本申请提供了缺陷检测方法及缺陷检测装置。所述缺陷检测方法包括：对训练样品进行扫描，以得到第一图像，其中，所述训练样品具有焊接缺陷；对所述第一图像进行去噪处理，以得到第二图像；根据所述第二图像生成所述训练样品的三维点云图及亮度图；根据所述三维点云图及所述亮度图训练识别所述焊接缺陷；训练结束后生成缺陷识别模型；及利用所述缺陷识别模型对待检测物进行焊接缺陷检测。本申请提供的缺陷检测方法能够提高对焊接缺陷的识别率，从而降低对焊接缺陷的漏检率及过杀率。低对焊接缺陷的漏检率及过杀率。低对焊接缺陷的漏检率及过杀率。
【技术实现步骤摘要】
缺陷检测方法及缺陷检测装置
[0001]本申请涉及图像数据处理领域，具体涉及一种缺陷检测方法及缺陷检测装置。
技术介绍
[0002]随着新能源汽车的普及，续航里程也较之前有所增加，各大汽车厂商对动力电池的需求表现一直强劲，同时对动力电池的外观品质要求非常严格。对于动力电池顶盖焊部分，传统的检测方案存在微小缺陷成像不明显，缺陷类型偶尔无法区分情况。
技术实现思路
[0003]第一方面，本申请提供了一种缺陷检测方法，所述缺陷检测方法包括：对训练样品进行扫描，以得到第一图像，其中，所述训练样品具有焊接缺陷；对所述第一图像进行去噪处理，以得到第二图像；根据所述第二图像生成所述训练样品的三维点云图及亮度图；根据所述三维点云图及所述亮度图训练识别所述焊接缺陷；训练结束后生成缺陷识别模型；及利用所述缺陷识别模型对待检测物进行焊接缺陷检测。
[0004]其中，所述对所述第一图像进行去噪处理，以得到第二图像包括：对所述第一图像进行模糊处理，以得到第三图像；及将所述第一图像的灰度值减去所述第三图像的灰度值，以得到第二图像。
[0005]其中，所述对所述第一图像进行模糊处理，以得到第三图像包括：标定预设区域，其中，所述焊接缺陷设于所述预设区域内；将所述第一图像中每个像素点的灰度值减去第一预设灰度值，以得到第三图像，且所述第三图像中的所述预设区域内的灰度值小于或等于第二预设灰度值，或者，将所述预设区域中每个像素点的灰度值减去第三预设灰度值，且所述第一图像中除所述预设区域外的其它区域的灰度值不变，以得到第三图像，且所述第三图像中的所述预设区域内的灰度值小于或等于第四预设灰度值。
[0006]其中，所述将所述第一图像的灰度值减去所述第三图像的灰度值，以得到第二图像包括：将所述第一图像中每个像素点的灰度值减去对应在所述第三图像中相同坐标的像素点的灰度值，以得到第二图像，或者，将所述第一图像中每个像素点的灰度值减去所述第三图像中所有像素点的灰度值的平均值，以得到第二图像。
[0007]其中，所述根据所述三维点云图及所述亮度图训练识别所述焊接缺陷包括：将所述三维点云图转换为浮点型图像后归一化以得到第一浮点数据，且将所述亮度图归一化以得到第二浮点数据；及利用双通道分别输入所述第一浮点数据及所述第二浮点数据，以训练识别所述焊接缺陷。
[0008]其中，在所述将所述三维点云图转换为浮点型图像后归一化以得到第一浮点数据，且将所述亮度图归一化以得到第二浮点数据之后，在所述利用双通道分别输入所述第一浮点数据及所述第二浮点数据，以训练识别所述焊接缺陷之前，所述根据所述三维点云图及所述亮度图训练识别所述焊接缺陷还包括：在所述三维点云图及所述亮度图中标注所述焊接缺陷的位置及类型，并标记相应的浮点数据；及设置训练次数及批次数；所述利用双通道分别输入所述第一浮点数据及所述第二浮点数据，以训练识别所述焊接缺陷包括：利用双通道分别输入所述第一浮点数据及所述第二浮点数据；对所述第一浮点数据及所述第二浮点数据进行语义分割；及训练识别所述焊接缺陷。
[0009]其中，在所述训练结束后生成缺陷识别模型之后，在所述利用所述缺陷识别模型对待检测物进行焊接缺陷检测之前，所述缺陷检测方法还包括：对每种所述焊接缺陷设置过滤阈值；根据所述过滤阈值，对所述缺陷识别模型进行推理测试；及在预设标准下，判断每种所述焊接缺陷的漏检率是否为0，且过杀率是否小于或等于1
‰
；如果是，则所述缺陷识别模型合格；如果否，则调整相应的所述焊接缺陷的过滤阈值，并重新进行所述推理测试。
[0010]其中，如果通过所述调整相应的所述焊接缺陷的过滤阈值，并重新进行推理测试无法得到合格的所述缺陷识别模型，在所述如果否，则调整相应的所述焊接缺陷的过滤阈值，并重新进行所述推理测试之后，在所述利用所述缺陷识别模型对待检测物进行焊接缺陷检测之前，所述缺陷检测方法还包括：增加所述训练样品的数量，并重新训练以更新所述缺陷识别模型；对每种所述焊接缺陷设置过滤阈值；根据所述过滤阈值，对所述缺陷识别模型进行推理测试；及判断对于预设标准的每种所述焊接缺陷的漏检率是否为0，且过杀率是否小于或等于1
‰
；如果是，则所述缺陷识别模型合格；如果否，则调整相应的所述焊接缺陷的过滤阈值，并重新进行所述推理测试。
[0011]第二方面，本申请还提供了一种缺陷检测装置，所述缺陷检测装置包括：三维线激光轮廓仪，所述三维线激光轮廓仪包括相机，所述相机用于对训练样品扫描以得到第一图像，其中，所述训练样品具有焊接缺陷；所述三维线激光轮廓仪还包括处理器，所述处理器用于：对所述第一图像进行去噪预处理，以得到第二图像；根据所述第二图像生成所述训练样品的三维点云图及亮度图；根据所述三维点云图及所述亮度图训练识别所述焊接缺陷；训练结束后生成缺陷识别模型；利用所述缺陷识别模型对待检测物进行焊接缺陷检测；及支架，所述支架用于承载所述三维线激光轮廓仪及所述训练样品。
[0012]第三方面，本申请还提供了一种缺陷检测装置，所述缺陷检测装置包括：计算机可读存储介质，所述计算机可读存储介质存储有计算机可读程序；及处理器，所述处理器用于读取及调用所述计算机可读程序，以执行如第一方面所述的缺陷检测方法。
[0013]本申请提供了一种缺陷检测方法，所述缺陷检测方法通过对具有焊接缺陷的训练样品进行三维图像采集，并利用采集所述训练样品的图像降噪后生成三维点云图及亮度图，从而利用所述三维点云图及所述亮度图进行深度学习以得到缺陷识别模型，进而利用所述缺陷识别模型对待检测物的焊道进行缺陷检测，克服了二维检测方案中微小缺陷成像不明显、缺陷类型耦合无法区分的情况。因此，本申请提供的缺陷检测方法能够提高对焊接缺陷的识别率，从而降低对焊接缺陷的漏检率及过杀率。
附图说明
[0014]为了更清楚地说明本申请实施例的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本申请一实施方式提供的缺陷检测方法的流程图。
[0016]图2为图1中对第一图像进行去噪处理的流程图。
[0017]图3为训练样品的示意图。
[0018]图4为对图3中训练样品进行扫描得到的第一图像的示意图。
[0019]图5为图4中第一图像模糊处理后得到的第三图像的示意图。
[0020]图6为利用图5中的第三图像对图4中的第一图像进行处理后得到的第二图像。
[0021]图7为对图4中第一图像进行模糊处理的流程图。
[0022]图8为利用第一图像及第三图像得到图6中第二图像的流程图。
[0023]图9为图1中识别焊接缺陷的流程图。
[0024]图10为步骤S41中浮点型图像的示意图。
[0025]图11为步骤S41中亮度图的示意图。
[0026]图12为步骤S41与步骤S42之间的流程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括：对训练样品进行扫描，以得到第一图像，其中，所述训练样品具有焊接缺陷；对所述第一图像进行去噪处理，以得到第二图像；根据所述第二图像生成所述训练样品的三维点云图及亮度图；根据所述三维点云图及所述亮度图训练识别所述焊接缺陷；训练结束后生成缺陷识别模型；及利用所述缺陷识别模型对待检测物进行焊接缺陷检测。2.如权利要求1所述的缺陷检测方法，其特征在于，所述对所述第一图像进行去噪处理，以得到第二图像包括：对所述第一图像进行模糊处理，以得到第三图像；及将所述第一图像的灰度值减去所述第三图像的灰度值，以得到第二图像。3.如权利要求2所述的缺陷检测方法，其特征在于，所述对所述第一图像进行模糊处理，以得到第三图像包括：标定预设区域，其中，所述焊接缺陷设于所述预设区域内；将所述第一图像中每个像素点的灰度值减去第一预设灰度值，以得到第三图像，且所述第三图像中的所述预设区域内的灰度值小于或等于第二预设灰度值，或者，将所述预设区域中每个像素点的灰度值减去第三预设灰度值，且所述第一图像中除所述预设区域外的其它区域的灰度值不变，以得到第三图像，且所述第三图像中的所述预设区域内的灰度值小于或等于第四预设灰度值。4.如权利要求2所述的缺陷检测方法，其特征在于，所述将所述第一图像的灰度值减去所述第三图像的灰度值，以得到第二图像包括：将所述第一图像中每个像素点的灰度值减去对应在所述第三图像中相同坐标的像素点的灰度值，以得到第二图像，或者，将所述第一图像中每个像素点的灰度值减去所述第三图像中所有像素点的灰度值的平均值，以得到第二图像。5.如权利要求1所述的缺陷检测方法，其特征在于，所述根据所述三维点云图及所述亮度图训练识别所述焊接缺陷包括：将所述三维点云图转换为浮点型图像后归一化以得到第一浮点数据，且将所述亮度图归一化以得到第二浮点数据；及利用双通道分别输入所述第一浮点数据及所述第二浮点数据，以训练识别所述焊接缺陷。6.如权利要求5所述的缺陷检测方法，其特征在于，在所述将所述三维点云图转换为浮点型图像后归一化以得到第一浮点数据，且将所述亮度图归一化以得到第二浮点数据之后，在所述利用双通道分别输入所述第一浮点数据及所述第二浮点数据，以训练识别所述焊接缺陷之前，所述根据所述三维点云图及所述亮度图训练识别所述焊接缺陷还包括：在所述三维点云图及所述亮度图中标注所述焊接缺陷的位置及类型，并标记相应的浮点数据；及设置训练次数及批次数；所述利用双通道分别输入所述第一浮点数据及所述第...
【专利技术属性】
技术研发人员：潘勇，郭俊敏，员雪辉，
申请(专利权)人：深圳市深视智能科技有限公司，
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。