图像缺陷的评定方法、装置、设备、存储介质及产品制造方法及图纸

本申请涉及图像缺陷的评定方法、装置、设备、存储介质及产品。该方法包括：对待评定图像进行评定区域识别；根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。从而提高了对待评定图像进行缺陷评定的准确率。提高了对待评定图像进行缺陷评定的准确率。提高了对待评定图像进行缺陷评定的准确率。

【技术实现步骤摘要】
图像缺陷的评定方法、装置、设备、存储介质及产品


[0001]本申请涉及图像识别
，特别是涉及图像缺陷的评定方法、装置、设备、存储介质及产品。

技术介绍

[0002]目前，针对图像中存在的缺陷的识别，与缺陷的评定存在很大需求。当前图像的缺陷识别与评定是依靠专业人员肉眼观察，并通过与标准图像进行比对后逐一评定的，这样的评定结果的准确性与评定效率难以把控，且容易存在缺陷漏评的风险。
[0003]随着图像识别技术的发展，出现了利用深度学习模型对图像的缺陷进行识别的方式，但是，现有的深度学习模型通常是直接从待评定图像中提取缺陷特征进行缺陷评定，当待评定图像中的缺陷区域较小或缺陷不明显时，现有的图像缺陷识别方式会存在准确率较低的问题，亟需改进。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高图像缺陷识别的准确率与效率的图像缺陷的评定方法、装置、设备、存储介质及产品。
[0005]第一方面，本申请提供了一种图像缺陷的评定方法。该方法包括：
[0006]对待评定图像进行评定区域识别；
[0007]根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；
[0008]根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0009]在其中一个实施例中，根据连通性阈值和面积阈值，确定评定区域内的缺陷区域，包括：
[0010]根据连通性阈值中的灰度连通性阈值，和评定区域的灰度值，从评定区域中确定灰度突变区域；
[0011]判断灰度突变区域的区域面积是否大于面积阈值；
[0012]若是，则确定灰度突变区域为评定区域内的缺陷区域。
[0013]在其中一个实施例中，该方法还包括：
[0014]若灰度突变区域的区域面积小于或等于面积阈值，则根据连通性阈值中的距离连通性阈值，判断灰度突变区域与周围突变区域是否满足合并条件；其中，周围突变区域为位于灰度突变区域周围的其他灰度突变区域；
[0015]若满足，则对灰度突变区域与满足合并条件的周围突变区域进行合并，得到新的灰度突变区域，并根据新的灰度突变区域，返回执行判断灰度突变区域的区域面积是否大于面积阈值的操作。
[0016]在一个实施例中，在判断灰度突变区域与周围突变区域是否满足合并条件之后，该方法还包括：
[0017]若不满足合并条件，则构造理想比对区域；
[0018]根据理想比对区域、评定区域，以及灰度连通性阈值，确定评定区域内的缺陷区域。
[0019]在一个实施例中，根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定，包括：
[0020]将缺陷区域的缺陷特征与评判标准特征进行比较，并根据比较结果，对缺陷区域进行筛选；
[0021]根据筛选后的缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0022]在一个实施例中，缺陷特征包括：缺陷重心、缺陷尺寸、似圆度、缺陷类型和灰度特征中的至少一项。
[0023]在一个实施例中，对待评定图像进行评定区域识别，包括：
[0024]若待评定图像为焊缝图像，则对待评定图像进行焊缝像质计识别；
[0025]根据识别结果，确定焊缝像质计的灵敏度；
[0026]若焊缝像质计的灵敏度满足灵敏度要求，则对待评定图像进行评定区域识别。
[0027]在一个实施例中，该方法还包括：
[0028]若待评定图像为焊缝图像，则对原始焊缝底片进行底片标识识别；
[0029]将同一底片标识的原始焊缝底片进行叠加处理，得到底片标识对应的待评定图像。
[0030]第二方面，本申请还提供了一种图像缺陷的评定装置。所述装置包括：
[0031]识别模块，用于对待评定图像进行评定区域识别；
[0032]缺陷区域确定模块，用于根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；
[0033]评定模块，用于根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0034]第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
[0035]对待评定图像进行评定区域识别；
[0036]根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；
[0037]根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0038]第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0039]对待评定图像进行评定区域识别；
[0040]根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；
[0041]根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0042]第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0043]对待评定图像进行评定区域识别；
[0044]根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；
[0045]根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。
[0046]上述图像缺陷的评定方法、装置、设备、存储介质及产品，对待评定图像进行评定区域识别；根据连通性阈值和面积阈值，确定评定区域内的缺陷区域；根据缺陷区域的缺陷特征，对待评定图像进行缺陷评定。通过对待评定图像的评定区域进行识别，剔除了待评定
图像内与缺陷评定无关的区域，缩小了对待评定图像进行缺陷评定时的范围，进而提高了图像缺陷评定的效率。同时，通过连通性阈值和面积阈值确定评定区域内具体的缺陷区域，并根据获取到的评定区域的缺陷特征，对待评定图像进行缺陷评定，进而提高了对待评定图像进行缺陷评定的准确率。
附图说明
[0047]图1为一个实施例中图像缺陷的评定方法的应用环境图；
[0048]图2为一个实施例中图像缺陷的评定方法的流程示意图；
[0049]图3为一个实施例中确定评定区域内的缺陷区域的流程示意图；
[0050]图4为一个实施例中对待评定图像进行评定区域识别的流程示意图；
[0051]图5为另一个实施例中图像缺陷的评定方法的流程示意图；
[0052]图6为一个实施例中图像缺陷的评定装置的结构框图；
[0053]图7为一个实施例中缺陷区域确定模块的结构框图；
[0054]图8为另一个实施例中缺陷区域确定模块的结构框图；
[0055]图9为一个实施例中评定模块的结构框图；
[0056]图10为一个实施例中识别模块的结构框图；
[0057]图11为另一个实施例中图像缺陷的评定装置的结构框图；
[0058]图12为一个实施例中计算机设备的内部结构图。
具体实施方式
[0059]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像缺陷的评定方法，其特征在于，所述方法包括：对待评定图像进行评定区域识别；根据连通性阈值和面积阈值，确定所述评定区域内的缺陷区域；根据所述缺陷区域的缺陷特征，对所述待评定图像进行缺陷评定。2.根据权利要求1所述的方法，其特征在于，所述根据连通性阈值和面积阈值，确定所述评定区域内的缺陷区域，包括：根据连通性阈值中的灰度连通性阈值，和所述评定区域的灰度值，从所述评定区域中确定灰度突变区域；判断所述灰度突变区域的区域面积是否大于面积阈值；若是，则确定所述灰度突变区域为所述评定区域内的缺陷区域。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述灰度突变区域的区域面积小于或等于所述面积阈值，则根据所述连通性阈值中的距离连通性阈值，判断所述灰度突变区域与周围突变区域是否满足合并条件；其中，所述周围突变区域为位于所述灰度突变区域周围的其他灰度突变区域；若满足，则对所述灰度突变区域与满足合并条件的周围突变区域进行合并，得到新的灰度突变区域，并根据新的灰度突变区域，返回执行判断所述灰度突变区域的区域面积是否大于面积阈值的操作。4.根据权利要求3所述的方法，其特征在于，在判断所述灰度突变区域与周围突变区域是否满足合并条件之后，所述方法还包括：若不满足合并条件，则构造理想比对区域；根据所述理想比对区域、所述评定区域，以及所述灰度连通性阈值，确定所述评定区域内的缺陷区域。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述根据所述缺陷区域的缺陷特征，对所述待评定图像进行缺陷评定，包括：将所述缺陷区域的缺陷特征与评判标准进行比较，并根据比较结果，对所述缺陷区域进行筛选；根据筛选后的缺...

【专利技术属性】
技术研发人员：卢焱，陈衡，侯帆，梅义俊，王国栋，王达昌，何自洪，孙林辉，高帆，魏绍明，李聪，方磊，汪缔洪，
申请(专利权)人：苏州热工研究院有限公司中广核检测技术有限公司中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：