[发明专利]一种产品不良外观检测的方法、系统及存储介质

权利要求书

1.一种产品不良外观检测的方法，其特征在于，包括以下步骤：

获取产品外观图像，对所述产品外观图像进行灰度化，得到第一灰度图像；

对所述第一灰度图像进行二值化，得到第二灰度图像；

从所述第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；

获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类，根据分类结果识别外观不良产品。

2.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述对所述第一灰度图像进行二值化，得到第二灰度图像这一步骤，其具体包括：

选取一个像素点以及像素点周围像素点作为第一像素区域，根据所述第一像素区域的像素均值确定所述第一像素区内的像素阈值；

所述像素点的像素值高于所述像素阈值，将像素值重置为0；或，所述像素点的像素值高于所述像素阈值，将像素值重置为255；

根据像素值重置后的像素点得到第二灰度图像。

3.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述从所述第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合这一步骤，其具体包括：

在所述第二灰度图像中选取目标区域，对所述目标区域内目标对象之间的空隙进行填补，得到连通的目标对象；所述目标对象包括印刷文字和商标图像；

根据所述连通的目标对象进行轮廓提取，并根据预设的面积区间筛选得到所述轮廓组合。

4.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类这一步骤，其具体包括：

生成所述轮廓组合的最小外接矩形，并获取所述最小外接矩形的特征参数，其中，特征参数包括：中心位置、尺寸大小、旋转角度以及最小外接矩形中的点集；

根据所述最小外接矩形的特征参数旋转所述轮廓组合得到第一子图像；

根据所述最小外接矩形剪裁所述第一子图像，得到第二子图像；

根据所述第二子图像，通过神经网络完成所述产品外观图像的外观特征分类。

5.根据权利要求4所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类这一步骤，其还包括：

对所述第二子图像进行二值化，并对二值化后的第二子图像进行图像尺寸调整，得到第三子图像。

6.根据权利要求1-5任一项所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类，根据分类结果识别外观不良产品这一步骤中，通过神经网络完成所述产品外观图像的外观特征分类具体包括以下步骤：

筛选所述轮廓组合的图像，得到训练集以及测试集；所述训练集包括：至少一个正样本集、至少一个负样本集以及忽略样本集；

根据所述训练集对神经网络模型进行训练；

通过训练后的神经网络模型，对所述测试集进行外观特征分类。

7.根据权利要求1-5任一项所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类，根据分类结果识别外观不良产品这一步骤中，根据分类结果识别外观不良产品的具体步骤为：

将所述分类结果触发产品测试，所述产品测试包括商标检测以及数字面板检测；

所述商标检测和所述数字面板检测中任一项存在不合格，确定为外观不良产品。