本申请涉及一种基于显著性特征预提取与图像分割的缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测图像，并对待检测图像进行处理，并根据图像分割阈值对灰度变化特征图进行分割处理，对待检测图像中包含的像素点进行多次筛选，得到待检测图像的目标缺陷显著性特征图以及缺陷子图。这样，将上述数据一并输入至预先训练的像素点缺陷概率预测模型，得到待检测图像的缺陷检测结果图像。本发明专利技术所提供的方法通过对玻璃表面的待检测图像进行预处理与显著性特征提取，实现对高分辨率图像进行初步筛选，在提高检测效率的同时提取了有效的缺陷特征，对检测过程进行辅助，保证了玻璃表面缺陷检测的高精细度与高效率。高精细度与高效率。高精细度与高效率。
【技术实现步骤摘要】
基于显著性特征预提取与图像分割的缺陷检测方法和装置
[0001]本申请涉及玻璃检测
，特别是涉及一种基于显著性特征预提取与图像分割的缺陷检测方法和装置。
技术介绍
[0002]随着先进制造技术的迅猛发展和人民生活水平的不断提高，社会对产品多样化和个性化的需求日趋迫切，对产品生产效率与质量要求不断升级。由于制造业对产品的表面质量要求十分严格，任何微小的缺陷、杂质、形变等都会对产品美观性甚至安全性产生重要影响，因此对产品的表面质量的有效检测是一个亟待解决的问题。
[0003]相关技术中，通过人工智能算法对产品图像进行分析，进而对玻璃表面缺陷进行定位与分类成为了一种新颖的解决方案。但是，由于相关技术中的图像检测算法本身的计算能力有限制，因此，无法对玻璃产品表面的高分辨率图像中的缺陷进行检测。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够准确检测高分辨率图像中的缺陷位置点的一种基于显著性特征预提取与图像分割的缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种基于显著性特征预提取与图像分割的缺陷检测方法。所述方法包括：获取待检测图像，并对所述待检测图像进行处理，得到所述待检测图像的灰度变化特征图，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像。
[0006]对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图；根据所述目标缺陷显著性特征图的坐标，对所述待检测图像进行裁剪，得到所述目标缺陷显著性特征图对应的缺陷子图；将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型，得到所述待检测图像的缺陷检测结果图像。
[0007]在其中一个实施例中，所述提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图，包括：将所述灰度变化特征图中像素值小于图像分割阈值的像素点的像素值确定为目标值，得到所述待检测图像对应的第一缺陷显著性特征图；根据预设形态学开运算算法，对所述第一缺陷显著性特征图进行噪点去除处理，得到所述待检测图像的第二缺陷显著性特征图；
将所述第二缺陷显著性特征图中像素值为目标值的像素点对应的区域进行剔除处理，得到所述待检测图像的目标缺陷显著性特征图。
[0008]在其中一个实施例中，在所述将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型的步骤之前，所述方法还包括：对所述缺陷子图进行图像增强处理，得到进行处理后的所述缺陷子图，所述图像增强处理包括图像随机旋转处理、图像位移处理、图像缩放处理、图像剪切处理以及图像翻转处理中的一种或多种。
[0009]在其中一个实施例中，所述待检测图像的缺陷检测结果图像包括所述待检测图像中的多个像素点的缺陷概率值，所述方法还包括：根据预设二值化分割阈值以及所述待检测图像中的多个像素点的缺陷概率值，对所述待检测图像中的多个像素点进行二值化处理，得到所述待检测图像的缺陷图像。
[0010]在其中一个实施例中，所述方法还包括：获取训练数据，所述训练数据包括样本图像的样本缺陷显著性特征图、样本缺陷子图以及样本缺陷检测结果图像；将所述样本缺陷显著性特征图以及所述样本缺陷子图输入至待训练的像素点缺陷概率预测模型，得到预测缺陷检测结果图像；通过预设损失函数，根据所述样本缺陷检测结果图像包含的多个像素点的样本缺陷概率值以及所述预测缺陷检测结果图像包含的多个像素点的预测缺陷概率值，计算损失值；根据所述损失值更新所述待训练的像素点缺陷概率预测模型的网络参数，并返回执行所述获取训练数据的步骤，直到所述损失值满足预设训练完成条件，得到训练完成的像素点缺陷概率预测模型。
[0011]在其中一个实施例中，所述将所述样本缺陷显著性特征图以及所述样本缺陷子图输入至待训练的像素点缺陷概率预测模型，得到预测缺陷检测结果图像，包括：对所述样本缺陷显著性特征图以及所述样本缺陷子图进行通道级联处理，得到样本拼接图像；通过第一数目个编码器，对所述样本拼接图像进行特征向量提取处理，得到所述样本图像的特征图；通过第二数目个解码器，对所述样本图像的特征图进行卷积运算，得到所述样本图像中各像素点的预测缺陷概率值，组合得到所述样本图像的预测缺陷检测结果图像。
[0012]第二方面，本申请还提供了一种基于显著性特征预提取与图像分割的缺陷检测装置。所述装置包括：获取模块，用于获取待检测图像，并对所述待检测图像进行处理，得到所述待检测图像的灰度变化特征图，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像。
[0013]计算模块，用于对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取模块，用于提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图；
裁剪模块，用于根据所述目标缺陷显著性特征图的坐标，对所述待检测图像进行裁剪，得到所述目标缺陷显著性特征图对应的缺陷子图；检测模块，用于将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型，得到所述待检测图像的缺陷检测结果图像。
[0014]第三方面，本申请还提供了一种计算机设备。所述计算机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以下步骤：获取待检测图像，并对所述待检测图像进行处理，得到所述待检测图像的灰度变化特征图，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像。
[0015]对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图；根据所述目标缺陷显著性特征图的坐标，对所述待检测图像进行裁剪，得到所述目标缺陷显著性特征图对应的缺陷子图；将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型，得到所述待检测图像的缺陷检测结果图像。
[0016]第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：获取待检测图像，并对所述待检测图像进行处理，得到所述待检测图像的灰度变化特征图，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像。
[0017]对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于显著性特征预提取与图像分割的缺陷检测方法，其特征在于，所述方法包括：获取待检测图像，得到所述待检测图像的灰度变化特征图，其中，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像；对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图；根据所述目标缺陷显著性特征图的坐标，对所述待检测图像进行裁剪，得到所述目标缺陷显著性特征图对应的缺陷子图；将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型，得到所述待检测图像的缺陷检测结果图像。2.根据权利要求1所述的方法，其特征在于，所述提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图，包括：将所述灰度变化特征图中像素值小于图像分割阈值的像素点的像素值确定为目标值，得到所述待检测图像对应的第一缺陷显著性特征图；根据预设形态学开运算算法，对所述第一缺陷显著性特征图进行噪点去除处理，得到所述待检测图像的第二缺陷显著性特征图；将所述第二缺陷显著性特征图中像素值为目标值的像素点对应的区域进行剔除处理，得到所述待检测图像的目标缺陷显著性特征图。3.根据权利要求1所述的方法，其特征在于，在所述将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型的步骤之前，所述方法还包括：对所述缺陷子图进行图像增强处理，得到进行处理后的所述缺陷子图，所述图像增强处理包括图像随机旋转处理、图像位移处理、图像缩放处理、图像剪切处理以及图像翻转处理中的一种或多种。4.根据权利要求1所述的方法，其特征在于，所述待检测图像的缺陷检测结果图像包括所述待检测图像中的多个像素点的缺陷概率值，所述方法还包括：根据预设二值化分割阈值以及所述待检测图像中的多个像素点的缺陷概率值，对所述待检测图像中的多个像素点进行二值化处理，得到所述待检测图像的缺陷图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取训练数据，所述训练数据包括样本图像的样本缺陷显著性特征图、样本缺陷子图以及样本缺陷检测结果图像；将所述样本缺陷显著性特征图以及所述样本缺陷子图输入至待训练的像素点...
【专利技术属性】
技术研发人员：黄必清，徐荣阁，
申请(专利权)人：清华大学，
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。