本发明专利技术的实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质，方法包括：将待处理图像进行对比度平衡处理，得到目标图像；确定目标图像中的缺陷信息，其中，缺陷信息表征目标图像对应的设备的缺陷。由于待处理图像是低对比度的图像，直接确定待处理图像中的缺陷信息困难，因此使用对比度均衡方法对待处理图像进行处理后，再确定目标图像中的缺陷信息，从而提高确定待处理图像中的缺陷信息的准确性。的准确性。的准确性。
【技术实现步骤摘要】
一种图像处理方法、装置、电子设备及计算机可读存储介质
[0001]本专利技术涉及图像处理
，具体而言，涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]对于工业制造过程中，因工艺波动、机台差异产生的越来越多的缺陷，对于缺陷的确定，目前采用自动缺陷分类系统来取代人力进行缺陷分类，但是自动缺陷分类系统的识别准确率，受限于人工标注的训练集，由于图像的缺陷标注依赖于人工识别，对于低对比度图像人眼无法准确分辨异常位置，因此会造成自动缺陷分类系统的训练集不够准确，从而使得在自动缺陷分类系统识别图像的缺陷时，不够准确。
技术实现思路
[0003]本专利技术的目的在于提供一种图像处理方法、装置、电子设备及计算机可读存储介质，能够准确识别图像中的缺陷。
[0004]为了实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：获取待处理图像；将所述待处理图像进行对比度平衡处理，得到目标图像；确定所述目标图像中的缺陷信息，其中，所述缺陷信息表征所述目标图像对应的设备的缺陷。
[0005]通过上述技术方案，由于待处理图像是低对比度的图像，直接确定待处理图像中的缺陷信息困难，因此使用对比度均衡方法对待处理图像进行处理后，再确定目标图像中的缺陷信息，从而提高确定待处理图像中的缺陷信息的准确性。
[0006]在可选的实施方式中，所述将所述待处理图像进行对比度平衡处理，得到目标图像的步骤，包括：调用OPENCV库中的对比度平衡算法；基于所述对比度平衡算法对所述待处理图像进行处理，得到目标图像。
[0007]通过上述技术方案，调用OPENCV库中的对比度平衡算法，对待处理图像进行平衡处理，使得得到的目标图像的缺陷信息明显，从而利于后续对缺陷信息的识别。
[0008]在可选的实施方式中，所述确定所述目标图像中的缺陷信息的步骤，包括：将所述目标图像输入至训练好的初步判图模型中；所述初步判图模型输出所述目标图像的缺陷信息。
[0009]通过上述技术方案，基于初步判图模型确定目标图像的缺陷信息，确定方式更加的快捷。
[0010]在可选的实施方式中，所述初步判图模型输出所述目标图像的缺陷信息的步骤，包括：
所述初步判图模型对所述目标图像中的缺陷信息进行识别；输出多个识别结果；确定各所述识别结果的置信度；获取置信度最高的识别结果，作为所述目标图像的缺陷信息并输出。
[0011]通过上述技术方案，确定多个缺陷信息，以及获取置信度最高的作为目标图像的设备的缺陷信息，避免仅单一的识别目标图像中的缺陷信息，从而导致误识别的问题，提升缺陷信息识别的准确性。
[0012]在可选的实施方式中，所述方法还包括：获取所述初步判图模型的训练集；基于所述训练集对所述初步判图模型进行训练。
[0013]在可选的实施方式中，所述获取所述初步判图模型的训练集的步骤，包括：从机台获取携带有缺陷标识的图像数据；采用对比度均衡算法对各所述图像数据进行处理，得到各目标图像数据；对每个所述目标图像数据标注缺陷位置和缺陷类型；将携带有所述缺陷位置和所述缺陷类型的各所述目标图像数据，作为所述初步判图模型的训练集。
[0014]通过上述技术方案，通过获取的训练集，由于训练集是从机台中获取携带有缺陷标识的图像数据，机台会对图像数据增加缺陷标识，无需人工再次对图像数据增加缺陷标识，也无需从海量的图像数据中确定带有缺陷的图像，提升获得训练集的效率。基于对图像数据进行对比度平衡处理，使得目标图像数据便于人工辨识到缺陷类型，提高训练集的质量。
[0015]在可选的实施方式中，所述初步判图模型包括以下任意之一：Faster
‑
rcnn模型和yolo模型。
[0016]在可选的实施方式中，所述方法还包括：计算每个所述目标图像数据与对应的待调整目标图像数据的损失惩罚项信息，其中，所述待调整目标图像数据为未标注缺陷位置和缺陷类型的图像数据；将所述损失惩罚项信息输入至初步判图模型，以获得更新后的初步判图模型；返回执行所述计算每个所述目标图像数据与对应的待调整目标图像数据的损失惩罚项信息的步骤，直到最新的损失惩罚项信息收敛。
[0017]通过上述技术方案，基于预处理的训练集，完成对初步判图模型的训练，从而提升训练的初步判图模型的识别准确性。
[0018]在可选的实施方式中，所述计算每个所述目标图像数据与对应的待调整目标图像数据的损失惩罚项信息的步骤，包括：计算每个所述目标图像数据的缺陷位置与待调整目标图像数据的预测缺陷位置的第一损失惩罚项信息；计算该所述目标图像数据的缺陷类型与待调整目标图像数据的预测缺陷类型的第二损失惩罚项信息；基于所述第一损失惩罚项信息和所述第二损失惩罚项信息，得到所述目标图像数据与对应的待调整目标图像数据的损失惩罚项信息。
[0019]通过上述技术方案，基于第一损失惩罚项信息和第二损失惩罚项信息，确定目标图像数据与对应的待调整目标图像数据的损失惩罚项信息，计算多个缺陷信息的多个维度的损失惩罚项信息，提升训练的初步判图模型的准确性。
[0020]第二方面，本申请实施例提供了一种图像处理装置，所述装置包括：获取模块和处理模块；所述获取模块，用于获取待处理图像；所述处理模块，用于将所述待处理图像进行对比度平衡处理，得到目标图像；确定所述目标图像中的缺陷信息，其中，所述缺陷信息表征所述目标图像对应的设备的缺陷。
[0021]第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述图像处理方法的步骤。
[0022]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，该计算机程序被处理器执行时实现所述图像处理方法的步骤。
[0023]本申请具有以下有益效果：本申请通过获取待处理图像；将待处理图像进行对比度平衡处理，得到目标图像；确定目标图像中的缺陷信息，其中，缺陷信息表征目标图像对应的设备的缺陷。由于待处理图像是低对比度的图像，直接确定待处理图像中的缺陷信息困难，因此使用对比度均衡方法对待处理图像进行处理后，再确定目标图像中的缺陷信息，从而提高确定待处理图像中的缺陷信息的准确性。
附图说明
[0024]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0025]图1为本专利技术实施例提供的电子设备的方框示意图；图2为本专利技术实施例提供的一种图像处理方法的步骤流程图之一；图3为本专利技术实施例提供的一种图像处理方法的步骤流程图之二；图4为本专利技术实施例提供的一种图像处理方法的步骤流程图之三；图5为本专利技术实施例提供的一种图像处理方法的步骤流程图之四；图6为本专利技术实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待处理图像；将所述待处理图像进行对比度平衡处理，得到目标图像；确定所述目标图像中的缺陷信息，其中，所述缺陷信息表征所述目标图像对应的设备的缺陷。2.根据权利要求1所述的方法，其特征在于，所述将所述待处理图像进行对比度平衡处理，得到目标图像的步骤，包括：调用OPENCV库中的对比度平衡算法；基于所述对比度平衡算法对所述待处理图像进行处理，得到目标图像。3.根据权利要求1所述的方法，其特征在于，所述确定所述目标图像中的缺陷信息的步骤，包括：将所述目标图像输入至训练好的初步判图模型中；所述初步判图模型输出所述目标图像的缺陷信息。4.根据权利要求3所述的方法，其特征在于，所述初步判图模型输出所述目标图像的缺陷信息的步骤，包括：所述初步判图模型对所述目标图像中的缺陷信息进行识别；输出多个识别结果；确定各所述识别结果的置信度；获取置信度最高的识别结果，作为所述目标图像的缺陷信息并输出。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述初步判图模型的训练集；基于所述训练集对所述初步判图模型进行训练。6.根据权利要求5所述的方法，其特征在于，所述获取所述初步判图模型的训练集的步骤，包括：从机台获取携带有缺陷标识的图像数据；采用对比度均衡算法对各所述图像数据进行处理，得到各目标图像数据；对每个所述目标图像数据标注缺陷位置和缺陷类型；将携带有所述缺陷位置和所述缺陷类型的各所述目标图像数据，作为所述初步判图模型的训练集。7.根据权利要求3所述的方法，其特征在于，所述初步判图模型包括以下任意之一：Faster
‑
rcnn模型和yol...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数之联科技有限公司，
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。