[发明专利]一种玻璃缺陷检测方法、装置和存储介质

说明书

本发明实施例公开了一种玻璃缺陷检测方法、装置和存储介质。本发明实施例可以获取被检测玻璃图像，确定所述被检测玻璃图像中的待检测区域；获取所述待检测区域中像素的色彩信息，根据色彩信息在所述待检测区域中筛选出候选区域；采用预设的检测模型对所述候选区域进行缺陷检测；若在所述候选区域中检测到缺陷，则获取所述缺陷的属性信息。由此，相对于现有的人工检测，该方案实现了对玻璃缺陷的自动检测，大大提高了玻璃缺陷检测的效率，降低了漏检和误检的概率。

技术领域

本发明涉及通信技术领域，具体涉及一种玻璃缺陷检测方法、装置和存储介质。

背景技术

玻璃在生产过程中可能会产生各种缺陷，例如裂纹、脏污和/或崩边等。有缺陷的玻璃进入昂贵的设备时可能破碎而损坏设备，或是影响产品质量，因此，需要对玻璃进行缺陷检测，以提高玻璃品质和生产效率。传统的玻璃缺陷检测通常是人工检测。

在对现有技术的研究和实践过程中，本发明的发明人发现，人工检测不仅工作量大，而且容易发生漏检和错检等情况，导致现有的玻璃缺陷检测效率较低。

发明内容

本发明实施例提供一种玻璃缺陷检测方法、装置和存储介质，旨在提高玻璃缺陷检测的效率。

本发明实施例提供一种玻璃缺陷检测方法，包括：

获取被检测玻璃图像，确定所述被检测玻璃图像中的待检测区域；

获取所述待检测区域中像素的色彩信息，根据色彩信息在所述待检测区域中筛选出候选区域；

采用预设的检测模型对所述候选区域进行缺陷检测；

若在所述候选区域中检测到缺陷，则获取所述缺陷的属性信息。

在一些实施例中，所述采用预设的检测模型对所述候选区域进行缺陷检测，包括：

基于预设的压缩网络，使用卷积神经网络提取所述候选区域的图像特征，所述图像特征为特征图；

在所述卷积神经网络的全连接层对所述图像特征进行分类，得到分类结果；

若分类结果为缺陷，则确定在所述候选区域中检测到缺陷。

在一些实施例中，所述在所述卷积神经网络的全连接层对所述图像特征进行分类，得到分类结果，包括：

在所述卷积神经网络的全连接层对所述特征图进行降维处理，获取所述候选区域的特征值；

使用预设的分类器对所述特征值进行分类，得到分类结果。

在一些实施例中，属性信息包括缺陷类型，所述获取缺陷的属性信息，包括：

根据所述分类结果，获取所述缺陷的缺陷类型。

在一些实施例中，属性信息包括缺陷区域，所述获取缺陷的属性信息，包括：

使用预设的区域定位算法在所述特征图中进行目标定位，得到初始矩形区域；

使用预设的边框回归算法对所述初始矩形区域进行边框回归，得到缺陷区域。

在一些实施例中，所述属性信息包括缺陷图像，包括：

使用预设的分割网络，根据所述图像特征在所述候选区域的图像中分割出缺陷图像。

在一些实施例中，所述获取所述缺陷的属性信息，之后包括：

根据预设的排序规则，对所述缺陷的属性信息进行排序，并显示。

在一些实施例中，所述获取所述缺陷的属性信息，之后包括：

根据所述特征值，计算所述分类结果的置信率；