本发明专利技术属于图像处理技术领域，具体公开了一种工业零件缺陷检测方法、装置、设备及存储介质，通过获取零件的着色探伤图像进行裁剪和灰度处理，得到灰度图像，然后对灰度图像进行特殊方式的双重滤波处理，得到去噪灰度图像，再对得到去噪灰度图像进行相应的图像模糊增强处理、阈值分割处理和数学形态学处理，得到裂纹形态图像，最终从裂纹形态图像中提取裂纹图像特征集输入深度学习检测模型中进行分类检测，得到缺陷分类，生成零件的缺陷检测结果。本发明专利技术可以更有效地凸显零件的表面缺陷，降低噪声干扰，增强缺陷特征，提高工业零件表面缺陷检测的准确性和识别效率。
【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种工业零件缺陷检测方法、装置、设备及存储介质。
技术介绍
1、随着工业零件加工产业的不断发展，工业零件的需求量日益增高，企业对工业零件的质量要求也越来越严格。由于工业零件的生产制造工艺流程较为复杂，在生产过程中容易产生一些表面缺陷，如刮擦、裂痕、划痕、压痕以及切削不均匀的刀痕等。因此，工业零件的表面缺陷检测至关重要，将关系到工业零件的耐久度，产品的安全，甚至人身的安全。
2、传统的工业零件缺陷检测主要通过人工检测的方式来完成，不仅耗费时间长，检测效率低，而且检测质量也不能保证，一些缺陷需要人眼和光源成某一角度才能够检测到，还有一些微小的裂痕和划痕非常容易漏检。而随着工业零件产品的需求量日益增高，企业对工业零件的缺陷检测效率和准确率要求越来越高，传统的人工检测方法已经无法满足高质量、高效率的工业零件缺陷检测需求。
技术实现思路
1、本专利技术的目的是提供一种工业零件缺陷检测方法、装置、设备及存储介质，用以解决现有技术中存在的上述问题。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第一方面，提供一种工业零件缺陷检测方法，包括：
4、获取目标工业零件的着色探伤图像，所述着色探伤图像由工业相机对经过着色探伤处理后的目标工业零件进行拍摄得到；
5、对着色探伤图像进行图像缩放、图像旋转及图像裁剪处理，得到固定尺寸的初始待检测图像，并对初始待检测图像进行灰度处理，得到待检灰度图像；
<
p>6、对待检灰度图像进行高斯噪声消除处理，得到初始滤波灰度图像；7、分别以初始滤波灰度图像中的各像素点为检测点，并以检测点为中心选取周围任意像素尺寸的方形区域作为滤波窗口，确定滤波窗口内所有像素点的灰度最大值、灰度最小值和灰度中值；
8、根据检测点的灰度值、滤波窗口的尺寸、滤波窗口内所有像素点的灰度最大值、灰度最小值和灰度中值，对各检测点进行自适应中值滤波处理，得到去噪灰度图像；
9、对去噪灰度图像进行图像模糊增强处理，得到增强灰度图像，并基于设定的灰度阈值对增强灰度图像中的各像素点进行阈值分割处理，得到二值化的裂纹图像；
10、对裂纹图像进行数学形态学处理，得到裂纹形态图像；
11、从裂纹形态图像中提取裂纹图像特征集，并将裂纹图像特征输入基于深度学习的缺陷检测模型中进行缺陷检测，得到缺陷分类结果；
12、基于缺陷分类结果和裂纹图像生成目标工业零件的缺陷检测结果。
13、在一个可能的设计中，所述对初始待检测图像进行灰度处理，得到待检灰度图像，包括：采用加权平均法对初始待检测图像进行灰度处理，得到待检灰度图像。
14、在一个可能的设计中，所述对待检灰度图像进行高斯噪声消除处理，得到初始滤波灰度图像，包括：
15、采用预置的3×3高斯滤波模板对待检灰度图像进行高斯滤波处理，得到初始滤波灰度图像，所述3×3高斯滤波模板为
16、
17、对应的计算公式为
18、
19、f1＝f(x-1，y-1)，
20、f2＝f(x-1，y+1)，
21、f3＝f(x+1，y-1)，
22、f4＝f(x+1，y+1)，
23、f5＝f(x-1，y)，
24、f6＝f(x+1，y)，
25、f7＝f(x，y-1)，
26、f8＝f(x，y+1)，
27、其中，f(x，y)表征待检灰度图像中对应像素点的灰度值，g(x，y)表征待检灰度图像中对应像素点经高斯滤波处理后的灰度值，x和y表征待检灰度图像中对应像素点的像素坐标。
28、在一个可能的设计中，所述根据检测点的灰度值、滤波窗口的尺寸、滤波窗口内所有像素点的灰度最大值、灰度最小值和灰度中值，对各检测点进行自适应中值滤波处理，得到去噪灰度图像，包括：
29、设定条件一和条件二，所述条件一为灰度中值大于灰度最小值并小于灰度最大值，所述条件二为检测点的灰度值大于灰度最小值并小于灰度最大值；
30、在同时满足条件一和条件二时，保持检测点的灰度值不变；
31、在不满足条件一时，增加滤波窗口的尺寸，得到新的灰度最大值、灰度最小值和灰度中值，并基于新的灰度最大值、灰度最小值和灰度中值重复进行条件一的判定，直至滤波窗口达到设定的最大尺寸，若仍不满足条件一，则保持检测点的灰度值不变；
32、在满足条件一但不满足条件二时，将检测点的灰度值替换为灰度中值。
33、在一个可能的设计中，所述对去噪灰度图像进行图像模糊增强处理，得到增强灰度图像，包括：
34、获取参考灰度值g，并基于参考灰度值g确定参考隶属度a0，a0＝g/255；
35、确定去噪灰度图像中各像素点的隶属度aij，axy＝f(i，j)/255，其中，f(i，j)表征去噪灰度图像中对应像素点的像素值，i和j表征去噪灰度图像中对应像素点的像素坐标；
36、将去噪灰度图像中各像素点的隶属度aij以及参考隶属度a0，代入预置的模糊增强算式中进行迭代计算，得到去噪灰度图像中各像素点模糊增强后的像素值，所述模糊增强算式为
37、f'(i,j)＝255×pr[f(i,j)]＝255×p1{pr-1[f(i,j)]},r＝1,2,3…
38、
39、其中，f’(i,j)为去噪灰度图像中对应像素点模糊增强后的像素值，pr表征迭代函数，r表征迭代次数。
40、在一个可能的设计中，所述对裂纹图像进行数学形态学处理，得到裂纹形态图像，包括：对裂纹图像进行图像腐蚀和图像膨胀处理，得到裂纹形态图像。
41、在一个可能的设计中，所述从裂纹形态图像中提取裂纹图像特征集，并将裂纹图像特征输入基于深度学习的缺陷检测模型中进行缺陷检测，得到缺陷分类结果，包括：
42、从裂纹形态图像中提取裂纹面积特征、裂纹周长特征和裂纹长度特征，利用裂纹面积特征、裂纹周长特征和裂纹长度特征组成裂纹图像特征集；
43、将裂纹图像特征输入基于深度学习的缺陷检测模型中进行缺陷检测，得到缺陷分类结果，所述缺陷检测模型采用卷积神经网络模型经过训练集的训练后得到，所述训练集包含若干裂纹图像特征样本集，各裂纹图像特征样本集均标注有对应的缺陷分类标签。
44、第二方面，提供一种工业零件缺陷检测装置，包括图像获取单元、图像变换单元、第一滤波单元、窗口选定单元、第二滤波单元、图像增强单元、形态处理单元、缺陷检测单元和结果生成单元，其中：
45、图像获取单元，用于获取目标工业零件的着色探伤图像，所述着色探伤图像由工业相机对经过着色探伤处理后的目标工业零件进行拍摄得到；
46、图像变换单元，用于对着色探伤图像进行图像缩放、图像旋转及图像裁剪处理，得到固定尺寸的初始待检测图像，并对初始待本文档来自技高网
...
【技术保护点】
1.一种工业零件缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对初始待检测图像进行灰度处理，得到待检灰度图像，包括：采用加权平均法对初始待检测图像进行灰度处理，得到待检灰度图像。
3.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对待检灰度图像进行高斯噪声消除处理，得到初始滤波灰度图像，包括：
4.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述根据检测点的灰度值、滤波窗口的尺寸、滤波窗口内所有像素点的灰度最大值、灰度最小值和灰度中值，对各检测点进行自适应中值滤波处理，得到去噪灰度图像，包括：
5.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对去噪灰度图像进行图像模糊增强处理，得到增强灰度图像，包括：
6.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对裂纹图像进行数学形态学处理，得到裂纹形态图像，包括：对裂纹图像进行图像腐蚀和图像膨胀处理，得到裂纹形态图像。
7.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述从裂纹形态图像中提取裂纹图像特征集，并将裂纹图像特征输入基于深度学习的缺陷检测模型中进行缺陷检测，得到缺陷分类结果，包括：
8.一种工业零件缺陷检测装置，其特征在于，包括图像获取单元、图像变换单元、第一滤波单元、窗口选定单元、第二滤波单元、图像增强单元、形态处理单元、缺陷检测单元和结果生成单元，其中：
9.一种工业零件缺陷检测设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7任意一项所述的工业零件缺陷检测方法。
...
【技术特征摘要】
1.一种工业零件缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对初始待检测图像进行灰度处理，得到待检灰度图像，包括：采用加权平均法对初始待检测图像进行灰度处理，得到待检灰度图像。
3.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对待检灰度图像进行高斯噪声消除处理，得到初始滤波灰度图像，包括：
4.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述根据检测点的灰度值、滤波窗口的尺寸、滤波窗口内所有像素点的灰度最大值、灰度最小值和灰度中值，对各检测点进行自适应中值滤波处理，得到去噪灰度图像，包括：
5.根据权利要求1所述的一种工业零件缺陷检测方法，其特征在于，所述对去噪灰度图像进行图像模糊增强处理，得到增强灰度图像，包括：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：师相龙，姜蕴涵，姜晓恒，
申请(专利权)人：郑州大学，
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。