本申请提供一种喷丝嘴缺陷检测方法、装置、电子设备及可读存储介质，该方法包括：获取喷丝嘴的输入图像和预定义的喷孔数量；将输入图像输入预先训练好的第一级目标检测模型中，检测出输入图像中的喷丝嘴区域，得到喷丝嘴区域子图；基于滑动窗算法按照预设的步长对喷丝嘴区域子图进行分块，得到M张第一分块子图，并将其输入预先训练好的第二级目标检测模型中，得到M个检测结果；将M个检测结果进行拼接和去重过滤，得到输出图像，并提取输出图像中的喷孔数量；判断输出图像中的喷孔数量与预定义的喷孔数量是否一致，若一致，则喷丝嘴为合格品，否则，则确定喷丝嘴存在缺陷。这样，可以提高检测检测效率和准确率，节省成本。节省成本。节省成本。
【技术实现步骤摘要】
喷丝嘴缺陷检测方法、装置、电子设备及可读存储介质
[0001]本申请涉及机器视觉缺陷检测
，尤其涉及一种喷丝嘴缺陷检测方法、装置、电子设备及可读存储介质。
技术介绍
[0002]缺陷检测被广泛应用于工件表面质量检测、航空航天领域等多个领域，由于喷丝嘴孔的孔径小、孔数多，在生产制造以及喷丝的过程中容易存在堵塞、毛刺、不圆等缺陷，该缺陷影响喷丝的质量，而为了满足实际生产的需要，对喷丝嘴进行缺陷检测是一个必不可少的环节。
[0003]现有技术中，可以通过人工在高倍放大镜下观察喷丝孔，使用肉眼逐一观测检查，根据观察结果直接给出质检结果，也可以利用灰度化、边缘检测、圆检测等传统机器学习方法逐步检测出圆形、矩形等形状的喷丝孔，判断喷丝孔是否存在缺陷，具体的，可以对采集到的喷丝嘴图像进行灰度变换，对进行灰度变换后的图像进行感兴趣区域(Regions of Interest，ROI)提取，进一步的，对提取到的ROI区域进行断开连通域处理，并对断开后的连通域进行边缘增强，然后，在对增强后的各连通域进行边缘提取后，对各连通域进行拟合圆处理，最后，基于拟合圆的数量和状态判断喷丝孔是否存在缺陷。
[0004]但是，人工检测方法存在检测效率低、人工成本高、检测结果不客观等问题，而传统机器学习方法无法适应喷孔形状各异的特点，致使准确率较低，且算法耗时高，质检效率低，很难满足实际使用要求。
技术实现思路
[0005]本申请提供一种喷丝嘴缺陷检测方法、装置、电子设备及可读存储介质，可以解决人工检测方法检测效率低、人工成本高、检测结果不客观等问题以及传统机器学习方法无法适应喷孔形状各异的特点，准确率较低，算法耗时高，质检效率低等问题，在提高质检结果的准确性、稳定性的基础上减少人工依赖，提高质检效率。
[0006]第一方面，本申请提供一种喷丝嘴缺陷检测方法，所述方法包括：
[0007]获取喷丝嘴的输入图像和预定义的喷孔数量；
[0008]将所述输入图像输入预先训练好的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，得到喷丝嘴区域子图；所述第一级目标检测模型为基于神经网络构建的深度学习模型；
[0009]基于滑动窗算法按照预设的步长对所述喷丝嘴区域子图进行分块，得到M张第一分块子图；M为大于2的正整数；
[0010]将所述M张第一分块子图输入预先训练好的第二级目标检测模型中，得到M个检测结果；所述第二级目标检测模型为基于卷积神经网络构建的深度学习模型；
[0011]将所述M个检测结果进行拼接和去重过滤，得到输出图像，并提取所述输出图像中的喷孔数量；
[0012]判断所述输出图像中的喷孔数量与所述预定义的喷孔数量是否一致，若一致，则所述喷丝嘴为合格品，否则，则确定喷丝嘴存在缺陷。
[0013]可选的，所述方法还包括：
[0014]获取第一训练数据集，所述第一训练数据集中的每一训练数据包括：喷丝嘴图像和喷丝嘴所在区域；
[0015]根据所述第一训练数据集，对第一级目标检测模型进行训练；
[0016]相应的，将所述输入图像输入预先训练好的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，得到喷丝嘴区域子图，包括：
[0017]将所述输入图像输入通过所述第一训练数据集训练得到的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，并根据所述喷丝嘴区域将所述输入图像裁剪为喷丝嘴区域子图；所述喷丝嘴区域包括喷丝嘴的位置和大小。
[0018]可选的，所述方法还包括：
[0019]获取第二训练数据集，所述第二训练数据集中的每一训练数据包括：对喷丝嘴区域进行分块后的M张第二分块子图、每个第二分块子图对应的喷丝嘴类型以及第二分块子图中的喷孔数量；其中，所述M张第二分块子图为经过降噪处理的子图，和/或，所述M张第二分块子图为多个旋转角度下的子图；
[0020]根据所述第二训练数据集，对第二级目标检测模型进行训练；
[0021]相应的，把所述M张第一分块子图输入预先训练好的第二级目标检测模型中，得到M个检测结果，包括：
[0022]将所述M张第一分块子图输入通过所述第二训练数据集训练得到的第二级目标检测模型中，检测出每张第一分块子图在任意角度下对应的标准子图，得到M个检测结果。
[0023]可选的，基于滑动窗算法按照预设的步长对所述喷丝嘴区域子图进行分块，得到M张第一分块子图，包括：
[0024]获取所述喷丝嘴区域子图中最大喷孔的尺寸；
[0025]基于滑动窗算法按照预设的步长对输出的喷丝嘴区域子图进行分块处理，得到多张分块子图；
[0026]判断相邻两张分块子图的重叠区域尺寸是否大于所述最大喷孔的尺寸；
[0027]若是，则所述多张分块子图为得到的M张第一分块子图；
[0028]若否，则减少预设的步长的长度，并基于减少后的预设的步长处理得到M张第一分块子图。
[0029]可选的，减少预设的步长的长度，并基于减少后的预设的步长处理得到M张第一分块子图，包括：
[0030]根据所述最大喷孔的尺寸计算重叠区域的最小尺寸，并基于所述最小尺寸减少步长；
[0031]利用滑动窗算法按照减少后的步长对所述喷丝嘴区域子图进行分块处理，得到M张第一分块子图。
[0032]可选的，将所述M个检测结果进行拼接和去重过滤，得到输出图像，并提取所述输出图像中的喷孔数量，包括：
[0033]将所述M个检测结果按照所述预设的步长进行拼接，合并为第一图像；
[0034]利用非极大值抑制NMS对所述第一图像中的M个检测结果进行去重过滤，得到输出图像；
[0035]提取并统计所述输出图像中的喷孔数量。
[0036]可选的，所述检测结果包括合格喷丝孔的位置和大小，所述方法还包括：
[0037]若确定所述喷丝嘴存在缺陷，则基于所述输出图像中的喷孔数量计算存在缺陷的所述喷丝嘴中异常喷丝孔的数量，并基于所述检测结果确定所述异常喷丝孔的位置和大小；
[0038]根据所述异常喷丝孔的数量、位置和大小生成指示信息，并发送所述指示信息，用于提醒用户基于所述指示信息查找所述喷丝嘴中的异常喷丝孔。
[0039]第二方面，本申请还提供了一种喷丝嘴缺陷检测装置，所述装置包括：
[0040]获取模块，用于获取喷丝嘴的输入图像和预定义的喷孔数量；
[0041]第一检测模块，用于将所述输入图像输入预先训练好的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，得到喷丝嘴区域子图；所述第一级目标检测模型为基于神经网络构建的深度学习模型；
[0042]分块模块，用于基于滑动窗算法按照预设的步长对所述喷丝嘴区域子图进行分块，得到M张第一分块子图；M为大于2的正整数；
[0043]第二检测模块，用于将所述M张第一分块子图输入预先训练好的第二级目标检测模型中，得到M个检测结果；所述第二级目标检测模型为基于卷积神经网络构建的深度本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种喷丝嘴缺陷检测方法，其特征在于，包括：获取喷丝嘴的输入图像和预定义的喷孔数量；将所述输入图像输入预先训练好的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，得到喷丝嘴区域子图；所述第一级目标检测模型为基于神经网络构建的深度学习模型；基于滑动窗算法按照预设的步长对所述喷丝嘴区域子图进行分块，得到M张第一分块子图；M为大于2的正整数；将所述M张第一分块子图输入预先训练好的第二级目标检测模型中，得到M个检测结果；所述第二级目标检测模型为基于卷积神经网络构建的深度学习模型；将所述M个检测结果进行拼接和去重过滤，得到输出图像，并提取所述输出图像中的喷孔数量；判断所述输出图像中的喷孔数量与所述预定义的喷孔数量是否一致，若一致，则所述喷丝嘴为合格品，否则，则确定喷丝嘴存在缺陷。2.根据权利要求1所述的方法，其特征在于，还包括：获取第一训练数据集，所述第一训练数据集中的每一训练数据包括：喷丝嘴图像和喷丝嘴所在区域；根据所述第一训练数据集，对第一级目标检测模型进行训练；相应的，将所述输入图像输入预先训练好的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，得到喷丝嘴区域子图，包括：将所述输入图像输入通过所述第一训练数据集训练得到的第一级目标检测模型中，检测出所述输入图像中的喷丝嘴区域，并根据所述喷丝嘴区域将所述输入图像裁剪为喷丝嘴区域子图；所述喷丝嘴区域包括喷丝嘴的位置和大小。3.根据权利要求1所述的方法，其特征在于，还包括：获取第二训练数据集，所述第二训练数据集中的每一训练数据包括：对喷丝嘴区域进行分块后的M张第二分块子图、每个第二分块子图对应的喷丝嘴类型以及第二分块子图中的喷孔数量；其中，所述M张第二分块子图为经过降噪处理的子图，和/或，所述M张第二分块子图为多个旋转角度下的子图；根据所述第二训练数据集，对第二级目标检测模型进行训练；相应的，把所述M张第一分块子图输入预先训练好的第二级目标检测模型中，得到M个检测结果，包括：将所述M张第一分块子图输入通过所述第二训练数据集训练得到的第二级目标检测模型中，检测出每张第一分块子图在任意角度下对应的标准子图，得到M个检测结果。4.根据权利要求1所述的方法，其特征在于，基于滑动窗算法按照预设的步长对所述喷丝嘴区域子图进行分块，得到M张第一分块子图，包括：获取所述喷丝嘴区域子图中最大喷孔的尺寸；基于滑动窗算法按照预设的步长对输出的喷丝嘴区域子图进行分块处理，得到多张分块子图；判断相邻两张分块子图的重叠区域尺寸是否大于所述最大喷孔的尺寸；若是，则所述多张分块子图为得到的M张第一分块子图；
若否，则减少预设的步长的长度，并基于减少后的预设的步长处理得到M张第一...
【专利技术属性】
技术研发人员：赵开开，刘兆祥，廉士国，
申请(专利权)人：联通大数据有限公司，
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。