产品边缘外观缺陷的检测方法及装置、介质、设备制造方法及图纸

本申请公开了一种产品边缘外观缺陷的检测方法及装置、介质、设备，本申请涉及机器视觉技术领域，主要目的在于改善现有基于深度学习的检测方法由于标注复杂、对数据质量以及数量的要求较高，导致其难以实现广泛化的问题。包括：获取目标产品的图像数据；从图像数据中识别出边缘轮廓区域，基于边缘轮廓区域生成基准边缘轮廓，并生成多个与基准边缘轮廓相平行的平行轮廓；获取多个平行轮廓以及基准边缘轮廓所包含的各个像素点的灰度值向量，并生成边缘轮廓展开图像数据；对边缘轮廓展开图像数据进行平滑滤波处理，得到滤波后的边缘轮廓展开图像数据，并根据边缘轮廓展开图像数据以及滤波后的边缘轮廓展开图像数据之间的灰度值差值确定缺陷位置信息。确定缺陷位置信息。确定缺陷位置信息。

【技术实现步骤摘要】
产品边缘外观缺陷的检测方法及装置、介质、设备


[0001]本申请涉及机器视觉
，特别是涉及一种产品边缘外观缺陷的检测方法及装置、介质、设备。

技术介绍

[0002]AOI（Automated Optical Inspection，自动光学检测技术）在工业产品的外观品质质检环节具有非常广泛的应用，相对于人工检测而言，其具有效率高，稳定性好，一致性好等优点，是解放大量质检工人，减员增效，提升企业产能，提升产品良率，提升公司产品竞争力的一个重要工具。在工业场景下的外观品质检测，通常可根据图像技术分为均匀面域背景下的灰度异常检测、周期纹理面域背景下的纹理异常检测、非周期纹理复杂背景下的异常检测、以及边缘区域类异常检测等几大类。其中，因为多数产品的区域边缘具有一定的周期特性，其表现特征为沿着边缘方向，产品的灰度具有一定的相似性，沿边缘的法线方向，具有较大的灰度差异，因此，当边缘外观发生缺陷时，由于受法线方向灰度差异大的影响，导致缺陷的大小和位置往往难以抓取。
[0003]目前，针对上述问题，现有检测方法是利用卷积神经网络等深度学习方法通过大数据的标注学习和训练，可以提高此类产品边缘缺陷的检测准确率。然而，由于上述深度学习方法不具有物理可解释性，且标注复杂，对数据质量以及数量的要求均较高，导致其难以实现广泛化。因此，亟需一种产品边缘外观缺陷的检测方法，以改善上述问题。

技术实现思路

[0004]有鉴于此，本申请提供一种产品边缘外观缺陷的检测方法及装置、介质、设备，主要目的在于改善现有基于深度学习的检测方法由于标注复杂、对数据质量以及数量的要求较高，导致其难以实现广泛化的问题。
[0005]依据本申请一个方面，提供了一种产品边缘外观缺陷的检测方法，包括：获取目标产品的图像数据；从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所述边缘轮廓区域生成所述目标产品的基准边缘轮廓，并生成多个与所述基准边缘轮廓相平行的平行轮廓，所述基准边缘轮廓以及所述平行轮廓的宽度为单像素宽度；获取所述多个平行轮廓以及所述基准边缘轮廓所包含的各个像素点的灰度值向量，生成灰度值向量集，并基于所述灰度值向量集生成所述目标产品的边缘轮廓展开图像数据；对所述边缘轮廓展开图像数据进行平滑滤波处理，得到滤波后的边缘轮廓展开图像数据，并根据所述边缘轮廓展开图像数据以及所述滤波后的边缘轮廓展开图像数据之间的灰度值差值确定所述目标产品的缺陷位置信息。
[0006]优选的，所述根据所述边缘轮廓展开图像数据以及所述滤波后的边缘轮廓展开图像数据之间的灰度值差值确定所述目标产品的缺陷位置信息，具体包括：
若所述灰度值差值大于预设灰度值差值阈值，则将所述灰度值差值所对应的位置标记为缺陷位置。
[0007]优选的，所述将所述灰度值差值所对应的位置标记为缺陷位置之后，所述方法还包括：获取所述缺陷位置的坐标信息，并根据所述坐标信息将所述缺陷位置映射到所述目标产品的图像数据中，以进行输出。
[0008]优选的，所述缺陷位置的坐标信息的行坐标值对应平行轮廓编号以及列坐标值对应平行轮廓上的轮廓点编号。
[0009]优选的，所述从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所述边缘轮廓区域生成所述目标产品的基准边缘轮廓，具体包括：从所述目标产品的图像数据中选定待检测区域；基于预设灰度区间阈值从所述待检测区域中识别出所述目标产品的产品区域；分别提取所述待检测区域以及所述产品区域的内部边缘区域，并基于所述待检测区域的内部边缘区域以及所述产品区域的内部边缘区域之间差值，生成所述目标产品的基准边缘轮廓。
[0010]优选的，所述生成多个与所述基准边缘轮廓相平行的平行轮廓，具体包括：按照预设轮廓平行距离，分别沿所述基准边缘轮廓的内法线方向以及外法线方向获取预设数量的平行轮廓，生成多个与所述基准边缘轮廓相平行的平行轮廓。
[0011]优选的，所述基于所述灰度值向量集生成所述目标产品的边缘轮廓展开图像数据，具体包括：基于所述多个平行轮廓的数量以及所述基准边缘轮廓所包含的像素点数量创建空白图像；将各个所述平行轮廓以及所述基准边缘轮廓所包含的各个像素点的灰度值向量映射到所述空白图像，生成所述目标产品的边缘轮廓展开图像数据。
[0012]优选的，所述获取所述缺陷位置的坐标信息之前，所述方法还包括：获取所述缺陷位置的尺寸数据，并判断所述尺寸数据是否大于预设尺寸阈值；若是，则获取所述缺陷位置的坐标信息，否则，忽略所述缺陷位置。
[0013]优选的，所述根据所述坐标信息将所述缺陷位置映射到所述目标产品的图像数据中之后，所述方法还包括：分别获取任意两个所述缺陷位置之间的相对位置信息，并判断所述相对位置信息是否满足预设缺陷位置融合标准，所述相对位置信息包括距离信息以及方向信息；若是，则将所述两个缺陷位置进行融合处理。
[0014]优选的，所述提取所述产品区域的内部边缘区域之前，所述方法还包括：对所述目标产品的产品区域进行凸包运算处理。
[0015]优选的，所述生成所述目标产品的基准边缘轮廓之前，所述方法还包括：按照预设腐蚀像素尺寸对所述待检测区域进行像素腐蚀处理。
[0016]依据本申请另一个方面，提供了一种产品边缘外观缺陷的检测装置，包括：第一获取模块，用于获取目标产品的图像数据；生成模块，用于从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所
述边缘轮廓区域生成所述目标产品的基准边缘轮廓，并生成多个与所述基准边缘轮廓相平行的平行轮廓，所述基准边缘轮廓以及所述平行轮廓的宽度为单像素宽度；第二获取模块，用于获取所述多个平行轮廓以及所述基准边缘轮廓所包含的各个像素点的灰度值向量，生成灰度值向量集，并基于所述灰度值向量集生成所述目标产品的边缘轮廓展开图像数据；确定模块，用于对所述边缘轮廓展开图像数据进行平滑滤波处理，得到滤波后的边缘轮廓展开图像数据，并根据所述边缘轮廓展开图像数据以及所述滤波后的边缘轮廓展开图像数据之间的灰度值差值确定所述目标产品的缺陷位置信息。
[0017]优选的，所述确定模块，具体用于：若所述灰度值差值大于预设灰度值差值阈值，则将所述灰度值差值所对应的位置标记为缺陷位置。
[0018]优选的，所述确定模块之后，所述装置还包括：映射模块，用于获取所述缺陷位置的坐标信息，并根据所述坐标信息将所述缺陷位置映射到所述目标产品的图像数据中，以进行输出。
[0019]优选的，所述缺陷位置的坐标信息的行坐标值对应平行轮廓编号以及列坐标值对应平行轮廓上的轮廓点编号。
[0020]优选的，所述生成模块，具体包括：选定单元，用于从所述目标产品的图像数据中选定待检测区域；识别单元，用于基于预设灰度区间阈值从所述待检测区域中识别出所述目标产品的产品区域；生成单元，用于分别提取所述待检测区域以及所述产品区域的内部边缘区域，并基于所述待检测区域的内部边缘区域以及所述产品区域的内部边缘区域之间差值，生成所述目标产品的基准边缘轮廓。
[0021]优选的，所述生成单元，还用于：按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品边缘外观缺陷的检测方法，其特征在于，包括：获取目标产品的图像数据；从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所述边缘轮廓区域生成所述目标产品的基准边缘轮廓，并生成多个与所述基准边缘轮廓相平行的平行轮廓，所述基准边缘轮廓以及所述平行轮廓的宽度为单像素宽度；获取所述多个平行轮廓以及所述基准边缘轮廓所包含的各个像素点的灰度值向量，生成灰度值向量集，并基于所述灰度值向量集生成所述目标产品的边缘轮廓展开图像数据；对所述边缘轮廓展开图像数据进行平滑滤波处理，得到滤波后的边缘轮廓展开图像数据，并根据所述边缘轮廓展开图像数据以及所述滤波后的边缘轮廓展开图像数据之间的灰度值差值确定所述目标产品的缺陷位置信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述边缘轮廓展开图像数据以及所述滤波后的边缘轮廓展开图像数据之间的灰度值差值确定所述目标产品的缺陷位置信息，具体包括：若所述灰度值差值大于预设灰度值差值阈值，则将所述灰度值差值所对应的位置标记为缺陷位置。3.根据权利要求2所述的方法，其特征在于，所述将所述灰度值差值所对应的位置标记为缺陷位置之后，所述方法还包括：获取所述缺陷位置的坐标信息，并根据所述坐标信息将所述缺陷位置映射到所述目标产品的图像数据中，以进行输出。4.根据权利要求3所述的方法，其特征在于，所述缺陷位置的坐标信息的行坐标值对应平行轮廓编号以及列坐标值对应平行轮廓上的轮廓点编号。5.根据权利要求1所述的方法，其特征在于，所述从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所述边缘轮廓区域生成所述目标产品的基准边缘轮廓，具体包括：从所述目标产品的图像数据中选定待检测区域；基于预设灰度区间阈值从所述待检测区域中识别出所述目标产品的产品区域；分别提取所述待检测区域以及所述产品区域的内部边缘区域，并基于所述待检测区域的内部边缘区域以及所述产品区域的内部边缘区域之间差值，生成所述目标产品的基准边缘轮廓。6.根据权利要求5所述的方法，其特征在于，所述生成多个与所述基准边缘轮廓相平行的平行轮廓，具体包括：按照预设轮廓平行距离，分别沿所述基准边缘轮廓的内法线方向以及外法线方向获取预设数量的平行轮廓，生成多个与所述基准边缘轮廓相平行的平行轮廓。7.根据权利要求6所述的方法，其特征在于，所述基于所述灰度值向量集生成所述目标产品的边缘轮廓展开图像数据，具体包括：基于所述多个平行轮廓的数量以及所述基准边缘轮廓所包含的像素点数量创建空白图像；将各个所述平行轮廓以及所述基准边缘轮廓所包含的各个像素点的灰度值向量映射到所述空白图像，生成所述目标产品的边缘轮廓展开图像数据。8.根据权利要求3所述的方法，其特征在于，所述获取所述缺陷位置的坐标信息之前，
所述方法还包括：获取所述缺陷位置的尺寸数据，并判断所述尺寸数据是否大于预设尺寸阈值；若是，则获取所述缺陷位置的坐标信息，否则，忽略所述缺陷位置。9.根据权利要求3所述的方法，其特征在于，所述根据所述坐标信息将所述缺陷位置映射到所述目标产品的图像数据中之后，所述方法还包括：分别获取任意两个所述缺陷位置之间的相对位置信息，并判断所述相对位置信息是否满足预设缺陷位置融合标准，所述相对位置信息包括距离信息以及方向信息；若是，则将所述两个缺陷位置进行融合处理。10.根据权利要求5所述的方法，其特征在于，所述提取所述产品区域的内部边缘区域之前，所述方法还包括：对所述目标产品的产品区域进行凸包运算处理。11.根据权利要求5所述的方法，其特征在于，所述生成所述目标产品的基准边缘轮廓之前，所述方法还包括：按照预设腐蚀像素尺寸对所述待检测区域进行像素腐蚀处理。12.一种产品边缘外观缺陷的检测装置，其特征在于，包括：第一获取模块，用于获取目标产品的图像数据；生成模块，用于从所述图像数据中识别出所述目标产品的边缘轮廓区域，基于所述边缘轮廓区域生成所述目标产品的基准边缘轮廓，并生成多个与所述基准边缘轮廓相平行的平行轮廓，所述基准边缘轮廓以及所述平行轮廓的宽度为单...

【专利技术属性】
技术研发人员：张武杰，
申请(专利权)人：中科慧远智能装备广东有限公司中科慧远视觉技术洛阳有限公司，
类型：发明
国别省市：