一种玻璃缺陷检测方法技术

本发明专利技术涉及检测技术领域，具体涉及一种玻璃缺陷检测方法

【技术实现步骤摘要】
一种玻璃缺陷检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及检测
，尤其是一种玻璃缺陷检测方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]玻璃在制造过程中可能会发生形变，出现各种表面缺陷，如凹陷
、
凸起
、
污迹和划痕等
。
现有的玻璃缺陷检测方法通过人工视觉进行检查或者采用机器视觉设备对玻璃表面进行分析检测
。
其中，人工视觉检查不仅效率低下，而且检测结果的移植性较差，难以保证准确度；机器视觉方法能够对比较明显的缺陷进行识别检测，但由于玻璃是透明的，机器视觉方法难以甚至无法实现大多数缺陷的正常成像，缺陷漏检的情况比较严重，检测结果准确性较低
。

技术实现思路

[0003]为解决上述现有技术问题，本专利技术提供玻璃缺陷检测方法
、
装置
、
电子设备及存储介质，提升了玻璃缺陷检测的准确性和效率
。
[0004]为了达到上述技术目的，本申请实施例所采取的技术方案包括：
[0005]第一方面，本申请实施例提供了一种玻璃缺陷检测方法，包括以下步骤：
[0006]扫描待测玻璃，获取待测玻璃表面的辉度数据和高度数据；
[0007]分别合并辉度数据和高度数据，生成由辉度数据构成的辉度图像以及由高度数据构成的高度图像；
[0008]提取辉度图像和高度图像中数据变化幅度超过预设阈值的区域，分别得到第一可疑区域图像和第二可疑区域图像；
[0009]分别将第一可疑区域图像和第二可疑区域图像输入对应的预训练好的目标检测模型中，输出目标检测结果，目标检测模型用于采用目标框和对应的目标框类型对第一可疑区域图像和第二可疑区域图像中的缺陷的位置和对应的类型进行标注；
[0010]确认目标检测结果中包括标注有缺陷的位置和类型的第一可疑区域图像以及标注有缺陷的位置和类型的第二可疑区域图像中的至少一个，根据目标检测结果在待测玻璃的原始图像中标注出缺陷的位置和类型
。
[0011]另外，根据本申请上述实施例的一种玻璃缺陷检测方法，还可以具有以下附加的技术特征：
[0012]进一步地，本申请实施例的一种玻璃缺陷检测方法中，提取辉度图像和高度图像中数据变化幅度超过预设阈值的区域，分别得到第一可疑区域图像和第二可疑区域图像，包括：
[0013]分别对辉度图像和高度图像进行预处理，得到第一可疑区域图像和第二可疑区域图像，预处理包括去噪
、
图像增强和边缘检测
。
[0014]进一步地，在本申请的一个实施例中，目标检测模型的训练包括：
[0015]获取图像样本集，图像数据集中包括正常样本和缺陷样本，缺陷样本中的缺陷采用边界框标注；
[0016]构建目标检测模型；
[0017]将图像样本集划分为训练集
、
验证集和测试集；
[0018]采用训练集训练目标检测模型；
[0019]采用验证集验证目标检测模型，得到验证结果；
[0020]根据验证结果调整目标检测模型的模型参数；
[0021]采用测试集评估目标检测模型的性能，其中，若性能达到预设目标，完成目标检测模型的训练；若性能低于预设目标，返回采用训练集训练目标检测模型这一步骤
。
[0022]进一步地，在本申请的一个实施例中，目标检测模型包括区域建议网络和目标检测网络；
[0023]采用所述训练集训练目标检测模型，包括：
[0024]依次将训练集中的样本输入目标检测模型；
[0025]根据训练集中的样本，通过区域建议网络生成候选目标框，并采用候选目标框标注训练集中的样本的缺陷的可能位置；
[0026]通过所述目标检测网络对所述候选目标框进行分类和回归
。
[0027]进一步地，在本申请的一个实施例中，在将图像样本集划分为训练集
、
验证集和测试集这一步骤之前，目标检测模型的训练还包括：
[0028]对图像样本集中的各个样本进行图像大小调整和归一化
。
[0029]进一步地，在本申请的一个实施例中，检测方法还包括：
[0030]确认目标检测结果中包括标注有缺陷的位置和类型的第一可疑区域图像以及标注有缺陷的位置和类型的第二可疑区域图像中的至少一个，发出报警信息
。
[0031]进一步地，在本申请的一个实施例中，扫描待测玻璃，包括：
[0032]控制线激光位移传感器扫描待测玻璃
。
[0033]第二方面，本申请实施例提出了一种玻璃缺陷检测装置，包括：
[0034]扫描模块，用于扫描待测玻璃，获取待测玻璃表面的辉度数据和高度数据；
[0035]合并模块，用于分别合并辉度数据和高度数据，生成由辉度数据构成的辉度图像以及由高度数据构成的高度图像；
[0036]提取模块，用于提取辉度图像和高度图像中数据变化幅度超过预设阈值的区域，分别得到第一可疑区域图像和第二可疑区域图像；
[0037]检测模块，用于分别将第一可疑区域图像和第二可疑区域图像输入对应的预训练好的目标检测模型中，输出目标检测结果，目标检测模型用于采用目标框和对应的目标框类型对第一可疑区域图像和第二可疑区域图像中的缺陷的位置和对应的类型进行标注；
[0038]标注模块，用于确认目标检测结果中包括标注有缺陷的位置和类型的第一可疑区域图像以及标注有缺陷的位置和类型的第二可疑区域图像中的至少一个，根据目标检测结果在待测玻璃的原始图像中标注出缺陷的位置和类型
。
[0039]第三方面，本申请实施例提出了一种电子设备，包括：
[0040]至少一个存储器以及至少一个处理器；
[0041]存储器，用于存储一个或多个程序；
[0042]当一个或多个程序被所述至少一个处理器执行，使得至少一个处理器实现第一方面的玻璃缺陷检测方法的步骤
。
[0043]第四方面，本申请实施例提出了一种存储介质，存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的玻璃缺陷检测方法的步骤
。
[0044]本专利技术的有益效果体现在，通过扫描待测玻璃获取辉度数据和高度数据，分别合并辉度数据和高度数据生成辉度图像和高度图像，进而后续通过预训练好的目标检测模型输出目标检测结果，并在目标检测结果中包含标注有缺陷的位置和类型的图像时在待测玻璃的原始图像中标注出缺陷的位置和类型，相较于人工视觉方法和机器视觉方法，提高了玻璃玻璃缺陷检测的准确性和效率；通过在辉度图像和高度图像中提取第一可疑区域图像和第二可疑区域图像来进行后续的缺陷目标检测，进一步提高了玻璃玻璃缺陷检测的效率
。
附图说明
[0045]图1为本专利技术所提供的玻璃缺陷检测方法具体实施例的流程示意图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种玻璃缺陷检测方法，其特征在于，包括以下步骤：扫描待测玻璃，获取所述待测玻璃表面的辉度数据和高度数据；分别合并所述辉度数据和所述高度数据，生成由所述辉度数据构成的辉度图像以及由所述高度数据构成的高度图像；提取所述辉度图像和所述高度图像中数据变化幅度超过预设阈值的区域，分别得到第一可疑区域图像和第二可疑区域图像；分别将所述第一可疑区域图像和所述第二可疑区域图像输入对应的预训练好的目标检测模型中，输出目标检测结果，所述目标检测模型用于采用目标框和对应的目标框类型对所述第一可疑区域图像和所述第二可疑区域图像中的缺陷的位置和对应的类型进行标注；确认所述目标检测结果中包括标注有缺陷的位置和类型的所述第一可疑区域图像以及标注有缺陷的位置和类型的所述第二可疑区域图像中的至少一个，根据所述目标检测结果在所述待测玻璃的原始图像中标注出缺陷的位置和类型
。2.
根据权利要求1所述的一种玻璃缺陷检测方法，其特征在于，所述提取所述辉度图像和所述高度图像中数据变化幅度超过预设阈值的区域，分别得到第一可疑区域图像和第二可疑区域图像，包括：分别对所述辉度图像和所述高度图像进行预处理，得到所述第一可疑区域图像和所述第二可疑区域图像，所述预处理包括去噪
、
图像增强和边缘检测
。3.
根据权利要求1所述的一种玻璃缺陷检测方法，其特征在于，所述目标检测模型的训练包括：获取图像样本集，所述图像数据集中包括正常样本和缺陷样本，所述缺陷样本中的缺陷采用边界框标注；构建所述目标检测模型；将所述图像样本集划分为训练集
、
验证集和测试集；采用所述训练集训练所述目标检测模型；采用所述验证集验证所述目标检测模型，得到验证结果；根据所述验证结果调整所述目标检测模型的模型参数；采用所述测试集评估所述目标检测模型的性能，其中，若所述性能达到预设目标，完成所述目标检测模型的训练；若所述性能低于所述预设目标，返回所述采用所述训练集训练所述目标检测模型这一步骤
。4.
根据权利要求3所述的一种玻璃缺陷检测方法，其特征在于，所述目标检测模型包括区域建议网络和目标检测网络；所述采用所述训练集训练所述目标检测模型，包括：依次将所述训练集中的样本输入所述目标检测模型；根据所述训练集中的样本，通过所述区域建议网络生成候选目标框，并采用所述候选目标框标注所述训练...

【专利技术属性】
技术研发人员：何晓昀，江锦锐，农旭安，谢颖，杨洋，何正德，龙文杰，郭梓潼，吴颖禄，谢秀齐，
申请(专利权)人：广东理工学院，
类型：发明
国别省市：