【技术实现步骤摘要】
本申请涉及蓝宝石缺陷检测，特别是涉及蓝宝石缺陷检测方法、装置、电子装置和存储介质。
技术介绍
1、蓝宝石是除红宝石之外的刚玉宝石的通称，主要成分是氧化铝。蓝宝石是一种具有多种优异性能的材料，因此广泛应用于led和消费电子领域、仪器仪表领域以及军工领域等。
2、目前，在蓝宝石的人工制备过程中，由于蓝宝石长晶放肩过程的高温条件，炉内整片区域的光照较强，工艺人员需要使用电焊玻璃和镀金玻璃从视窗观察炉内长晶情况。其中视窗一般处于关闭状态，且为保障晶体生长条件无法长时间开启。因此，人工制备过程中蓝宝石的长晶情况存在观察难度高的问题。因此，目前通常采用视觉检测技术对蓝宝石在长晶放肩阶段的缺陷进行识别。
3、其中，通过将采集的放肩阶段的蓝宝石的原始图像输入图像生成模型，得到重构图像，基于重构图像与原始图像的对比结果确定蓝宝石是否存在放肩阶段缺陷。该种方式仅仅是通过机器视觉的方式检测出蓝宝石在放肩阶段是否存在缺陷，也即，检测结果仅仅为有缺陷和无缺陷两种，且检测精度依赖于训练集的数据量。因而检测效果较差，存在检测精度低，误检率高的问题。
4、针对相关技术中存在检测精度低、误检率高的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种蓝宝石缺陷检测方法、装置、电子装置和存储介质，以解决相关技术中检测精度低、误检率高的问题。
2、第一个方面，在本实施例中提供了一种蓝宝石缺陷检测方法，包括：
3、在待测蓝宝石的待测图像序
4、根据所述目标缺陷类型，以及不同的缺陷类型与误检排除策略预先建立的对应关系，从预设的误检排除策略中确定与所述目标缺陷类型对应的误检排除策略，作为目标策略；
5、根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷。
6、在其中的一些实施例中，所述对应关系包括：
7、在所述缺陷类型为异物缺陷的情况下，所述误检排除策略为预设周期内的缺陷检出次数统计；
8、在所述缺陷类型为纹理缺陷的情况下，所述误检排除策略为预设连续帧数图像的缺陷位置统计。
9、在其中的一些实施例中，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
10、在所述目标策略为预设周期内的缺陷检出次数统计时，获取所述待测图像序列在所述预设周期内的第一数量的待测图像；
11、确定所述第一数量的待测图像中，存在所述异物缺陷的待测图像的数量，作为第二数量；
12、在所述第二数量与所述第一数量的比值高于预设比例阈值时，确定所述待测蓝宝石在所述放肩阶段存在所述异物缺陷。
13、在其中的一些实施例中，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
14、在所述目标策略为预设连续帧数图像的缺陷位置统计时，判断所述待测图像序列中，是否存在所述连续帧数的待测图像中的缺陷位置变化小于预设距离阈值；若是，确定所述待测蓝宝石在所述放肩阶段存在所述纹理缺陷。
15、在其中的一些实施例中，所述异物缺陷至少包括：氧化物缺陷或浮晶缺陷；
16、所述纹理缺陷至少包括：圆弧纹理缺陷。
17、在其中的一些实施例中，在待测蓝宝石的待测图像序列中，检测到所述待测蓝宝石在放肩阶段存在缺陷的情况下，确定检测到的目标缺陷类型之前，所述方法还包括：
18、获取蓝宝石样本在放肩阶段的缺陷图像，构建训练数据集；
19、基于所述训练数据集对预设的深度学习网络进行训练，得到训练完备的缺陷检测模型；
20、基于所述训练完备的缺陷检测模型，对所述待测图像序列进行缺陷检测，确定所述待测蓝宝石在所述放肩阶段是否存在缺陷。
21、在其中的一些实施例中，所述获取蓝宝石样本在放肩阶段的缺陷图像，构建训练数据集，包括：
22、获取蓝宝石样本在所述放肩阶段的样本图像；
23、基于模板匹配，对所述样本图像进行预处理，得到预处理图像；
24、从所述预处理图像中筛选在所述放肩阶段存在缺陷的图像，作为所述缺陷图像，并基于所述缺陷图像，构建训练数据集。
25、第二个方面，在本实施例中提供了一种蓝宝石缺陷检测装置，包括：检测模块、策略确定模块以及验证模块；其中：
26、所述检测模块，用于在待测蓝宝石的待测图像序列中，检测到所述待测蓝宝石在放肩阶段存在缺陷的情况下，确定检测到的目标缺陷类型；
27、所述策略确定模块，用于根据所述目标缺陷类型，以及不同的缺陷类型与误检排除策略预先建立的对应关系，从预设的误检排除策略中确定与所述目标缺陷类型对应的误检排除策略，作为目标策略；
28、所述验证模块，用于根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷。
29、第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的蓝宝石缺陷检测方法。
30、第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的蓝宝石缺陷检测方法。
31、与相关技术相比，在本实施例提供了蓝宝石缺陷检测方法、装置、电子装置和存储介质。其中的蓝宝石缺陷检测方法，首先在待测蓝宝石的待测图像序列中，检测到待测蓝宝石在放肩阶段存在缺陷的情况下，确定检测到的目标缺陷类型；之后根据目标缺陷类型，以及不同的缺陷类型与误检排除策略预先建立的对应关系，从预设的误检排除策略中确定与目标缺陷类型对应的误检排除策略，作为目标策略；最后根据目标策略，对待测图像序列进行缺陷累积检测，并根据缺陷累积检测的结果验证检测到的待测蓝宝石在放肩阶段的缺陷。其能够针对识别出的缺陷类别，采取对应的误检排除策略进行误检排除，从而降低蓝宝石不同类型的缺陷的误检率，并提高蓝宝石放肩阶段的缺陷检测精度。
32、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种蓝宝石缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的蓝宝石缺陷检测方法，其特征在于，所述对应关系包括：
3.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
4.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
5.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于：
6.根据权利要求1至权利要求5中任一项所述的蓝宝石缺陷检测方法，其特征在于，在待测蓝宝石的待测图像序列中，检测到所述待测蓝宝石在放肩阶段存在缺陷的情况下，确定检测到的目标缺陷类型之前，所述方法还包括：
7.根据权利要求6所述的蓝宝石缺陷检测方法，其特征在于，所述获取蓝宝石样本在放肩阶段的缺陷图像，构建训练数据集，包括：
8.一种蓝宝石缺陷
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的蓝宝石缺陷检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求7中任一项所述的蓝宝石缺陷检测方法的步骤。
...【技术特征摘要】
1.一种蓝宝石缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的蓝宝石缺陷检测方法，其特征在于，所述对应关系包括：
3.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
4.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于，所述根据所述目标策略，对所述待测图像序列进行缺陷累积检测，并根据所述缺陷累积检测的结果验证检测到的所述待测蓝宝石在放肩阶段的缺陷，包括：
5.根据权利要求2所述的蓝宝石缺陷检测方法，其特征在于：
6.根据权利要求1至权利要求5中任一项所述的蓝宝石缺陷检测方法，其特征在于，在待测蓝...
【专利技术属性】
技术研发人员：傅林坚，刘华，汪崇智，
申请(专利权)人：浙江晶盛机电股份有限公司，
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。