电器设备的外观缺陷检测方法、装置、电子设备及介质制造方法及图纸

本申请公开了一种电器设备的外观缺陷检测方法、装置、电子设备及介质，涉及图像检测技术领域。其中，该方法包括：采集电器设备的待检测面的外观图像，并确定外观图像的待检测区域；当在待检测区域中检测到目标对象时，确定目标对象的当前纹理特征的像素分布数据；基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，并确定类型的目标对象的数量和位置，从而得电器设备的外观缺陷检测结果。本申请提供的技术方案，可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。效率能够满足实际生产流水线的生产节拍要求。效率能够满足实际生产流水线的生产节拍要求。

【技术实现步骤摘要】
电器设备的外观缺陷检测方法、装置、电子设备及介质


[0001]本申请涉及图像检测
，尤其涉及一种电器设备的外观缺陷检测方法、装置、电子设备及介质。

技术介绍

[0002]电器设备的外观缺陷检测中，检测电器设备外观C面是否缺少螺丝是一项重要的检测任务。整个外观C面的螺丝数量比较多，螺丝尺寸比较小(如直径约为4ms)，且大部分螺丝分散在面板两侧，螺丝在光线下的阴影与面板边缘黑色边框颜色较相似。因此，在位置定位上难度比较大，因需要识别的螺丝数量较多也增加了识别的难度。目前常用的算法是基于神经网络的目标检测(如yolo、faster Rcnn)，其识别精度不高且检测效率慢，因而不能满足实际生产流水线的生产节拍要求(如算子运行速度要求<70ms/个)。

技术实现思路

[0003]本申请提供了一种电器设备的外观缺陷检测方法、装置、电子设备及介质，可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
[0004]第一方面，本申请提供了一种电器设备的外观缺陷检测方法，该方法包括：
[0005]采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；
[0006]当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；
[0007]基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。/>[0008]本申请实施例提供了一种电器设备的外观缺陷检测方法，采集电器设备的待检测面的外观图像，并确定外观图像的待检测区域；当在待检测区域中检测到目标对象时，确定目标对象的当前纹理特征的像素分布数据；基于缺陷检测基准数据分析当前纹理特征的像素分布数据得到目标对象的类型，并确定类型的目标对象的数量和位置，从而得电器设备的外观缺陷检测结果。本申请通过预先制定的目标位置模板先确定出每个目标对象对应的待检测区域，可以缩短对目标对象进行位置定位的时间，从而提高检测效率；再通过缺陷检测基准数据对目标对象的像素分布数据进行分析确定出目标对象的类型，从而判断出目标对象是否存在缺陷，可以提高对目标对象的识别精确率，再进一步确定出存在缺陷的目标对象的数量和位置。因此，执行本申请的技术方案可以提高对目标对象的检测效率和识别精确率，且所述检测效率能够满足实际生产流水线的生产节拍要求。
[0009]进一步的，所述目标对象的类型包括第一类目标和/或第二类目标，所述第二类目标用于安装所述第一类目标，通过如下方式为所述电器设备的外观缺陷检测确定缺陷检测基准数据：
[0010]在预设光照下获取所述待检测面的标准图像，确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据；所述标准图像为所述待检测面中所述第二类目标上安装了所述第一类目标；
[0011]获取所述待检测面的缺陷图像，确定所述缺陷图像中所述第二类目标的缺陷纹理特征的像素分布数据；所述缺陷图像为所述待检测面中所述第二类目标上未安装所述第一类目标；
[0012]对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。
[0013]进一步的，所述确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据，包括：
[0014]确定所述标准图像中各个第一类目标的像素分布数据，所述标准图像中包括多个所述第一类目标；
[0015]确定所述各个第一类目标对应的光影权重；
[0016]将所述各个第一类目标的像素分布数据与对应的所述各个第一类目标是光影权重进行加权，将加权结果作为所述标准纹理特征的像素分布数据。
[0017]进一步的，所述像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，所述像素区间和所述像素区间的组数是基于预设像素分组间隔确定；所述对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据，包括：
[0018]计算所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据中对应各组所述像素数量的第一差值；
[0019]从所述第一差值中挑选出预设数量的第一目标差值，将所述第一目标差值以及所述第一目标差值对应的像素区间作为所述缺陷检测基准数据。
[0020]进一步的，所述基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，包括：
[0021]计算所述标准纹理特征的像素分布数据和所述当前纹理特征的像素分布数据中对应各组所述像素数量的第二差值；
[0022]从所述第二差值中挑选出所述预设数量的第二目标差值，将所述第二目标差值以及所述第二目标差值对应的像素区间作为所述目标对象的外观数据；
[0023]对所述缺陷检测基准数据和所述外观数据进行方差分析得到方差结果；
[0024]若所述方差结果大于预设阈值，则确定所述目标对象的类型为所述第一类目标；
[0025]若所述方差结果不大于所述预设阈值，则确定所述目标对象的类型为所述第二类目标。
[0026]进一步的，所述确定所述外观图像的待检测区域，包括：
[0027]基于目标位置模板预测所述外观图像中存在目标对象的第一区域，所述目标位置模板是对所述待检测面中的目标对象进行标注而确定的，所述目标位置模板是根据所述电器设备的属性信息从模板库中获取到的；
[0028]对所述第一区域的左右两侧分别扩充预设宽度得到所述待检测区域。
[0029]进一步的，所述在所述待检测区域中检测到目标对象，包括：
[0030]确定在所述待检测区域中是否能检测到预设形状的轮廓特征，所述预设形状的轮廓特征是基于所述第一类目标和所述第二类目标的形状确定；
[0031]若能检测到，则确定在所述待检测区域中检测到了所述目标对象。
[0032]进一步的，所述确定所述目标对象的当前纹理特征的像素分布数据，包括：
[0033]确定所述目标对象的像素信息；
[0034]对所述像素信息进行直方图分析得到所述目标对象的当前纹理特征的像素分布数据。
[0035]第二方面，本申请提供了一种电器设备的外观缺陷检测装置，该装置包括：
[0036]区域确定模块，用于采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；
[0037]数据确定模块，用于当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；
[0038]缺陷检测模块，用于基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。
[0039]第三方面，本申请提供了一种电子设备，该电子设备包括：
[0040]至少一个处理器；以及
[0041]与所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电器设备的外观缺陷检测方法，其特征在于，所述方法包括：采集电器设备的待检测面的外观图像，并确定所述外观图像的待检测区域；当在所述待检测区域中检测到目标对象时，确定所述目标对象的当前纹理特征的像素分布数据；基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，并确定所述类型的目标对象的数量和位置，从而得所述电器设备的外观缺陷检测结果。2.根据权利要求1所述的电器设备的外观缺陷检测方法，其特征在于，所述目标对象的类型包括第一类目标和/或第二类目标，所述第二类目标用于安装所述第一类目标，通过如下方式为所述电器设备的外观缺陷检测确定缺陷检测基准数据：在预设光照下获取所述待检测面的标准图像，确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据；所述标准图像为所述待检测面中所述第二类目标上安装了所述第一类目标；获取所述待检测面的缺陷图像，确定所述缺陷图像中所述第二类目标的缺陷纹理特征的像素分布数据；所述缺陷图像为所述待检测面中所述第二类目标上未安装所述第一类目标；对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据。3.根据权利要求2所述的电器设备的外观缺陷检测方法，其特征在于，所述确定所述标准图像中所述第一类目标的标准纹理特征的像素分布数据，包括：确定所述标准图像中各个第一类目标的像素分布数据，所述标准图像中包括多个所述第一类目标；确定所述各个第一类目标对应的光影权重；将所述各个第一类目标的像素分布数据与对应的所述各个第一类目标是光影权重进行加权，将加权结果作为所述标准纹理特征的像素分布数据。4.根据权利要求2所述的电器设备的外观缺陷检测方法，其特征在于，所述像素分布数据中包括像素区间、像素区间的组数和每组像素区间的像素数量，所述像素区间和所述像素区间的组数是基于预设像素分组间隔确定；所述对所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据进行差值分析得到缺陷检测基准数据，包括：计算所述标准纹理特征的像素分布数据和所述缺陷纹理特征的像素分布数据中对应各组所述像素数量的第一差值；从所述第一差值中挑选出预设数量的第一目标差值，将所述第一目标差值以及所述第一目标差值对应的像素区间作为所述缺陷检测基准数据。5.根据权利要求4所述的电器设备的外观缺陷检测方法，其特征在于，所述基于缺陷检测基准数据分析所述当前纹理特征的像素分布数据得到所述目标对象的类型，包括：计算所述标准纹理特征的像素分布数据和所述当前纹理特征的像素分布数据中对应...

【专利技术属性】
技术研发人员：徐春长，王成，杨洪福，盛国军，
申请(专利权)人：卡奥斯工业智能研究院青岛有限公司海尔卡奥斯物联生态科技有限公司，
类型：发明
国别省市：