本发明专利技术实施例公开了一种基于边缘的缺陷检测方法，包括：获取需要进行缺陷检测的待检测产品对应的待检测图像；基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像；确定第一滤波阈值和第二滤波阈值，基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像；基于所述二值化边缘图像进行缺陷检测，以获取所述待检测图像的缺陷检测结果。此外，本发明专利技术实施例还公开了一种基于边缘的缺陷检测装置、设备及存储介质。采用本发明专利技术，可以提高弱边缘缺陷和微小缺陷，提高边缘缺陷检测的准确率。准确率。准确率。
【技术实现步骤摘要】
基于边缘的缺陷检测方法、装置、设备及存储介质
[0001]本专利技术涉及工业视觉自动化检测
，尤其涉及一种基于边缘的缺陷检测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
[0002]智能制造最核心的技术就是机器视觉技术。机器视觉来替代人工视觉，大大提高企业的生产效率和生产自动化和智能化程度。机器视觉的核心功能是测量识别定位，其在制造领域的应用主要有视觉测量、视觉定位、视觉引导和视觉检测等，而这些视觉
都会涉及到图像的边缘检测，特别是工业产品的表面缺陷检测，例如锂电极片极耳缺陷检测、手机玻璃盖板瑕疵检测、显示屏缺陷检测以及晶圆硅片瑕疵检测等。因此，边缘检测是处理许多复杂视觉问题的关键，检测出边缘的分割图像就可以对缺陷和瑕疵进行特征提取、缺陷分类以及成因分析，从而利用动态监控与反馈技术对生产线进行实时监控和过程反馈，实时改进生产制造过程和工序作业，降低产品的缺陷率，减少生产成本，提高企业效益。
[0003]由于工业生产线光照条件和成像环境比较复杂，往往摄像设备采集到的图像对比度较低，导致有些缺陷与背景区分度低，这样弱化了缺陷或瑕疵的边缘。另外，在产品生产制造过程中，由于环境、设备、工艺和技术等各种原因，产品表面难免会产生多种缺陷。例如手机玻璃盖板有划伤、崩边、脏污、漏光、异色、凹凸点等，锂电池极片缺陷有撕裂、污垢、皱褶、不对称涂层、气泡、划痕、暗痕、漏箔、胶带不良等等。往往这些缺陷中存在弱边缘缺陷和微小缺陷，而在摄像设备采集到的图像中表现为局部对比度低，边缘不清晰。这种弱边缘缺陷用传统的Roberts、Sobel、Prewitt、Canny等算法难以准确边缘检测而导致缺陷漏检。缺陷检测最关键的是如何准确定位和分割出缺陷，而缺陷的定位和分割都是根据所形成目标缺陷的精确边缘检测。
[0004]在相关技术方案中，可以通过阈值来实现对边缘的检测，具体通过阈值对边缘梯度强度进行二值化分割，即阈值分割。但是，一般的单阈值简单但可能会分割出噪点或伪边缘点，而双阈值分割会较好地避免噪点和伪边缘点，但是双阈值分割复杂度高，且双阈值的设定需要根据采集的图像，通过多次仿真来人为设置，但这样的阈值适应性较差，而当所要检测的目标缺陷的边缘较弱时，灰度变化就不稳定。
[0005]综上，上述边缘检测的方案对边缘的检出效率低，且准确度不高，从而导致基于边缘检测的缺陷检测等工序存在明显的漏检或过检，缺陷检测的准确率较低。
技术实现思路
[0006]基于此，有必要针对上述问题，提出了一种基于边缘的缺陷检测方法、装置、计算机设备及计算机可读存储介质。
[0007]在本专利技术的第一部分，提供了一种基于边缘的缺陷检测方法，所述方法包括：获取需要进行缺陷检测的待检测产品对应的待检测图像；
基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像；确定第一滤波阈值和第二滤波阈值，基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像；基于所述二值化边缘图像进行缺陷检测，以获取所述待检测图像的缺陷检测结果。
[0008]可选的，所述获取需要进行缺陷检测的待检测产品对应的待检测图像的步骤之后，还包括：对所述待检测图像进行图像预处理，所述图像预处理包括图像去噪处理、图像增强处理中的一个或多个。
[0009]可选的，所述对所述待检测图像进行图像预处理的步骤，还包括：对所述待检测图像进行双边滤波处理，以得到图像去噪处理之后的待检测图像；或，基于预设的多尺度高斯滤波算法，对所述待检测图像进行滤波处理，以得到图像增强处理之后的待检测图像；其中，所述基于预设的多尺度高斯滤波算法，对所述待检测图像进行滤波处理的步骤，还包括：确定多个高斯标准差，确定与每一个高斯标准差对应的高斯滤波核，基于每一个高斯滤波核对所述待检测图像进行滤波处理分别得到对应的滤波图像；基于所述待检测图像、多个滤波图像确定多个边缘图像，并基于预设的加权系数对所述多个加权图像进行加权处理以得到图像增强处理之后的待检测图像。
[0010]可选的，所述基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像的步骤，还包括：基于预设的分数阶微分算子，计算所述待检测图像中每个像素点在X方向和Y方向上的灰度梯度值以得到每个像素点对应的梯度幅度值和梯度方向，根据所述每个像素点对应的梯度幅度值和梯度方向得到所述所述待检测图像的梯度强度图像；其中，所述预设的分数阶微分算子为分数阶Sobel型对称边缘算子或非对称分数阶边缘算子。
[0011]可选的，所述基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像的步骤之后，还包括：对所述梯度强度图像进行非极大值抑制。
[0012]可选的，所述基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像的步骤，还包括：对所述梯度强度图像进行局部均值滤波处理，以得到第一滤波阈值；对所述梯度强度图像进行局部高斯滤波处理，以得到第二滤波阈值；根据预设的加权系数，对所述第一滤波阈值和第二滤波阈值进行处理，以得到第三滤波阈值；基于第三滤波阈值对所述梯度强度图像进行二值化处理，以得到边缘阈值分割之后的二值化边缘图像。
[0013]可选的，所述基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像的步骤之后，还包括：利用形态学闭运算算子，对二值化边缘图像进行修复处理；利用预设的领域模板细化算法，对修复处理之后的二值化边缘图像进行细化处理。
[0014]可选的，所述基于所述二值化边缘图像进行缺陷检测，以获取所述待检测图像的缺陷检测结果的步骤，还包括：基于预设的缺陷检测算法获取所述二值化边缘图像中包含的缺陷特征，以获取所述待检测图像的缺陷检测结果。
[0015]在本专利技术的第二部分，提供了一种基于边缘的缺陷检测装置，所述装置包括：图像获取模块，用于获取需要进行缺陷检测的待检测产品对应的待检测图像；分数阶边缘梯度计算模块，用于基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像；自适应边缘检测模块，用于确定第一滤波阈值和第二滤波阈值，基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像；边缘缺陷输出模块，用于基于所述二值化边缘图像进行缺陷检测，以获取所述待检测图像的缺陷检测结果。
[0016]在本专利技术的第三部分，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，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如前所述的基于边缘的缺陷检测方法。
[0017]在本专利技术的第四部分，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用于存储计算机程序，所述计算机程序用于执行如前所述的基于边缘的缺陷检测方法。
[0018]采用本专利技术实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于边缘的缺陷检测方法，其特征在于，所述方法包括：获取需要进行缺陷检测的待检测产品对应的待检测图像；基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像；确定第一滤波阈值和第二滤波阈值，基于第一滤波阈值和第二滤波阈值对所述梯度强度图像进行边缘阈值分割，得到所述待检测图像的二值化边缘图像；基于所述二值化边缘图像进行缺陷检测，以获取所述待检测图像的缺陷检测结果。2.根据权利要求1所述的基于边缘的缺陷检测方法，其特征在于，所述获取需要进行缺陷检测的待检测产品对应的待检测图像的步骤之后，还包括：对所述待检测图像进行图像预处理，所述图像预处理包括图像去噪处理、图像增强处理中的一个或多个。3.根据权利要求2所述的基于边缘的缺陷检测方法，其特征在于，所述对所述待检测图像进行图像预处理的步骤，还包括：对所述待检测图像进行双边滤波处理，以得到图像去噪处理之后的待检测图像；或，基于预设的多尺度高斯滤波算法，对所述待检测图像进行滤波处理，以得到图像增强处理之后的待检测图像；其中，所述基于预设的多尺度高斯滤波算法，对所述待检测图像进行滤波处理的步骤，还包括：确定多个高斯标准差，确定与每一个高斯标准差对应的高斯滤波核，基于每一个高斯滤波核对所述待检测图像进行滤波处理分别得到对应的滤波图像；基于所述待检测图像、多个滤波图像确定多个边缘图像，并基于预设的加权系数对所述多个边缘图像进行加权处理以得到图像增强处理之后的待检测图像。4.根据权利要求1所述的基于边缘的缺陷检测方法，其特征在于，所述基于预设的分数阶微分算子确定所述待检测图像中每个像素点的梯度值，确定所述待检测图像的梯度强度图像的步骤，还包括：基于预设的分数阶微分算子，计算所述待检测图像中每个像素点在X方向和Y方向上的灰度梯度值以得到每个像素点对应的梯度幅度值和梯度方向，根据所述每个像素点对应的梯度幅度值和梯度方向得到所述待检测图像的梯度强度图像；其中，所述预设的分数阶微分算子为分数阶Sobel型对称边缘算子或非对称分数阶边缘算子。5.根据权利要求1所述的基于边缘的缺陷检测方法，其特征在于，所述基于预设的分数阶微分算子确定所述待检测图像中每...
【专利技术属性】
技术研发人员：顾国华，
申请(专利权)人：深圳新视智科技术有限公司，
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。