产品表面缺陷检测方法、系统、计算机设备及存储介质与流程

本发明涉及机器视觉及图像处理领域，特别是涉及一种产品表面缺陷检测方法、系统、计算机设备及存储介质。

背景技术：

1、在工业生产过程中，一些有规律纹理的产品(比如布匹，服装，卷膜，等带有图案的产品)的生成过程中产品的纹理会产生变形、残缺或者多余等缺陷，常规会采用深度学习的方法对其检测。这样的生产过程如果是重复的、大批量的生产，用深度学习方法的过程会大量收集良品和不良品，用于训练以及后续的检测，这样的方法多数情况下都可以正常使用。但是对于小批量产品的生产，由于小批量生产的情况下无法收集到足够的不良品用于训练，这样方法并不是很适用小批量生产。

技术实现思路

1、基于此，本发明的目的在于，提供一种产品表面缺陷检测方法、系统、计算机设备及存储介质，其具有采用良品特征库进行检测，方便使用，提高产品表面缺陷检测的灵敏度以及工作效率的优点。

2、一种产品表面缺陷检测方法，包括以下步骤：

3、获取待检测目标对应的待检测图像；

4、将所述待检测图像的格式转换为预设输入格式，并输入至图像校正对齐模型中，获取目标图像，其中，所述目标图像是所述待检测图像经过校正对齐获取的图像；

5、将所述目标图像输入至训练好的深度神经网络特征提取模型，提取所述目标图像对应的目标特征图；

6、计算所述目标特征图与预设的良品特征库中每一良品特征图中相同位置之间的特征距离，其中，所述良品特征库包括所述待检测产品对应的若干良品特征图；

7、获取每一位置的所述特征距离中最小特征距离，作为该位置的最终距离，生成所述目标特征图对应的特征距离图；

8、若所述特征距离图中存在任意一个最终距离超过预设特征距离阈值，则所述待检测目标为不良品，否则，所述待检测目标为良品。

9、一种产品表面缺陷检测系统，包括：

10、图像获取模块，用于获取待检测目标对应的待检测图像；

11、图像对齐模块，用于将所述待检测图像转换为预设输入格式，并输入至图像校正对齐模型中，获取目标图像，其中，所述目标图像是所述待检测图像经过校正对齐获取的图像；

12、特征图获取模块，用于将所述目标图像输入至训练好的深度神经网络特征提取模型，提取所述目标图像对应的目标特征图；

13、距离计算模块，用于计算所述目标特征图与预设的良品特征库中每一良品特征图中相同位置之间的特征距离，其中，所述良品特征库包括所述待检测产品对应的若干良品特征图；

14、距离图生成模块，用于获取每一位置的所述特征距离中最小特征距离，作为该位置的最终距离，生成所述目标特征图对应的特征距离图；

15、判断模块，用于若所述特征距离图中存在任意一个最终距离超过预设特征距离阈值，则所述待检测目标为不良品，否则，所述待检测目标为良品。

16、一种计算机设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的产品表面缺陷检测方法的步骤。

17、一种可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的产品表面缺陷检测方法的步骤。

18、本方案中提供了一种缺陷识别方法，通过获取所述待检测目标对应的待检测图像，将所述待检测图像设置为预设格式，并通过校正对齐，获取目标图像，将所述目标图像输入至训练好的深度神经网络特征提取模型，获取目标图像对应目标特征图，将所述目标特征图根据预设规格划分为若干大小相同的区域，通过合并每一区域中的目标特征，得到每一区域对应的区域特征向量；通过获取每一区域的位置信息，计算所述区域特征向量与预设的良品特征库中相同位置的样本向量之间的距离信息，若所述距离信息超过预设特征距离阈值，则所述待检测目标为不良品，否则所述待检测目标为良品。本方案中的缺陷识别方法采用良品特征库进行检测，方便使用，提高产品表面缺陷检测的灵敏度以及工作效率，降低了产品表面缺陷检测过程中误判的发生概率。

19、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种产品表面缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，计算所述目标特征图与预设的良品特征库中每一良品特征图中相同位置之间的特征距离，包括以下步骤：

3.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，计算所述目标特征图与预设的良品特征库中每一良品特征图中相同位置之间的特征距离，包括以下步骤：

4.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，将所述待检测图像的格式转换为预设输入格式，并输入至图像校正对齐模型中，获取目标图像，包括以下步骤：

5.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，还包括训练所述深度神经网络特征提取模型，包括以下步骤：

6.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，还包括构建良品特征库，包括以下步骤：

7.根据权利要求1所述的产品表面缺陷检测方法，其特征在于，所述待检测目标为不良品后，还包括以下步骤：

8.一种产品表面缺陷检测系统，其特征在于，包括：

9.一种计算机设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的产品表面缺陷检测方法的步骤。

10.一种可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的产品表面缺陷检测方法的步骤。

技术总结本发明涉及一种产品表面缺陷检测方法、系统、计算机设备及存储介质，包括：获取待检测目标对应的待检测图像；将待检测图像的格式转换为预设输入格式，并输入至图像校正对齐模型中，获取目标图像；将目标图像输入至训练好的深度神经网络特征提取模型，提取目标图像对应的目标特征图；计算目标特征图与预设的良品特征库中每一良品特征图中相同位置之间的特征距离；获取每一位置的特征距离中最小特征距离，作为该位置的最终距离，生成目标特征图对应的特征距离图；若特征距离图中存在任意一个最终距离超过预设特征距离阈值，则待检测目标为不良品，否则，待检测目标为良品；具有采用良品特征库进行检测，方便使用，提高缺陷检测的灵敏度的优点。技术研发人员：刘斌,梁盛潮,李景全,李镇涛受保护的技术使用者：广东高臻智能装备有限公司技术研发日：技术公布日：2024/10/10