[发明专利]物体缺陷类别识别方法、装置、计算机设备和存储介质

权利要求书

1.一种物体缺陷类别识别方法，其特征在于，所述方法包括：

获取目标物体的灰度图；

根据所述灰度图中各像素点的灰度值，识别所述灰度图中的缺陷区域；

根据所述缺陷区域中各像素点的灰度值，确定所述缺陷区域对应的目标灰度值；

获取灰度区间与物体缺陷类别的关联关系，根据所述关联关系以及所述目标灰度值所属的灰度区间，得到所述目标物体的物体缺陷类别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关联关系以及所述目标灰度值所属的灰度区间，得到所述目标物体的物体缺陷类别包括：

当所述目标灰度值所属的灰度区间的数量不少于2个时，获取所述缺陷区域中各目标像素点对应的分布矩阵；

将所述分布矩阵分别与所述目标灰度值所属的各灰度区间对应的目标分布矩阵进行相似匹配；

根据所述相似匹配结果，确定所述目标灰度值所属的目标灰度区间；

根据所述关联关系，查找所述目标灰度区间对应的物体缺陷类别，得到所述目标物体的物体缺陷类别。

3.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷区域中各像素点的灰度值，确定所述缺陷区域对应的目标灰度值包括：

对所述缺陷区域中各像素点的灰度值进行均值处理，得到所述缺陷区域对应的目标灰度值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述灰度图中各像素点的灰度值，识别所述灰度图中的缺陷区域包括：

获取标准灰度图对应的标准灰度数据，其中，所述标准灰度图是指非缺陷物体的灰度图；

根据标准灰度数据和所述灰度图中各像素点的灰度值，识别所述灰度图中的缺陷区域。

5.根据权利要求4所述的方法，其特征在于，所述标准灰度数据包括标准灰度值和允许灰度偏差阈值；

所述根据标准灰度数据和所述灰度图中各像素点的灰度值，识别所述灰度图中的缺陷区域包括：

根据所述灰度图中像素点所在的区域，获取所述区域在非缺陷情况下对应的标准灰度值；

将所述像素点的灰度值与所述标准灰度值进行比较，得到所述像素点的灰度值与所述标准灰度值的灰度偏差数据；

确定所述灰度偏差数据不满足所述允许灰度偏差阈值的目标像素点，得到所述目标像素点构成的缺陷区域。

6.根据权利要求4所述的方法，其特征在于，所述标准灰度数据包括标准灰度区间；

所述根据标准灰度数据和所述灰度图中各像素点的灰度值，识别所述灰度图中的缺陷区域包括：

根据所述灰度图中像素点所在的区域，获取所述区域在非缺陷情况下对应的标准灰度区间；

确定所述灰度值不处于所述标准灰度区间的目标像素点，得到所述目标像素点构成的缺陷区域。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将携带有物体缺陷类别标签的目标物体的灰度图作为训练样本，输入初始的物体缺陷检测模型，其中，所述初始的物体缺陷检测模型基于深度学习神经网络构建得到；

对所述初始的物体缺陷检测模型进行训练，得到物体缺陷检测模型。

8.根据权利要求7所述的方法，其特征在于，所述对所述初始的物体缺陷检测模型进行训练，得到物体缺陷检测模型之后，还包括：

获取待处理灰度图，所述待处理灰度图的图像采集环境与所述目标物体的灰度图的图像采集环境相同；

将所述待处理灰度图输入所述物体缺陷检测模型，由所述物体缺陷检测模型对所述目标灰度图进行物体缺陷检测；

获取所述物体缺陷检测模型输出的物体缺陷检测结果。