对进行聚类，得到该线性连通域对所对应的线性连通域集合；针对每个线性连通域集合，计算该线性连通域集合对应的最小外接矩形，并将距离该最小外接矩形的距离小于预设阈值的点状连通域合并到该线性连通域集合中，得到线性缺陷和剩余点状连本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自适应缺陷检测方法，其特征在于，包括：获取被测目标的基准图像，并以所述基准图像中被测目标为对象创建基准坐标系；针对所述基准图像中的被测目标设定感兴趣区域，并根据所述感兴趣区域提取目标检测区域；所述感兴趣区域与所述基准坐标系关联；获取所述目标检测区域的正外接矩形，并基于该正外接矩形外扩预设距离进行图像裁剪，得到待测图像；对于所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像；计算所述填充后的待测图像的均值图像和方差图像；根据所述均值图像和方差图像以及预先设定的高阈值尺度系数、低阈值尺度系数、最小基准偏差和最大灰度方差，计算高阈值图像和低阈值图像；根据所述填充后的待测图像、高阈值图像和低阈值图像，计算高阈值差值图像和低阈值差值图像；从所述高阈值差值图像中提取高阈值连通域集合，从所述低阈值差值图像中提取低阈值连通域集合，以及针对所述低阈值连通域集合，筛选出与所述高阈值连通域集合中的高阈值连通域有交集的低阈值连通域，得到缺陷连通域集合；其中，所述高阈值差值图像是所述填充后的待测图像与所述高阈值图像作差值得到的，所述低阈值差值图像是所述填充后的待测图像与所述低阈值图像作差值得到的。2.如权利要求1所述的方法，其特征在于，所述获取被测目标的基准图像，并以所述基准图像中被测目标为对象创建基准坐标系，包括：获取被测目标的图像作为基准图像；以所述基准图像中被测目标为对象，通过预设坐标系创建方法创建基准坐标系；所述预设坐标系创建方法包括直线拟合或模板匹配。3.如权利要求1所述的方法，其特征在于，所述对于所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像，包括：根据所述待测图像中缺陷灰度特点，确定所述待测图像中非目标检测区域的填充方式；所述填充方式包括灰度镜像填充和/或固定灰度值填充；根据所述填充方式，对所述待测图像中的非目标检测区域进行填充，得到填充后的待测图像。4.如权利要求1所述的方法，其特征在于，所述计算所述填充后的待测图像的均值图像和方差图像，包括：根据目标缺陷的尺寸，设定邻域窗口大小；通过所述邻域窗口大小，对填充后的待测图像进行均值图像和方差图像的计算。5.如权利要求1所述的方法，其特征在于，所述从所述高阈值差值图像中提取高阈值连通域集合，从所述低阈值差值图像中提取低阈值连通域集合，包括：提取高阈值差值图像中灰度值小于0的连通域，得到高阈值连通域集合；提取低阈值差值图像中灰度值小于0的连通域，得到低阈值连通域集合。6.如权利要求1所述的方法，其特征在于，所述针对所述低阈值连通域集合，筛选出与所述高阈值连通域集合中的高阈值连通域有交集的低阈值连通域，得到缺陷连通域集合，
包括：查找所述高阈值连通域集合与所述低阈值连通域集合的交集区域；将包含所述交集区域的所有低阈值连通域作为缺陷连通域集合。7.如权利要求1...
【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。