一种复杂场景的缺陷在线检测方法及系统技术方案

本发明专利技术提供了一种复杂场景的缺陷在线检测方法及系统，涉及缺陷检测技术领域，该方法包括：启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像；对所述第一目标图像进行超像素分割，获取第一分割结果，所述第一分割结果包括N个超像素图像；对所述N个超像素图像进行特征提取，获取图像特征矩阵；将所述图像特征矩阵输入缺陷检测模型，输出目标缺陷图像；通过预设优化方案对所述目标缺陷图像进行图像优化，得到在线检测结果，解决了现有技术中存在对于图像的处理效果不佳，进而导致缺陷检测效果不佳的技术问题，达到降低环境对缺陷检测的影响度，提升缺陷检测效果的技术效果。效果的技术效果。效果的技术效果。

【技术实现步骤摘要】
一种复杂场景的缺陷在线检测方法及系统


[0001]本专利技术涉及缺陷检测
，具体涉及一种复杂场景的缺陷在线检测方法及系统。

技术介绍

[0002]缺陷检测是进行日常设备维护的重要手段，及时发现表面缺陷能够有效延长设备的使用寿命，随着机器视觉技术的发展，对于背景单一、环境简单下的缺陷检测效果较好，可以准确、有效检测出表面缺陷。但是对于复杂场景下的表面缺陷检测，由于检测环境的复杂，导致获取的图像不够清晰，且含有阴影等干扰因素，增加了缺陷检测的难度。
[0003]综上，现有技术中存在由于对复杂场景下的图像采集过程设置不合理，且对于图像的处理效果不佳，进而导致缺陷检测效果不佳的技术问题。

技术实现思路

[0004]本专利技术提供了一种复杂场景的缺陷在线检测方法及系统，用以解决现有技术中存在由于对复杂场景下的图像采集过程设置不合理，且对于图像的处理效果不佳，进而导致缺陷检测效果不佳的技术问题。
[0005]根据本专利技术的第一方面，提供了一种复杂场景的缺陷在线检测方法，包括：启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，其中，所述第一光学检测仪器包括多个光束发射源和多个摄像头；对所述第一目标图像进行超像素分割，获取第一分割结果，所述第一分割结果包括N个超像素图像，N是大于0的整数；对所述N个超像素图像进行特征提取，获取图像特征矩阵；将所述图像特征矩阵输入缺陷检测模型，输出目标缺陷图像；通过预设优化方案对所述目标缺陷图像进行图像优化，得到在线检测结果。
[0006]根据本专利技术的第二方面，提供了一种复杂场景的缺陷在线检测系统，包括：图像采集模块，所述图像采集模块用于启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，其中，所述第一光学检测仪器包括多个光束发射源和多个摄像头；超像素分割模块，所述超像素分割模块用于对所述第一目标图像进行超像素分割，获取第一分割结果，所述第一分割结果包括N个超像素图像，N是大于0的整数；特征提取模块，所述特征提取模块用于对所述N个超像素图像进行特征提取，获取图像特征矩阵；缺陷检测模块，所述缺陷检测模块用于将所述图像特征矩阵输入缺陷检测模型，输出目标缺陷图像；图像优化模块，所述图像优化模块用于通过预设优化方案对所述目标缺陷图像进行图像优化，得到在线检测结果。
[0007]根据本专利技术采用的一种复杂场景的缺陷在线检测方法，本专利技术启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，其中，所述第一光学检测仪器包括多个光束发射源和多个摄像头，对所述第一目标图像进行超像素分割，获取第一分割结果，所述第一分割结果包括N个超像素图像，N是大于0的整数，对所述N个超像素图像进行特征提取，获取图像特征矩阵，将所述图像特征矩阵输入缺陷检测模型，输出目标缺陷图
像，通过预设优化方案对所述目标缺陷图像进行图像优化，得到在线检测结果，达到降低环境对缺陷检测的影响度，提升缺陷检测效果的技术效果。应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其他特征将通过以下的说明书而变得容易理解。
附图说明
[0008]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
[0009]图1为本专利技术实施例提供的一种复杂场景的缺陷在线检测方法的流程示意图；
[0010]图2为本专利技术实施例中获取第一目标图像的流程示意图；
[0011]图3为本专利技术实施例中获取图像特征矩阵的流程示意图；
[0012]图4为本专利技术实施例提供的一种复杂场景的缺陷在线检测系统的结构示意图。
[0013]附图标记说明：图像采集模块11，超像素分割模块12，特征提取模块13，缺陷检测模块14，图像优化模块15。
具体实施方式
[0014]以下结合附图对本专利技术的示范性实施例作出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0015]为了解决现有技术中存在由于对复杂场景下的图像采集过程设置不合理，且对于图像的处理效果不佳，进而导致缺陷检测效果不佳的技术问题，本专利技术的专利技术人经过创造性的劳动，得到了本专利技术的一种复杂场景的缺陷在线检测方法及系统。
[0016]实施例一
[0017]图1为本专利技术实施例提供的一种复杂场景的缺陷在线检测方法图，如图1所示，所述方法包括：
[0018]步骤S100：启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，其中，所述第一光学检测仪器包括多个光束发射源和多个摄像头；
[0019]其中，如图2所示，本专利技术实施例步骤S100包括：
[0020]步骤S110：对所述第一待检目标进行实时光线强度信息采集；
[0021]步骤S120：获取所述第一待检目标的表面材料信息，根据所述表面材料信息进行光照反射性分析，获得光照反射强度系数；
[0022]步骤130：获取所述第一待检目标的尺寸信息；
[0023]步骤S40：根据所述实时光线强度信息、所述光照反射强度系数、所述尺寸信息对所述多个光束发射源和所述多个摄像头进行图像采集方案的确定；
[0024]步骤150：根据所述图像采集方案控制所述第一光学检测仪器进行图像数据采集，获取所述第一目标图像。
[0025]其中，本专利技术实施例步骤S140包括：
[0026]步骤S141：根据所述实时光线强度信息、所述光照反射强度系数对所述多个光束发射源进行光源强度和光源分布分析；
[0027]步骤S142：以图像阴影度作为目标函数，对所述光源强度分析结果和光源分布分析结果进行优化，获得优化后的光源强度信息和光源分布信息；
[0028]步骤S143：根据所述尺寸信息确定所述第一光学检测仪器的移动方向和移动速度；
[0029]步骤S144：以所述光源强度信息、所述光源分布信息、所述移动方向和移动速度组成所述图像采集方案。
[0030]具体而言，本实施例提供的一种复杂场景的缺陷在线检测方法可用于辅助进行日常设备的维护。复杂场景下光线较暗，如果直接进行图像采集，会导致采集到的图像模糊不清，无法提取出有用信息，进而导致缺陷检测效果较差，因此，需要通过第一光学检测仪器对第一待检目标进行图像数据采集，第一待检目标即为待进行缺陷检测的管道、零件等金属或者非金属类的物体，第一光学检测仪器是用于进行图像采集的设备，包括多个光束发射源和多个摄像头，可进行多角度的图像采集，具备自动采集、自动传输的功能。在进行图像采集时，可以根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂场景的缺陷在线检测方法，其特征在于，所述方法包括：启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，其中，所述第一光学检测仪器包括多个光束发射源和多个摄像头；对所述第一目标图像进行超像素分割，获取第一分割结果，所述第一分割结果包括N个超像素图像，N是大于0的整数；对所述N个超像素图像进行特征提取，获取图像特征矩阵；将所述图像特征矩阵输入缺陷检测模型，输出目标缺陷图像；通过预设优化方案对所述目标缺陷图像进行图像优化，得到在线检测结果。2.如权利要求1所述的方法，其特征在于，所述启动第一光学检测仪器对第一待检目标进行图像数据采集，得到第一目标图像，包括：对所述第一待检目标进行实时光线强度信息采集；获取所述第一待检目标的表面材料信息，根据所述表面材料信息进行光照反射性分析，获得光照反射强度系数；获取所述第一待检目标的尺寸信息；根据所述实时光线强度信息、所述光照反射强度系数、所述尺寸信息对所述多个光束发射源和所述多个摄像头进行图像采集方案的确定；根据所述图像采集方案控制所述第一光学检测仪器进行图像数据采集，获取所述第一目标图像。3.如权利要求2所述的方法，其特征在于，根据所述实时光线强度信息、所述光照反射强度系数、所述尺寸信息对所述多个光束发射源和所述多个摄像头进行图像采集方案的确定，包括：根据所述实时光线强度信息、所述光照反射强度系数对所述多个光束发射源进行光源强度和光源分布分析；以图像阴影度作为目标函数，对所述光源强度分析结果和光源分布分析结果进行优化，获得优化后的光源强度信息和光源分布信息；根据所述尺寸信息确定所述第一光学检测仪器的移动方向和移动速度；以所述光源强度信息、所述光源分布信息、所述移动方向和移动速度组成所述图像采集方案。4.如权利要求1所述的方法，其特征在于，所述对所述第一目标图像进行超像素分割，获取第一分割结果，包括：对所述第一目标图像进行像素特征识别，获得像素识别结果；对所述像素识别结果进行特征聚类，得到所述N个超像素图像；将所述N个超像素图像作为所述第一分割结果。5.如权利要求1所述的方法，其特征在于，所述对所述N个超像素图像进行特征提取，获取图像特征矩阵，包括：从所述N个超像素图像中提取第一超像素图像，对所述第一超像素图像进行颜色特征提取，获取第一颜色特征，所述第一颜色特征包括RGB颜色特征和HSV颜色特征；对所述第一超像素图像进行滤波特征提取，获取第一图像纹理特...

【专利技术属性】
技术研发人员：徐梦溪，韩磊，施建强，郑胜男，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：