[发明专利]缺陷检测方法和装置

说明书

本发明提供了一种缺陷检测方法和装置，其中，该方法包括：采集训练样本图像；对训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对目标样本集进行标注以将目标样本集划分为良好样本集和缺陷样本集；根据良好样本集和缺陷样本集采用对角白化变换的方式构造空域滤波器；采用空域滤波器对良好样本集和缺陷样本集进行处理，以获取相应的目标特征向量；根据目标特征向量对SVM算法进行训练，以获取SVM分类模型；根据SVM分类模型对待检测产品进行缺陷检测。根据本发明的缺陷检测方法，不仅能够准确地进行缺陷检测，而且方案实施简单，并且所需的样本较少，即使在复杂工业环境下也能够保证缺陷检测的准确性。

技术领域

本发明涉及缺陷检测技术领域，具体涉及一种缺陷检测方法和一种缺陷检测装置。

背景技术

工业部件缺陷检测是图像处理的一个经典问题，其是很多工业应用中存在的问题。解决这类问题的主要思想是提取缺陷区域和正常区域的特征，将其输入分类器后进行训练分类，最终以分类器给出的决策值对数据进行评判。

相关技术中，一般是采用卷积神经网络、人为设计规则等方式进行缺陷识别的，但是，上述方式存在以下问题：（1）如果人为设计规则复杂，则可能出现误查情况，并且规则繁琐，不易实施，如果人为设计规则简单，则会出现漏检情况；（2）卷积神经网络虽然对于缺陷识别有很好的效果，但是模型复杂，并且卷积神经网络需要样本量较大，在复杂工业环境下一般不能提供足够数量和质量的样本，导致卷积神经网路会过拟合或者欠拟合。

发明内容

本发明为解决上述技术问题，提供了一种缺陷检测方法，不仅能够准确地进行缺陷检测，而且方案实施简单，并且所需的样本较少，即使在复杂工业环境下也能够保证缺陷检测的准确性。

本发明采用的技术方案如下：

一种缺陷检测方法，包括以下步骤：采集训练样本图像；对所述训练样本图像进行灰度化和去均值化处理，以获取目标样本集，并对所述目标样本集进行标注以将所述目标样本集划分为良好样本集和缺陷样本集；根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器；采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量；根据所述目标特征向量对SVM算法进行训练，以获取SVM分类模型；根据所述SVM分类模型对待检测产品进行缺陷检测。

根据所述良好样本集和所述缺陷样本集采用对角白化变换的方式构造空域滤波器，包括：对所述良好样本集和所述缺陷样本集分别进行归一化处理，以获取第一矩阵和第二矩阵；计算所述第一矩阵的第一协方差矩阵，并计算所述第二矩阵的第二协方差矩阵；对所述第一协方差矩阵和所述第二协方差矩阵进行求和运算以获取第三矩阵；根据所述第三矩阵进行白化变换，以获取第四矩阵；根据所述第四矩阵分别对所述第一协方差矩阵和所述第二协方差矩阵进行处理，以获取第五矩阵和第六矩阵；对所述第五矩阵和所述第六矩阵进行同时对角化变换，以获取第一特征向量；根据所述第一特征向量和所述第四矩阵计算第一投影矩阵，并通过所述第一投影矩阵构建所述空域滤波器。

采用所述空域滤波器对所述良好样本集和所述缺陷样本集进行处理，以获取相应的目标特征向量，包括：采用空域滤波器对所述良好样本集和所述缺陷样本集进行滤波，以获取相应的数据矩阵；根据所述数据矩阵获取所述目标特征向量。