本申请涉及缺陷检测技术领域，提供了一种部件的缺陷检测方法、装置、电子设备及存储介质，方法包括：确定出待检测图像中的目标部件区域图像；从目标部件区域图像中提取出多个特征向量；将多个特征向量输入至预先构建好的多聚类中心特征分布模型之中，确定多个聚类中心向量，并基于多个聚类中心向量对各个特征向量进行分类；基于分类后的多个特征向量，确定出目标部件是否存在缺陷。通过使用不同的聚类中心向量对各个特征向量进行分类，在保证语义信息一致的同时，保留了更多的纹理光照等其他特征信息来表征特征的分布情况，从而实现了仅依靠正样就能实现缺陷检测，解决了工业设备中关键部件的缺陷样本少难题，提高了缺陷检测的准确率。确率。确率。
【技术实现步骤摘要】
一种部件的缺陷检测方法、装置、电子设备及存储介质
[0001]本申请涉及缺陷检测
，尤其是涉及一种部件的缺陷检测方法、装置、电子设备及存储介质。
技术介绍
[0002]部件缺陷检测是图像处理的一个经典问题，其是很多工业应用中存在的问题。解决这类问题的主要思想是提取缺陷区域和正常区域的特征，将其输入分类器后进行训练分类，最终以分类器给出的决策值对数据进行评判。
[0003]现阶段，当前无负样式缺陷检测方法构建特征向量空间、构建高斯分布模型或者直接使用整个特征向量集合，作为正常图像中同一局部区域的总体特征分布模型，然后设置一个分布阈值来划分图像整体特征分布的范围，最后计算检测图像的局部区域特征与特征分布模型的距离来区分正常与缺陷。然而，工业关键部件图像同一区域的纹理、颜色等变化情况并不统一，含有丰富的同一类别的不同维度的特征信息，会导致缺陷检测阶段出现缺陷检测不准确的技术问题。所以，如何提高部件的缺陷检测的准确率成为了不容小觑的技术问题。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种部件的缺陷检测方法、装置、电子设备及存储介质，通过使用不同的聚类中心向量对各个特征向量进行分类，在保证语义信息一致的同时，保留了更多的纹理光照等其他特征信息来表征特征的分布情况，从而实现了仅依靠正样就能实现缺陷检测，解决了工业设备中关键部件的缺陷样本少、缺陷种类多的难题，并且提高了缺陷检测的准确率。
[0005]本申请实施例提供了一种部件的缺陷检测方法，所述缺陷检测方法包括：
[0006]获取待检测图像，并确定出所述待检测图像中的目标部件区域图像；
[0007]从所述目标部件区域图像中提取出多个特征向量；
[0008]将多个所述特征向量输入至预先构建好的多聚类中心特征分布模型之中，确定多个聚类中心向量，并基于多个所述聚类中心向量对各个所述特征向量进行分类；
[0009]基于分类后的多个特征向量，确定出所述目标部件是否存在缺陷。
[0010]在一种可能的实施方式中，所述获取待检测图像，并确定出所述待检测图像中的目标部件区域图像，包括：
[0011]获取部件模板图像；
[0012]利用所述部件模板图像对所述待检测图像中的目标部件进行初步定位，确定出所述待检测图像中的目标部件的初步区域图像；
[0013]利用特征检测算法对所述部件模板图像以及所述目标部件的初步区域图像进行精准匹配，确定出所述目标部件区域图像。
[0014]在一种可能的实施方式中，所述利用所述部件模板图像对所述待检测图像中的目
标部件进行初步定位，确定出所述待检测图像中的目标部件的初步区域图像，包括：
[0015]将所述待检测图像以及所述部件模板图像输入至预先训练好的神经网络模型之中，确定出所述待检测图像中的各个图像区域与所述部件模板图像的相似度值；
[0016]在多个所述相似度值之中筛选出最大相似度值，将所述最大相似度值相对应的图像区域确定为所述目标部件的初步区域图像。
[0017]在一种可能的实施方式中，通过以下步骤确定出所述多聚类中心特征分布模型：
[0018]获取标准部件图像相对应的参考特征向量集；
[0019]在所述参考特征向量集中筛选出一个参考特征向量作为第一聚类中心向量，计算出所述参考特征向量集中的每个参考特征向量到所述第一聚类中心向量的第一距离；
[0020]在多个所述第一距离中筛选出最大第一距离，并将所述最大第一距离相对应的参考特征向量作为第二聚类中心向量；
[0021]基于所述第一聚类中心向量以及所述第二聚类中心向量构建出初始多聚类中心特征分布模型；
[0022]对所述初始多聚类中心特征分布模型进行聚类中心向量更新，利用每次更新后的多个聚类中心向量确定出所述多聚类中心特征分布模型。
[0023]在一种可能的实施方式中，所述对所述初始多聚类中心特征分布模型进行聚类中心向量更新，利用每次更新后的多个聚类中心向量确定出所述多聚类中心特征分布模型，包括：
[0024]确定出所述第一聚类中心向量以及所述第二聚类中心向量的目标欧式距离；
[0025]基于所述目标欧式距离与比例系数的乘积，确定出距离阈值；
[0026]计算出每一个聚类中心向量与所述参考特征向量集中非聚类中心相对应的参考特征向量的第二距离，在多个所述第二距离中筛选出最大第二距离；
[0027]将所述最大第二距离与所述距离阈值进行比较；
[0028]若大于，则将所述最大第二距离相对应的参考特征向量确定为新的聚类中心向量，并对所述初始多聚类中心特征分布模型进行聚类中心向量更新，直至所述聚类中心向量更新结束确定出所述多聚类中心特征分布模型。
[0029]在一种可能的实施方式中，所述将多个所述特征向量输入至预先构建好的多聚类中心特征分布模型之中，确定多个聚类中心向量，并基于多个所述聚类中心向量对各个所述特征向量进行分类，包括：
[0030]针对于每个所述特征向量，计算出该特征向量到每个所述聚类中心向量的第三距离，将该特征向量相对应的多个所述第三距离中的最小第三距离对应的聚类中心向量确定为目标聚类中心向量，将所述特征向量归类到所述目标聚类中心向量对应的目标类别之中。
[0031]在一种可能的实施方式中，所述基于分类后的多个特征向量，确定出所述目标部件是否存在缺陷，包括：
[0032]确定出每个分类后的所述特征向量到相对应的聚类中心向量的目标距离；
[0033]针对于每个分类后的所述特征向量，判断该分类后的特征向量的目标距离是否大于目标特征分布模型边界阈值；其中，所述目标特征分布模型边界阈值为该分类后的特征向量相对应的目标聚类中心向量的阈值；
[0034]若是，则所述目标部件存在缺陷。
[0035]本申请实施例还提供了一种部件的缺陷检测装置，所述缺陷检测装置包括：
[0036]目标部件区域确定模块，用于获取待检测图像，并确定出所述待检测图像中的目标部件区域图像；
[0037]特征提取模块，用于从所述目标部件区域图像中提取出多个特征向量；
[0038]特征分类模块，用于将多个所述特征向量输入至预先构建好的多聚类中心特征分布模型之中，确定多个聚类中心向量，并基于多个所述聚类中心向量对各个所述特征向量进行分类；
[0039]缺陷确定模块，用于基于分类后的多个特征向量，确定出所述目标部件是否存在缺陷。
[0040]本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的部件的缺陷检测方法的步骤。
[0041]本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的部件的缺陷检测方法的步骤。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种部件的缺陷检测方法，其特征在于，所述缺陷检测方法包括：获取待检测图像，并确定出所述待检测图像中的目标部件区域图像；从所述目标部件区域图像中提取出多个特征向量；将多个所述特征向量输入至预先构建好的多聚类中心特征分布模型之中，确定多个聚类中心向量，并基于多个所述聚类中心向量对各个所述特征向量进行分类；基于分类后的多个特征向量，确定出所述目标部件是否存在缺陷。2.根据权利要求1所述的缺陷检测方法，其特征在于，所述获取待检测图像，并确定出所述待检测图像中的目标部件区域图像，包括：获取部件模板图像；利用所述部件模板图像对所述待检测图像中的目标部件进行初步定位，确定出所述待检测图像中的目标部件的初步区域图像；利用特征检测算法对所述部件模板图像以及所述目标部件的初步区域图像进行精准匹配，确定出所述目标部件区域图像。3.根据权利要求2所述的缺陷检测方法，其特征在于，所述利用所述部件模板图像对所述待检测图像中的目标部件进行初步定位，确定出所述待检测图像中的目标部件的初步区域图像，包括：将所述待检测图像以及所述部件模板图像输入至预先训练好的神经网络模型之中，确定出所述待检测图像中的各个图像区域与所述部件模板图像的相似度值；在多个所述相似度值之中筛选出最大相似度值，将所述最大相似度值相对应的图像区域确定为所述目标部件的初步区域图像。4.根据权利要求1所述的缺陷检测方法，其特征在于，通过以下步骤确定出所述多聚类中心特征分布模型：获取标准工业部件图像相对应的参考特征向量集；在所述参考特征向量集中筛选出一个第一特征向量作为第一聚类中心向量，计算出所述参考特征向量集中的每个参考特征向量到所述第一聚类中心向量的第一距离；在多个所述第一距离中筛选出最大第一距离，并将所述最大第一距离相对应的参考特征向量作为第二聚类中心向量；基于所述第一聚类中心向量以及所述第二聚类中心向量构建出初始多聚类中心特征分布模型；对所述初始多聚类中心特征分布模型进行聚类中心向量更新，利用每次更新后的多个聚类中心向量确定出所述多聚类中心特征分布模型。5.根据权利要求4所述的缺陷检测方法，其特征在于，所述对所述初始多聚类中心特征分布模型进行聚类中心向量更新，利用每次更新后的多个聚类中心向量确定出所述多聚类中心特征分布模型，包括：确定出所述第一聚类中心向量以及所述第二聚类中心向量的目标欧式距离；基于所述目标欧式距离与比例系数的乘积，确定出距离阈值；计算出每一个聚类中心向量与所述...
【专利技术属性】
技术研发人员：吴华，刘草，
申请(专利权)人：华北电力大学，
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。