一种工业零件的缺陷检测方法、装置和计算机设备制造方法及图纸

本申请实施例公开了一种工业零件的缺陷检测方法、装置和计算机设备；本申请实施例可以获取待检测工业零件的零件图像和工业零件样本的结构特征聚类库，其中，待检测工业零件包括至少两个零件结构；对待检测工业零件的零件图像进行区域检测处理，得到零件图像中零件结构的区域位置信息；基于零件结构的区域位置信息，对零件图像进行图像分割处理，得到待检测工业零件的零件结构对应的结构图像；将零件结构的结构图像对应的特征信息和结构特征聚类库中工业零件样本的零件结构特征聚类进行匹配处理，得到待检测工业零件的缺陷检测结果，可以提高对工业零件进行结构性缺陷检测的准确性。准确性。准确性。

【技术实现步骤摘要】
一种工业零件的缺陷检测方法、装置和计算机设备


[0001]本申请涉及计算机
，具体涉及一种工业零件的缺陷检测方法、装置和计算机设备。

技术介绍

[0002]工业零件的缺陷检测是指对生产制造过程中的工业零件进行质量检测，当工业零件生产出来后一般需要进行缺陷检测，从而提高工业零件的质量。工业零件的缺陷检测可以分为外观性检测和结构性检测。常见的外观性检测可以包括工业零件压伤、刮伤或划伤，等等。而结构性检测主要是为了判定工业零件的特定部位是否具有结构性错误。例如，当工业零件是螺丝时，结构性检测可以判断螺丝是否存在螺纹缺失、螺纹不全和无螺孔问题。本申请的专利技术人通过对现有技术进行实践发现，利用现有技术对工业零件进行结构性缺陷检测，存在准确率低的问题。

技术实现思路

[0003]本申请实施例提出了一种工业零件的缺陷检测方法、装置和计算机设备，可以提高对工业零件进行结构性缺陷检测的准确性。
[0004]本申请实施例提供了一种工业零件的缺陷检测方法，包括：
[0005]获取待检测工业零件的零件图像和工业零件样本的结构特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业零件的缺陷检测方法，其特征在于，包括：获取待检测工业零件的零件图像和工业零件样本的结构特征聚类库，其中，所述待检测工业零件包括至少两个零件结构，所述结构特征聚类库包括所述工业零件样本处于正常状态时的至少两个零件结构样本对应的零件结构特征聚类；对所述待检测工业零件的零件图像进行区域检测处理，得到所述零件图像中零件结构的区域位置信息；基于所述零件结构的区域位置信息，对所述零件图像进行图像分割处理，得到所述待检测工业零件的零件结构对应的结构图像；将零件结构的结构图像对应的特征信息和所述结构特征聚类库中工业零件样本的零件结构特征聚类进行匹配处理，得到所述待检测工业零件的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测工业零件的零件图像进行区域检测处理，得到所述零件图像中零件结构的区域位置信息，包括：获取针对所述待检测工业零件的模板图像；对所述模板图像和所述零件图像进行对比计算处理，得到所述模板图像和所述零件图像之间的变换矩阵；利用所述变换矩阵对所述零件图像进行配准处理，得到配准后零件图像；将所述模板图像的区域标识信息映射至所述配准后零件图像，得到所述零件结构的区域位置信息。3.根据权利要求2所述方法，其特征在于，所述对所述模板图像和所述零件图像进行对比计算处理，得到所述模板图像和所述零件图像之间的变换矩阵，包括：对所述模板图像和所述零件图像进行轮廓误差识别，得到所述第一轮廓误差信息；利用预设初始变换矩阵对所述零件图像进行变换处理，得到变换后零件图像；对所述模板图像和所述变换后零件图像进行轮廓误差识别，得到所述第二轮廓误差信息；将所述第一轮廓误差信息和所述第二轮廓误差信息进行对比计算处理，得到误差对比信息；基于所述误差对比信息，对所述预设初始变换矩阵进行调整处理，得到所述变换矩阵。4.根据权利要求3所述的方法，其特征在于，所述对所述模板图像和所述零件图像进行轮廓误差识别，得到所述第一轮廓误差信息，包括：对所述模板图像和所述零件图像进行轮廓识别，得到所述模板图像的轮廓点集和所述零件图像的轮廓点集，其中，所述模板图像的轮廓点集包括至少一个模板轮廓点的位置信息，所述零件图像的轮廓点集包括至少一个零件轮廓点的位置信息；基于所述模板轮廓点的位置信息和所述零件轮廓点的位置信息，对所述至少一个模板轮廓点和所述至少一个零件轮廓点进行匹配组合处理，得到至少一个轮廓点匹配对；分别计算每个轮廓点匹配对的轮廓点误差信息；将所述每个轮廓点匹配对的轮廓点误差信息进行融合处理，得到所述第一轮廓误差信息。5.根据权利要求4所述的方法，其特征在于，所述对所述模板图像和所述零件图像进行轮廓识别，得到所述模板图像的轮廓点集和所述零件图像的轮廓点集，包括：
对所述模板图像和所述零件图像进行边缘检测，得到所述模板图像对应的多个模板轮廓图像和所述零件图像对应的多个零件轮廓图像；对所述多个模板轮廓图像和所述多个零件轮廓图像进行概率预测处理，得到每个模板轮廓图像的概率信息和每个零件轮廓图像的概率信息；根据所述模板轮廓图像的概率信息在所述多个模板轮廓图像确定目标模板轮廓图像，以及根据所述零件轮廓图像的概率信息在所述多个零件轮廓图像确定目标零件轮廓图像；对所述目标模板轮廓图像和所述目标零件轮廓图像进行定位处理，得到所述模板图像的轮廓点集和所述零件图像的轮廓点集。6.根据权利要求4所述的方法，其特征在于，所述基于所述误差对比信息，对所述预设初始变换矩阵进行调整处理，得到所述变换矩阵，包括：将所述误差对比信息和预设对比阈值进行比较；当所述误差对比阈值大于所述预设对比阈值时，根据所述每个轮廓点匹配对的轮廓点误差信息，在所述至少一个轮廓点匹配对中筛选出目标轮廓点匹配对，其中，所述目标轮廓点匹配对包括目标零件轮廓点和目标模板轮廓点；将所述模板图像的轮廓点集中的所述目标模板轮廓点进行去除处理，得到所述模板图像的更新后轮廓点集，以及将所述零件图像的轮廓点集中的所述目标零件轮廓点进行去除处理，得到所述零件图像的更新后轮廓点集；基于所述模板图像的更新后轮廓点集和所述零件图像的更新后轮廓点集，对所述预设初始变换矩阵进行调整处理，得到所述变换矩阵。7.根据权利要求6所述的方法，其特...

【专利技术属性】
技术研发人员：彭瑾龙，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：