[发明专利]瑕疵等级判定的方法及存储介质

权利要求书

1.一种瑕疵等级判定方法，所述方法包括：

获取待测物体的至少一张图像；

从所述图像中提取目标瑕疵区域；

获取所述目标瑕疵区域的第一特征参数，所述目标瑕疵区域的第一特征参数包括如下任意一种或多种：位置、灰度差、长宽比、灰度方差、灰度均值差、对比度、小梯度优势、大梯度优势、灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、差分矩和逆差分矩；

根据所述第一特征参数依据预设规则得到加权值，包括：判断所述第一特征参数是否符合所述预设规则中的多个条件组合，每一所述条件组合包括多个特征参数条件；当所述第一特征参数符合所述预设规则中的任意一个条件组合时，设定所述第一特征参数在所述条件组合下的权值为1；当所述第一特征参数不符合所述预设规则中的任意一个条件组合时，设定所述第一特征参数在所述条件组合下的权值为0；加总计算所述第一特征参数符合所述预设规则中的多个条件组合的权值，得到加权值；

获取所述目标瑕疵区域的第二特征参数，所述第二特征参数包括所述目标瑕疵区域的尺寸；

根据所述第二特征参数和所述加权值计算瑕疵规格分数，包括：通过第一公式计算所述瑕疵规格分数，所述第一公式为：瑕疵规格分数=第二特征参数*（1+加权值*m），其中，m为一阈值；

根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级；以及

输出所述瑕疵等级；

其中，当所述目标瑕疵区域的位置不在预设位置范围、且所述目标瑕疵区域的灰度差大于或等于预设值时，根据所述第一特征参数依据预设规则计算的加权值为零，将所述第二特征参数作为瑕疵规格分数；当所述目标瑕疵区域的位置在预设位置范围，或者所述目标瑕疵区域的灰度差小于预设值时，根据所述第二特征参数和所述加权值计算瑕疵规格分数。

2.如权利要求1所述的瑕疵等级判定方法，所述从所述图像中提取目标瑕疵区域包括：

提取所述图像中的多个目标瑕疵子区域；

处理所述多个目标瑕疵子区域得到所述目标瑕疵区域。

3.如权利要求2所述的瑕疵等级判定方法，所述处理所述多个目标瑕疵子区域得到所述目标瑕疵区域包括：

判断所述多个目标瑕疵子区域的类型；

确定所述多个目标瑕疵子区域的位置；

聚合类型相同且位置相邻的两个或数个所述目标瑕疵子区域生成所述目标瑕疵区域；

其中，判断所述多个目标瑕疵子区域的类型具体为判断所述目标瑕疵区域的类型是否为刮伤类型或擦伤类型。

4.如权利要求3所述的瑕疵等级判定方法，所述判断所述多个目标瑕疵子区域的类型包括：通过卷积神经网络模型判断所述多个目标瑕疵子区域的类型。

5.如权利要求3所述的瑕疵等级判定方法，当所述目标瑕疵区域的类型为刮伤类型时，所述目标瑕疵区域的尺寸为瑕疵的长度；

当所述目标瑕疵区域的类型为擦伤类型时，所述目标瑕疵区域的尺寸为瑕疵的面积。

6.如权利要求1所述的瑕疵等级判定方法，所述根据所述瑕疵规格分数判定所述目标瑕疵区域对应的瑕疵等级包括：

将所述瑕疵规格分数与一个或多个预设的瑕疵等级阈值进行比对，得到比对结果；

根据比对结果判定所述目标瑕疵区域对应的瑕疵等级。

7.如权利要求6所述的瑕疵等级判定方法，所述方法还包括：

根据目标瑕疵区域的瑕疵规格分数，确认是否再次对所述图像进行瑕疵等级判定。

8.如权利要求7所述的瑕疵等级判定方法，所述方法还包括：

依据预存的瑕疵等级对应的分数范围设置预设阈值范围；

比对所述目标瑕疵区域的瑕疵规格分数与所述预设阈值范围；及

当所述瑕疵规格分数位于所述预设阈值范围中时，再次对所述图像进行瑕疵等级判定。

9.如权利要求7所述的瑕疵等级判定方法，所述方法还包括：通过深度学习算法再次对所述图像进行瑕疵等级判定。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的瑕疵等级判定的方法。