[发明专利]导致表面缺陷的异常定位方法、装置、系统及电子设备

说明书

本发明实施例提供了一种导致表面缺陷的异常定位方法、装置、系统及电子设备，导致表面缺陷的异常定位方法包括：获取待检测图像的缺陷检测结果，其中，缺陷检测结果包括待检测图像中的缺陷统计信息，待检测图像为图像采集设备拍摄的包括检测对象的图像；获取与缺陷统计信息匹配的待分析图像；对待分析图像进行检测分析，确定出与缺陷统计信息关联的异常信息，其中，异常信息包括异常位置信息。通过本方案，可以准确定位导致表面缺陷的异常。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种导致表面缺陷的异常定位方法、装置、系统及电子设备。

背景技术

表面缺陷是指在产品表面存在斑点、凹坑、色差、划痕、缺损等缺陷，产品表面缺陷具有种类繁多、形态多变、位置不固定以及背景纹理多样化等特点。在工业领域，表面缺陷直接影响着产品的美观、性能等属性，因此，产品的表面质量至关重要。

为了保证产品的表面质量，需要对产品的表面缺陷进行检测。表面缺陷的检测方法主要包括人工检测方法和基于深度学习的机器学习方法，通过表面缺陷检测可以确定缺陷在产品表面的位置、类型等信息。

在目前的表面缺陷处理方式中，在检测到表面缺陷的位置、类型等信息后，需要通过人工分析的方式，分析得到导致表面缺陷的异常原因，通过分析得到的异常原因来推断可能发生异常的位置信息，从而基于该位置信息，对异常原因进行调整、消除异常。由于不同位置的异常所导致的缺陷类型和缺陷位置可能相近，人工分析很有可能将类型或者位置相近的缺陷识别为同一个位置的异常所导致的，使得异常定位出现错误。

发明内容

本发明实施例的目的在于提供一种导致表面缺陷的异常定位方法、装置、系统及电子设备，以准确定位导致表面缺陷的异常。具体技术方案如下：

第一方面，本发明实施例提供了一种导致表面缺陷的异常定位方法，所述方法包括：

获取待检测图像的缺陷检测结果，所述缺陷检测结果包括所述待检测图像中的缺陷统计信息，所述待检测图像为图像采集设备拍摄的包括检测对象的图像；

获取与所述缺陷统计信息匹配的待分析图像；

对所述待分析图像进行检测分析，确定出与所述缺陷统计信息关联的异常信息，所述异常信息包括异常位置信息。

可选的，所述获取待检测图像的缺陷检测结果，包括：

获取待检测图像；

将所述待检测图像输入预先训练的深度学习网络模型，得到所述待检测图像对应的多值图；

从所述多值图中，获取所述待检测图像的缺陷统计信息。

可选的，所述缺陷统计信息包括：所述待检测图像中存在的缺陷类型、各类型缺陷的数目、各类型缺陷的位置以及各类型缺陷的面积占比；

所述从所述多值图中，获取所述待检测图像的缺陷统计信息，包括：

根据像素值与各类型缺陷的预设对应关系，确定所述多值图中各类型缺陷所处的连通区域，其中，相同类型缺陷所处的连通区域中的像素值相同；

针对各类型缺陷，在所述多值图中，统计该类型缺陷所处的连通区域的数目、该类型缺陷所处的连通区域的位置以及该类型缺陷所处的连通区域在所述多值图中的面积占比；

根据各类型缺陷所处的连通区域的数目、各类型缺陷所处的连通区域的位置以及各类型缺陷所处的连通区域在所述多值图中的面积占比，确定所述待检测图像中存在的缺陷类型、各类型缺陷的数目、各缺陷的位置以及各缺陷的面积占比。

可选的，所述获取与所述缺陷统计信息匹配的待分析图像，包括：