本发明专利技术公开了一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备，该方法包括：获取待测鼠标外壳的图像，其中所述图像包括所述待测鼠标外壳的顶部的图像、四个侧面的图像以及底部的图像；对所述图像进行预处理；将预处理后的图像输入训练好的缺陷检测模型中，得到初步检测结果；对所述初步检测结果进行非极大抑制操作，得到缺陷检测结果。该方法采集顶部的图像、四个侧面的图像以及底部的图像，克服了因不规则曲面导致的成像不均匀，极大缓解了表面纹理缺陷的成像效果受打光方向和拍摄角度影响大的问题；将预处理后的图像输入训练好的缺陷检测模型中进行缺陷检测，通过深度学习算法，提高了检测的准确性、鲁棒性和效率。鲁棒性和效率。鲁棒性和效率。
【技术实现步骤摘要】
一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备
[0001]本申请涉及机器视觉应用领域，尤其涉及一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备。
技术介绍
[0002]随着人们生活质量的提高和科技发展的需求，注塑件产品的应用也越来越广泛。为了避免带有缺陷的产品流入市场造成损失，准确地把缺陷产品检测出来显得尤为重要。
[0003]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]目前常用的机器视觉检测方案一般采用单一照明和拍摄，用来检测近似于平面的产品缺陷，难以克服鼠标外壳不规则曲面照明不均匀和纹理缺陷成像效果受光照、拍摄角度影响大的问题；而一些用于检测曲面缺陷的视觉方案也局限于检测规则曲面上的单一结构缺陷，很少同时涉及到复杂曲面的表面纹理缺陷和结构缺陷；针对鼠标外壳的表面缺陷检测，目前工厂中仍然是人工检测，但随着产量的不断提升，难以同时保证检测的效率和精度。
技术实现思路
[0005]本申请实施例的目的是提供一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备，以解决相关技术中存在的针对鼠标外壳的表面缺陷检测无法同时保证效率和精度的技术问题。
[0006]根据本申请实施例的第一方面，提供一种鼠标外壳表面缺陷检测方法，包括：
[0007]获取待测鼠标外壳的图像，其中所述图像包括所述待测鼠标外壳的顶部的图像、四个侧面的图像以及底部的图像；
[0008]对所述图像进行预处理；
[0009]将预处理后的图像输入训练好的缺陷检测模型中，得到初步检测结果；
[0010]对所述初步检测结果进行非极大抑制操作，得到缺陷检测结果。
[0011]进一步地，对所述图像进行预处理，包括：
[0012]对所述图像进行形态学滤波操作，得到鼠标外壳区域；
[0013]对所述鼠标外壳区域进行锐化，以提高所述鼠标外壳区域的对比度。
[0014]进一步地，所述缺陷检测模型包括：
[0015]特征提取网络，用于提取输入图像的特征；
[0016]特征融合网络，用于融合所述特征提取网络输出的不同尺度、不同层次的特征，得到融合特征；及
[0017]检测分类网络，用于从所述融合特征中识别出目标缺陷的位置和类别。
[0018]进一步地，所述缺陷检测模型的训练过程包括：
[0019]获取鼠标外壳的图像集；
[0020]对所述图像集中的所有图像进行检测框标注和数据增强，得到训练数据集，其中
每个检测框包括缺陷的位置信息和类别信息；
[0021]将所述训练数据集划分为训练集和验证集；
[0022]在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框；
[0023]根据所述正样本框与所述检测框的重合程度，计算位置损失函数；
[0024]根据正样本框对应的检测框的类别信息，计算类别损失函数；
[0025]根据所述正样本框、负样本框分别对应的置信度信息，计算置信度损失函数；
[0026]对所述位置损失函数、类别损失函数和置信度损失函数求加权和，得到损失值，生成策略梯度；
[0027]根据所述策略梯度，基于反向传播算法逐层更新所述缺陷检测模型的参数；
[0028]对所述训练集中的其他图像执行从在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框至根据所述策略梯度，基于反向传播算法逐层更新所述缺陷检测模型的参数的步骤；
[0029]将验证集输入更新后的缺陷检测模型中，计算验证集的平均损失；
[0030]对在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框至将验证集输入更新后的缺陷检测模型中，计算验证集的平均损失的步骤进行重复直至所述验证集的损失不再降低。
[0031]根据本申请实施例的第二方面，提供一种鼠标外壳表面缺陷检测装置，包括：
[0032]获取模块，用于获取待测鼠标外壳的图像，其中所述图像为带偏振光的多光源多相机视觉系统对所述待测鼠标外壳的各个面进行图像采集得到；
[0033]预处理模块，用于对所述图像进行预处理；
[0034]输入模块，用于将预处理后的图像输入训练好的缺陷检测模型中，得到初步检测结果；
[0035]后处理模块，用于对所述初步检测结果进行非极大抑制操作，得到缺陷检测结果。
[0036]根据本申请实施例的第三方面，提供一种鼠标外壳表面缺陷检测系统，包括：
[0037]图像采集单元，所述图像采集单元用于采集待测鼠标外壳的图像，其中所述图像包括所述待测鼠标外壳的顶部的图像、四个侧面的图像以及底部的图像；
[0038]打光单元，所述打光单元用于在所述图像采集单元进行图像采集时进行光线照射；及
[0039]处理器，所述处理器用于获取待测鼠标外壳的图像，对所述图像进行预处理，将预处理后的图像输入训练好的缺陷检测模型中，得到初步检测结果，对所述初步检测结果进行非极大抑制操作，得到缺陷检测结果。
[0040]进一步地，所述图像采集单元包括：
[0041]第一相机和第二相机，所述第一相机和第二相机用于从不同角度采集所述待测鼠标外壳的顶部的图像；
[0042]第三相机、第四相机、第五相机和第六相机，所述第三相机、第四相机、第五相机和第六相机用于采集所述待测鼠标外壳的四个侧面的图像；
[0043]第七相机，所述第七相机用于采集所述待测鼠标外壳的底部的图像。
[0044]进一步地，所述打光单元包括：
[0045]第一光源，所述第一光源设置在所述第一相机和第三相机之间，用于在所述第一相机和第三相机进行图像采集时对所述待测鼠标外壳进行照射，其中所述第一光源与所述第一相机和第三相机均不同轴；
[0046]第二光源，所述第二光源设置在所述第二相机和第四相机之间，用于在所述第二相机和第四相机进行图像采集时对所述待测鼠标外壳进行照射，其中所述第二光源与所述第二相机和第四相机均不同轴；
[0047]第三光源，所述第三光源用于在所述第五相机进行图像采集时对所述待测鼠标外壳进行照射，其中所述第三光源与所述第五相机不同轴；
[0048]第四光源，所述第四光源用于在所述第六相机进行图像采集时对所述待测鼠标外壳进行照射，其中所述第四光源与所述第六相机不同轴；
[0049]第五光源，所述第五光源用于在所述第七相机进行图像采集时对所述待测鼠标外壳进行照射，其中所述第五光源与所述第七相机同轴。
[0050]根据本申请实施例的第四方面，提供一种电子设备，包括：
[0051]一个或多个处理器；
[0052]存储器，用于存储一个或多个程序；
[0053]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
[0054]根据本申请实施例的第五方面，提供一种计算机可读存储介质，其上存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种鼠标外壳表面缺陷检测方法，其特征在于，包括：获取待测鼠标外壳的图像，其中所述图像包括所述待测鼠标外壳的顶部的图像、四个侧面的图像以及底部的图像；对所述图像进行预处理；将预处理后的图像输入训练好的缺陷检测模型中，得到初步检测结果；对所述初步检测结果进行非极大抑制操作，得到缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，对所述图像进行预处理，包括：对所述图像进行形态学滤波操作，得到鼠标外壳区域；对所述鼠标外壳区域进行锐化，以提高所述鼠标外壳区域的对比度。3.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型包括：特征提取网络，用于提取输入图像的特征；特征融合网络，用于融合所述特征提取网络输出的不同尺度、不同层次的特征，得到融合特征；及检测分类网络，用于从所述融合特征中识别出目标缺陷的位置和类别。4.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型的训练过程包括：获取鼠标外壳的图像集；对所述图像集中的所有图像进行检测框标注和数据增强，得到训练数据集，其中每个检测框包括缺陷的位置信息和类别信息；将所述训练数据集划分为训练集和验证集；在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框；根据所述正样本框与所述检测框的重合程度，计算位置损失函数；根据正样本框对应的检测框的类别信息，计算类别损失函数；根据所述正样本框、负样本框分别对应的置信度信息，计算置信度损失函数；对所述位置损失函数、类别损失函数和置信度损失函数求加权和，得到损失值，生成策略梯度；根据所述策略梯度，基于反向传播算法逐层更新所述缺陷检测模型的参数；对所述训练集中的其他图像执行从在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框至根据所述策略梯度，基于反向传播算法逐层更新所述缺陷检测模型的参数的步骤；将验证集输入更新后的缺陷检测模型中，计算验证集的平均损失；对在所述训练集中的一张图像上预设的若干候选框进行筛选，得到正样本框和负样本框至将验证集输入更新后的缺陷检测模型中，计算验证集的平均损失的步骤进行重复直至所述验证集的损失不再降低。5.一种鼠标外壳表面缺陷检测装置，其特征在于，包括：获取模块，用于获取待测鼠标外壳的图像，其中所述图像为带偏振光的多光源多相机视觉系统对所述待测鼠标外壳的各个面进行图像采集得到；预处理模块，用于对所述图像进行预处理；输入模块，用于将预处理后的图像输入训练好的缺陷检测模型...
【专利技术属性】
技术研发人员：谢丰凡，邱翌，王东明，卢星宇，
申请(专利权)人：宁波利安科技股份有限公司，
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。