[发明专利]零件的缺陷检测方法、装置、存储介质、设备及程序产品有效
| 申请号: | 202211702550.9 | 申请日: | 2022-12-29 |
| 公开(公告)号: | CN115661161B | 公开(公告)日: | 2023-06-02 |
| 发明(设计)人: | 请求不公布姓名 | 申请(专利权)人: | 成都数联云算科技有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/20;G06T5/00;G06V10/75 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 孙朝锐 |
| 地址: | 610000 四川省成都市*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 零件 缺陷 检测 方法 装置 存储 介质 设备 程序 产品 | ||
1.一种零件的缺陷检测方法,其特征在于,包括以下步骤:
基于标准图像,对目标零件对应的目标图像进行图像矫正变换,获得矫正图像;
将所述矫正图像输入已训练的缺陷检测模型进行推理测试,获得缺陷信息;其中,所述缺陷检测模型基于样本数据集训练获得,所述样本数据集中包含若干无缺陷零件的矫正图像,所述无缺陷零件的矫正图像基于其对应的标准图像,对所述无缺陷零件的拍摄图像进行图像矫正变换及模板匹配获得;
其中,所述将所述矫正图像输入已训练的缺陷检测模型进行推理测试,获得缺陷信息之前,所述零件的缺陷检测方法还包括:
获取若干所述无缺陷零件的拍摄图像;
基于所述无缺陷零件对应的标准图像,对若干所述无缺陷零件的拍摄图像进行图像矫正变换,获得若干所述无缺陷零件的矫正图像;
基于若干所述无缺陷零件的矫正图像,训练获得所述缺陷检测模型;
所述基于所述无缺陷零件对应的标准图像,对若干所述无缺陷零件的拍摄图像进行图像矫正变换,获得若干所述无缺陷零件的矫正图像之后,所述零件的缺陷检测方法还包括:
基于所述无缺陷零件对应的标准图像,对若干所述无缺陷零件的矫正图像进行模板匹配,获得所述无缺陷零件的第一矫正图像;
所述基于若干所述无缺陷零件的矫正图像,训练获得所述缺陷检测模型,包括:
基于若干所述无缺陷零件的第一矫正图像,训练获得所述缺陷检测模型。
2.根据权利要求1所述的零件的缺陷检测方法,其特征在于,所述获取若干所述无缺陷零件的拍摄图像之后,所述零件的缺陷检测方法还包括:
根据目标缺陷类型,对所述无缺陷零件的拍摄图像进行预处理,获得预处理图像;
所述基于所述无缺陷零件对应的标准图像,对若干所述无缺陷零件的拍摄图像进行图像矫正变换,获得若干所述无缺陷零件的矫正图像,包括:
基于所述无缺陷零件对应的标准图像,对所述预处理图像进行图像矫正变换,获得若干所述无缺陷零件的矫正图像。
3.根据权利要求2所述的零件的缺陷检测方法,其特征在于,所述根据目标缺陷类型,对所述无缺陷零件的拍摄图像进行预处理,获得预处理图像,包括:
根据目标缺陷类型,对所述无缺陷零件的拍摄图像采用随机生成高斯噪声的方法进行预处理,获得预处理图像。
4.根据权利要求3所述的零件的缺陷检测方法,其特征在于,所述根据目标缺陷类型,对所述无缺陷零件的拍摄图像采用随机生成高斯噪声的方法进行预处理,获得预处理图像,包括:
根据目标缺陷类型为非细小缺陷类型,生成高斯分布随机数序列;
根据所述高斯分布随机数序列,获得高斯噪声;
以所述无缺陷零件的拍摄图像为基础添加所述高斯噪声,获得预处理图像。
5.根据权利要求2所述的零件的缺陷检测方法,其特征在于,所述根据目标缺陷类型,对所述无缺陷零件的拍摄图像进行预处理,获得预处理图像,包括:
根据目标缺陷类型,对所述无缺陷零件的拍摄图像采用均值滤波的方法进行预处理,获得预处理图像。
6.根据权利要求5所述的零件的缺陷检测方法,其特征在于,所述根据目标缺陷类型,对所述无缺陷零件的拍摄图像采用均值滤波的方法进行预处理,获得预处理图像,包括:
根据目标缺陷类型为细小缺陷类型,分别获得所述无缺陷零件的拍摄图像上的各像素点;
以所述像素点为中心像素点,获得所述中心像素点周围的八个像素点的像素;
以所述八个像素点的像素与所述中心像素点的像素的平均值作为所述中心像素点的像素,获得所述中心像素点的目标像素值;
根据若干所述中心像素点的目标像素值,获得预处理图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都数联云算科技有限公司,未经成都数联云算科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211702550.9/1.html,转载请声明来源钻瓜专利网。





