精密零部件外观缺陷自动光学检测方法、设备及存储介质技术

本发明专利技术公开了精密零部件外观缺陷自动光学检测方法、设备及存储介质，该方法包括：采集精密零部件的原始图像；将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域，所述语义分割模型根据精密零部件预先标注的疑似缺陷区域训练得到；合并所有所述疑似缺陷区域，得到联合疑似缺陷区域；基于所述联合疑似缺陷区域中各个连通域的特征信息进行缺陷区域筛选，并根据筛选结果确定所述精密零部件是否存在外观缺陷，解决精密零部件缺陷检测效率低的问题，提高精密零部件的缺陷检测效率。效率。效率。

【技术实现步骤摘要】
精密零部件外观缺陷自动光学检测方法、设备及存储介质


[0001]本专利技术涉及图像数据处理
，尤其涉及一种精密零部件外观缺陷自动光学检测方法、设备及存储介质。

技术介绍

[0002]在生产制造过程中，由于原料成分、设备使用情况、加工工艺以及人工操作等因素的影响，精密零部件表面不可避免地会出现亮点、白点、划伤、掉漆、凹印等外观缺陷。对精密零部件表面进行外观缺陷检测能有效防止产品的不良装配，从而避免造成更大的资源浪费。因此，在产品装配前必须对其进行外观缺陷检测。相关技术中，根据缺陷密度自动分区，在不同分区使用不同的缺陷检测算法，从而实现对精密零部件的缺陷检测。虽然该方法可以实现亮点、压伤、线划伤等多种缺陷的提取，但不同种类缺陷需要不同的特征提取算法，算法编程难度大且复杂，导致缺陷检测效率较低。

技术实现思路

[0003]本申请实施例通过提供一种精密零部件外观缺陷自动光学检测方法、设备及存储介质，旨在提高精密零部件缺陷检测效率。
[0004]本申请实施例提供了一种精密零部件外观缺陷自动光学检测方法，所述精密零部件外观缺陷自动光学检测方法，包括：采集精密零部件的原始图像；将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域，所述语义分割模型根据精密零部件预先标注的疑似缺陷区域训练得到；合并所有所述疑似缺陷区域，得到联合疑似缺陷区域；基于所述联合疑似缺陷区域中各个连通域的特征信息进行缺陷区域筛选，并根据筛选结果确定所述精密零部件是否存在外观缺陷。
[0005]可选地，所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤之前，还包括：确定感兴趣区域的分辨率大小，及所述感兴趣区域在原始图像中的起始移动位置；确定所述感兴趣区域的水平移动步长和垂直移动步长；基于所述水平移动步长和所述垂直移动步长从所述起始移动位置移动所述感兴趣区域，以从所述原始图像裁剪出与多个与所述感兴趣区域分辨率大小相同的待检测区域；所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤包括：将各个所述待检测区域分别输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域。
[0006]可选地，所述基于所述联合疑似缺陷区域中各个连通域的特征信息进行缺陷区域筛选，并根据筛选结果确定所述精密零部件是否存在外观缺陷的步骤包括：根据所述联合疑似缺陷区域中各个连通域的面积特征、位置特征、形状特征、紧密度、各个连通域的灰度平均值和灰度熵，从所有所述疑似缺陷区域中筛选出符合条件的连通域；统计所述符合条件的连通域的数量；在所述符合条件的连通域的数量大于预设数量时，判定所述精密零部件存在外观缺陷，并根据筛选后的连通域确定所述精密零部件的目标缺陷区域；在所述符合条件的连通域的数量小于预设数量时，判定所述精密零部件不存在外观缺陷。
[0007]可选地，所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤包括：将所述原始图像输入特征提取模块进行特征提取，得到所述原始图像对应的初始特征映射图；将所述初始特征映射图输入池化模块进行池化处理，得到池化处理后的特征映射图；将池化处理后的特征映射图输入反卷积模块进行反卷积处理，得到所述精密零部件的所有疑似缺陷区域。
[0008]可选地，所述将所述初始特征映射图输入池化模块进行池化处理，得到池化处理后的特征映射图的步骤包括：将所述初始特征映射图输入不同层级的池化层分别进行池化处理，得到不同层级对应的池化处理后的特征映射图；基于所述初始特征映射图的维度对不同层级的所述池化处理后的特征映射图分别进行维度变化处理，得到不同层级维度变化处理后的特征映射图；对所述不同层级维度变化处理后的特征映射图分别进行上采样处理，得到不同层级上采样处理后的特征映射图；将所述不同层级上采样处理后的特征映射图与所述初始特征映射图融合，得到所述池化处理后的特征映射图。
[0009]可选地，所述采集精密零部件的原始图像的步骤之后，还包括：根据所述原始图像确定所述精密零部件对应的目标区域；检测所述目标区域相对于标准图像的标准区域是否发生偏移；在所述目标区域不发生偏移时，执行所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤。
[0010]可选地，所述检测所述目标区域相对于标准图像的标准区域是否发生偏移的步骤之后，还包括：在所述目标区域发生偏移时，对所述原始图像进行仿射变化处理以将所述目标检测区域转正；采用仿射变化处理后的图像更新所述原始图像；执行所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺
陷区域的步骤。
[0011]可选地，所述采集精密零部件的原始图像的步骤包括：根据所述精密零部件的缺陷类型，确定光源的类型和所述光源的摆放位置；根据所述光源的类型、所述光源的摆放位置和摄像装置的摆放位置，确定所述精密零部件的拍摄方式；基于所述拍摄方式采集所述精密零部件的原始图像。
[0012]此外，为实现上述目的，本专利技术还提供了一种精密零部件外观缺陷自动光学检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的精密零部件外观缺陷自动光学检测程序，所述精密零部件外观缺陷自动光学检测程序被所述处理器执行时实现上述的精密零部件外观缺陷自动光学检测方法的步骤。
[0013]此外，为实现上述目的，本专利技术还提供了一种存储介质，其上存储有精密零部件外观缺陷自动光学检测程序，所述精密零部件外观缺陷自动光学检测程序被处理器执行时实现上述的精密零部件外观缺陷自动光学检测方法的步骤。
[0014]本申请实施例中提供的一种精密零部件外观缺陷自动光学检测方法、设备及存储介质的技术方案，相比于传统的缺陷检测算法，需要针对不同分区使用不同的缺陷检测算法进行缺陷检测存在外观缺陷检测效率低的问题，本申请采用语义分割模型对原始图像进行分割得到所有疑似缺陷区域，再将所有疑似缺陷区域合并后的联合疑似缺陷区域进行缺陷区域二次筛选，不仅提高了缺陷检测效率，而且提高了缺陷检测准确率。
附图说明
[0015]图1为本专利技术精密零部件外观缺陷自动光学检测方法第一实施例示意图；图2为本专利技术金字塔场景解析网络的结构示意图；图3为本专利技术的精密零部件外观缺陷自动光学检测设备结构示意图。
[0016]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明，上述附图只是一个实施例图，而不是专利技术的全部。
具体实施方式
[0017]当前精密零部件表面缺陷仍由人工肉眼观察进行检测，仅有部分生产厂家利用传统的图像处理方法进行检测。由于精密零部件缺陷在高分辨率工业相机拍摄的图像成像下仍微小和模糊，且不同缺陷的特征各异，精密零部件表面高低不平，纹理不均匀等特征，导致传统的图像处理检测方法需要经验丰富的视觉工程师进行大量的特征提取算法编程工作和昂贵的代码维护成本，准确率低且稳定性差，因此本申请选择基于深度学习语义分割的缺陷检测方法，该方法通过训练神经网络的方式来自主学习提取表面缺陷特征从而避本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种精密零部件外观缺陷自动光学检测方法，其特征在于，所述精密零部件外观缺陷自动光学检测方法包括：采集精密零部件的原始图像；将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域，所述语义分割模型根据精密零部件预先标注的疑似缺陷区域训练得到；合并所有所述疑似缺陷区域，得到联合疑似缺陷区域；基于所述联合疑似缺陷区域中各个连通域的特征信息进行缺陷区域筛选，并根据筛选结果确定所述精密零部件是否存在外观缺陷。2.如权利要求1所述的精密零部件外观缺陷自动光学检测方法，其特征在于，所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤之前，还包括：确定感兴趣区域的分辨率大小，及所述感兴趣区域在原始图像中的起始移动位置；确定所述感兴趣区域的水平移动步长和垂直移动步长；基于所述水平移动步长和所述垂直移动步长从所述起始移动位置移动所述感兴趣区域，以从所述原始图像裁剪出与多个与所述感兴趣区域分辨率大小相同的待检测区域；所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤包括：将各个所述待检测区域分别输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域。3.如权利要求1或2所述的精密零部件外观缺陷自动光学检测方法，其特征在于，所述基于所述联合疑似缺陷区域中各个连通域的特征信息进行缺陷区域筛选，并根据筛选结果确定所述精密零部件是否存在外观缺陷的步骤包括：根据所述联合疑似缺陷区域中各个连通域的面积特征、位置特征、形状特征、紧密度、各个连通域的灰度平均值和灰度熵，从所有所述疑似缺陷区域中筛选出符合条件的连通域；统计所述符合条件的连通域的数量；在所述符合条件的连通域的数量大于预设数量时，判定所述精密零部件存在外观缺陷，并根据筛选后的连通域确定所述精密零部件的目标缺陷区域；在所述符合条件的连通域的数量小于预设数量时，判定所述精密零部件不存在外观缺陷。4.如权利要求1所述的精密零部件外观缺陷自动光学检测方法，其特征在于，所述将所述原始图像输入语义分割模型，得到所述精密零部件的所有疑似缺陷区域的步骤包括：将所述原始图像输入特征提取模块进行特征提取，得到所述原始图像对应的初始特征映射图；将所述初始特征映射图输入池化模块进行池化处理，得到池化处理后的特征映射图；将池化处理后的特征映射图输入反卷积模块进行反卷积处理，得到所述精密零部件的所有疑似缺陷区域。5.如权利要求4所述的精密零部件外观缺陷自动光学检测方法，其特征在于，所述将所述初始特征映射图输入池化...

【专利技术属性】
技术研发人员：陈圆，刘富珍，陈潮先，
申请(专利权)人：深圳市致尚科技股份有限公司，
类型：发明
国别省市：