【技术实现步骤摘要】
本专利技术涉及图像检测领域，尤其涉及一种图像缺陷检测方法、装置、计算机设备及介质。
技术介绍
1、纸箱包装在生活中广泛存在，主要起到保护商品、广告展示等作用。纸箱的材料、强度、尺寸、表面印刷图案各不相同，其中对于表面图案印刷的质量要求越来越高。纸箱的印刷过程具有高速、大幅面、图案复杂、姿态不固定、清废不彻底等显著特点，这些难点制约了纸箱印刷缺陷在线检测的发展。
技术实现思路
1、为实现对图像的缺陷检测，提高检测准确性，本专利技术提出了一种图像缺陷检测方法、装置、计算机设备及介质。
2、第一方面，本专利技术提供了一种图像缺陷检测方法、装置、计算机设备及介质，该方法包括：
3、获取待检测物体的至少一组图像集，一组图像集中包括至少一帧第一图像，一组图像集通过一个相机采集得到；
4、对各图像集中的第一图像进行拼接，得到第二图像；
5、根据预构建的模板图像，对第二图像进行缺陷检测，得到第一缺陷检测结果。
6、通过上述方法，获取多个相机采集到的待检测物体的多帧图像，将多个相机采集到的多帧图像进行拼接，得到第二图像，将模板图像和第二图像进行比对，从而得到待检测物体中图像的检测结果，在本专利技术中，通过多个相机采集待检测物体的图像，不同相机采集到的图像会存在差别，通过多个图像拼接得到的第二图像会更加真实的反映待检测物体的图像信息，从而根据第二图像得到的检测结果更加准确。
7、在一种可选的实施方式中，对各图像集中的第一图像进行拼
8、将相同帧数的第一图像进行拼接，得到至少一帧第三图像；
9、获取各第三图像的掩膜；
10、对各掩膜进行连接，得到第四图像；
11、获取第四图像中的重合区域；
12、在第四图像中，去除重合区域，得到第二图像。
13、通过上述实施方式，对多个相机获取到的图像进行拼接，得到待检测物体的第二图像，第二图像是通过多个相机采集到的图像拼接形成，可以更加准确全面的描述待检测物体的图像信息。
14、在一种可选的实施方式中，根据预构建的模板图像，对第二图像进行缺陷检测，得到第一缺陷检测结果，包括：
15、获取模板图像的多个第一特征点和各第一特征点对应的描述向量、第二图像的多个第二特征点和各第二特征点对应的描述向量；
16、将各第一特征点与各第二特征点进行匹配，得到多个第一匹配对；
17、根据各第一匹配对、各第一匹配对中第一特征点对应的描述向量，以及各第一匹配对中第二特征点对应的描述向量，完成模板图像与第二图像的配准；
18、根据完成配准后的模板图像、完成配准后的第二图像，以及预构建的孪生卷积神经网络，得到第一缺陷检测结果。
19、考虑到待检测物体在传送过程中有可能出现抖动、位置变化等情况，因此，在本实施方式中，需要将模板图像与第二图像进行配准后，再根据模板图像对第二图像进行缺陷检测。
20、在一种可选的实施方式中，获取模板图像的多个第一特征点、第二图像的多个第二特征点，包括：
21、获取模板图像的多个第三特征点，以及各第三特征点的响应强度；
22、根据各第三特征点的响应强度，筛选各第三特征点，得到各第一特征点；
23、获取第二图像的多个第四特征点，以及各第四特征点的响应强度；
24、根据各第四特征点的响应强度，筛选各第四特征点，得到各第二特征点。
25、通过上述实施方式，特征点的响应强度表征图像中特征信息的强弱，根据特征点的响应强度，对模板图像中的特征点和第二图像中特征点的进行筛选，保留图像特征信息强的特征点，可以使得模板图像和第二图像的配准更加准确，同时通过筛选特征点，减小计算量，提高计算效率。
26、在一种可选的实施方式中，获取模板图像的多个第一特征点、第二图像的多个第二特征点，包括：
27、获取模板图像的多个第三特征点，以及各第三特征点的坐标信息；
28、在每个第一预设邻域范围内，只保留一个第三特征点，将各第一预设邻域范围内保留下的第三特征点作为第一特征点；
29、获取第二图像的多个第四特征点，以及各第四特征点的坐标信息；
30、在每个第二预设邻域范围内，只保留一个第四特征点，将各第二预设邻域范围内保留下的第四特征点作为第二特征点。
31、通过上述实施方式，为使模板图像的特征点和第二图像的特征点均匀分布在整个图像上，全面反映图像的整体特征，避免模板图像的特征点和第二图像的特征点集中分布在纹理较强的区域，而忽略纹理较弱的区域，在本实施方式中，在预设邻域范围内，只保留一个特征点，从而获得整个图像不同区域中的特征点，使得模板图像和第二图像的配准更加准确，同时通过筛选特征点，减小计算量，提高计算效率。
32、在一种可选的实施方式中，根据各第一匹配对、各第一匹配对中第一特征点对应的描述向量，以及各第一匹配对中第二特征点对应的描述向量，完成模板图像与第二图像的配准，包括：
33、在各第一匹配对中，计算第一特征点对应的描述向量与第二特征点对应的描述向量之间的欧氏距离；
34、将欧氏距离小于预设阈值的第一匹配对作为第二匹配对；
35、根据各第二匹配对中的第一特征点和第二特征点，计算模板图像与第二图像之间的仿射变换矩阵；
36、根据仿射变换矩阵，完成模板图像与第二图像的配准。
37、在一种可选的实施方式中，根据完成配准后的模板图像、完成配准后的第二图像，以及预构建的孪生卷积神经网络，得到第一缺陷检测结果，包括：
38、分别对完成配准后的模板图像和完成配准后的第二图像进行分块处理，得到处理后的模板图像和处理后的第二图像；
39、将处理后的模板图像和处理后的第二图像输入至预构建的孪生卷积神经网络中，得到第二缺陷检测结果；
40、当第二缺陷检测结果为第二图像存在缺陷时，将第二图像输入至预构建的分类卷积神经网络中，得到第一缺陷检测结果。
41、通过上述实施方式，孪生卷积神经网络的优点在于能够学习和识别对比待检测物体的图像、模板图像之间的内容差别信息，因此，本实施方式利用孪生卷积神经网络进行图像缺陷检测，鲁棒性更好，同时由于印刷过程中容易受到多种干扰，比如纸屑去除不干净、纸面本身存在非油污的小黑点等，容易对图像印刷缺陷检测造成一定程度的影响，同时成像时引起的局部偏移也会造成影响，因此利用分类卷积神经网络对各印刷缺陷检测结果进行二次判断是非常必要的，能够极大降低误检率，提高检测精度。
42、第二方面，本专利技术还提供了一种图像缺陷检测装置，该装置包括：
43、获取模块，用于获取待检测物体的至少一组图像集，一组图像集中包括至少一帧第一图像，一组图像集通过一个相机采集得到；
44、拼接模块，用于对各图像集中的第一图像进行拼接，得到第二本文档来自技高网...
【技术保护点】
1.一种图像缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对各所述图像集中的第一图像进行拼接，得到第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，根据预构建的模板图像，对第二图像进行缺陷检测，得到第一缺陷检测结果，包括：
4.根据权利要求3所述的方法，其特征在于，获取所述模板图像的多个第一特征点、所述第二图像的多个第二特征点，包括：
5.根据权利要求3所述的方法，其特征在于，获取所述模板图像的多个第一特征点、所述第二图像的多个第二特征点，包括：
6.根据权利要求3所述的方法，其特征在于，根据各所述第一匹配对、各所述第一匹配对中第一特征点对应的描述向量，以及各所述第一匹配对中第二特征点对应的描述向量，完成所述模板图像与所述第二图像的配准，包括：
7.根据权利要求3所述的方法，其特征在于，根据完成配准后的模板图像、完成配准后的第二图像，以及预构建的孪生卷积神经网络，得到所述第一缺陷检测结果，包括：
8.一种图像缺陷检测装置，其特征在于，所述装置包括：<...
【技术特征摘要】
1.一种图像缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对各所述图像集中的第一图像进行拼接，得到第二图像，包括：
3.根据权利要求1所述的方法，其特征在于，根据预构建的模板图像，对第二图像进行缺陷检测，得到第一缺陷检测结果，包括：
4.根据权利要求3所述的方法，其特征在于，获取所述模板图像的多个第一特征点、所述第二图像的多个第二特征点，包括：
5.根据权利要求3所述的方法，其特征在于，获取所述模板图像的多个第一特征点、所述第二图像的多个第二特征点，包括：
6.根据权利要求3所述的方法，其特征在于，根据各所述第一匹配对、各所述第一匹配对中第一特征点对应的描述向量，以及各所述第一匹配对中第二...
【专利技术属性】
技术研发人员：胡涛，赵丙坤，林俊伍，宋军，林子吉，冯康康，
申请(专利权)人：泸州老窖股份有限公司，
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。