[发明专利]缺陷检测方法、装置、计算机设备及计算机可读存储介质

说明书

本发明公开了缺陷检测方法、装置、计算机设备及计算机可读存储介质。该方法包括：获取待检测产品的图像信息，图像信息包括图片信息和轮廓信息；利用图像分析算法对轮廓信息进行分析，得到待检测产品的第一检测结果；利用图像深度学习算法对图片信息进行分析，得到待检测产品的第二检测结果；根据第一检测结果和第二检测结果，得到待检测产品的最终检测结果。本发明提供的方案能够将图像分析算法和图像深度学习算法相结合，提高了缺陷的检出率，解决了良品与不良品的判断争议，降低了对待检测产品的误判率。

技术领域

本发明实施例涉及产品检测技术领域，尤其涉及一种缺陷检测方法、装置、计算机设备及计算机可读存储介质。

背景技术

表面缺陷是指在产品表面存在斑点、凹坑、色差、划痕、缺损等缺陷。在工业领域，表面缺陷直接影响着产品的美观、性能等属性，因此，产品的表面质量至关重要。

为了保证产品的表面质量，需要对产品的表面缺陷进行检测。表面缺陷的检测方法主要分为人工检测方法和机器检测方法。其中，人工检测方法需要耗费大量的人力，并且人工检测往往无法保障每个人的检测标准一致；而机器检测方法又分为图像分析算法和图像深度学习算法两大类，且这两类算法均无法避免误判情况的发生，导致缺陷的检出率不高。

发明内容

本发明实施例提供了一种缺陷检测方法、装置、计算机设备及计算机可读存储介质，能够将图像分析算法和图像深度学习算法相结合，提高了缺陷的检出率，解决了良品与不良品的判断争议，降低了对待检测产品的误判率。

在一实施例中，本发明实施例提供了一种缺陷检测方法，缺陷检测方法包括：

获取待检测产品的图像信息，图像信息包括图片信息和轮廓信息；

利用图像分析算法对轮廓信息进行分析，得到待检测产品的第一检测结果；

利用图像深度学习算法对图片信息进行分析，得到待检测产品的第二检测结果；

根据第一检测结果和第二检测结果，得到待检测产品的最终检测结果。

可选的，获取待检测产品的图像信息，包括：

获取图片信息；

对图片信息进行预处理，得到轮廓信息，预处理包括图像灰度化处理、二值化处理、膨胀处理、腐蚀处理中的至少一种。

可选的，利用图像分析算法对轮廓信息进行分析，得到待检测产品的第一检测结果，包括：

利用图像分析算法将轮廓信息划分为缺陷区域和正常区域；

分别计算缺陷区域的面积和正常区域的面积；

若缺陷区域的面积和正常区域的面积的比值大于或者等于预设阈值，则第一检测结果为不良品；

若缺陷区域的面积和正常区域的面积的比值小于预设阈值，则第一检测结果为良品。

可选的，图像深度学习算法包括图像深度学习严格模型和图像深度学习宽松模型，图像深度学习严格模型对缺陷的容忍度低于图像深度学习宽松模型对缺陷的容忍度。

可选的，当第一检测结果为不良品时，利用图像深度学习算法对图片信息进行分析，得到待检测产品的第二检测结果，包括：

将图片信息输入图像深度学习严格模型，得到第二检测结果；

相应的，根据第一检测结果和第二检测结果，得到待检测产品的最终检测结果，包括：

若第一检测结果为不良品、且第二检测结果为不良品，则最终检测结果为不良品；

若第一检测结果为不良品、且第二检测结果为良品，则最终检测结果为良品。