[发明专利]缺陷检测方法和装置

说明书

本申请公开了缺陷检测方法和装置。其中方法包括：获取目标的待检测图像；利用训练好的图像分割网络从待检测图像中识别出与目标对应的目标整体图像，以及识别出呈第一形状的缺陷部分图像；根据目标整体图像和缺陷部分图像确定第一子图，以及根据缺陷部分图像确定第二子图；分别对第一子图和第二子图进行缺陷检测，若至少一个子图能够检测出缺陷，则确定目标存在缺陷。有益效果在于，支持任意形状的缺陷部分图像识别，泛用性强；缺陷检测既考虑了目标的整体性，又重点关注到了局部，提升了缺陷检测准确率，而且流程简单，尤其适用于生产线上的产品缺陷检测。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及缺陷检测方法和装置。

背景技术

在传统的精密制造行业，生产的产品缺陷一般通过人工来进行分类检测。近几年，传统制造逐渐向智能制造转变。基于深度学习的目标检测由于具有检测成本低、检测结果稳定、人工需求少、易于维护等优点，逐渐在产品缺陷检测场景中得到利用，成为传统制造向自动化转变的重要一环。

在缺陷检测的过程中，产品的部分区域对性能和效率的影响较大，因此该区域对缺陷的容忍度较低，需要对该部分区域重点检测。一些特殊情况下，甚至要求重点区域的漏检率为零，而现有技术中还存在技术空白。

发明内容

本申请实施例提供了缺陷检测方法和装置，以提高缺陷检测准确率，尤其是一些重点区域的缺陷检测准确率。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种缺陷检测方法，包括：获取目标的待检测图像；利用训练好的图像分割网络从待检测图像中识别出与目标对应的目标整体图像，以及识别出呈第一形状的缺陷部分图像；根据目标整体图像和缺陷部分图像确定第一子图，以及根据缺陷部分图像确定第二子图；分别对第一子图和第二子图进行缺陷检测，若至少一个子图能够检测出缺陷，则确定目标存在缺陷。

在一些实施例中，缺陷检测方法中，图像分割网络是通过如下方式训练得到的：确定第一形状，根据第一形状生成训练样本图像的标注信息；生成训练样本图像的掩模图像，根据训练样本图像及其掩模图像对Unet网络进行训练，得到图像分割网络。

在一些实施例中，缺陷检测方法中，根据目标整体图像和缺陷部分图像确定第一子图包括：将目标整体图像中，与缺陷部分图像对应的区域填充为指定颜色，得到第一子图。

在一些实施例中，缺陷检测方法中，将目标整体图像中，与缺陷部分图像对应的区域填充为指定颜色包括：从目标整体图像中选择位置与缺陷部分图像匹配，但尺寸小于缺陷部分图像的区域，作为与缺陷部分图像对应的区域。

在一些实施例中，缺陷检测方法中，根据缺陷部分图像确定第二子图包括：从待检测图像中提取位置与缺陷部分图像匹配，但尺寸大于缺陷部分图像的区域，得到第二子图。

在一些实施例中，缺陷检测方法还包括：若识别出的目标整体图像和/或缺陷部分图像的形状与第二形状不匹配，则对识别出的目标整体图像和/或缺陷部分图像依据相应的最小外接第二形状进行修正。

在一些实施例中，缺陷检测方法还包括：在检测到缺陷的情况下，确定缺陷在相应子图中的子图像素坐标；根据目标整体图像和/或缺陷部分图像在待检测图像中的位置，对缺陷的子图像素坐标进行坐标变换，得到缺陷在待检测图像中的原图像素坐标，从而能够根据缺陷在待检测图像中的原图像素坐标，确定缺陷在目标中的位置。

在一些实施例中，缺陷检测方法还包括：在从第一子图和第二子图中均检测出缺陷的情况下，确定各缺陷在相应子图中的检测框；若两个缺陷的检测框的交并比大于预设阈值，则对该两个缺陷的检测框进行合并，得到合并后的检测框，并在待检测图像中示出合并后的检测框以表征缺陷在目标中的位置。

在一些实施例中，缺陷检测方法中，对该两个缺陷的检测框进行合并，得到合并后的检测框包括：将该两个缺陷的检测框的最小外接第三形状作为合并后的检测框。