基于机器视觉的缺陷检测方法、装置、终端及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115018842A(43)申请公布日2022.09.06(21)申请号202210944247.3G06V10/764(2022.01)(22)申请日2022.08.08G06V10/762(2022.01)G06V10/26(2022.01)(71)申请人中科航迈数控软件（深圳）有限公司G01N21/88(2006.01)地址518000广东省深圳市南山区桃源街道平山社区留仙大道4168号众冠时代广场A座2010(72)发明人郭媛君刘祥飞吴承科张亚宁汪军谭家娟蒋锐杨之乐(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268专利代理师陈专(51)Int.Cl.G06T7/00(2017.01)G06V10/774(2022.01)G06V10/82(2022.01)权利要求书3页说明书9页附图2页(54)发明名称基于机器视觉的缺陷检测方法、装置、终端及存储介质(57)摘要本发明公开了基于机器视觉的缺陷检测方法、装置、终端及存储介质。本发明通过获取目标部件各常见受损部位分别对应的缺陷图像集，通过这些缺陷图像集确定目标部件上缺乏缺陷数据的区域。针对缺乏缺陷数据的区域制作补充图像集，以增加缺陷检测模型的缺陷数据集的种类。解决了现有技术中缺陷检测模型的训练数据通常只包含有加工部件上常见受损区域的缺陷数据，训练数据种类局限，导致训练出的缺陷检测模型的准确性和可靠性不高的问题。CN115018842ACN115018842A权利要求书1/3页1.一种基于机器视觉的缺陷检测方法，其特征在于，所述方法包括：获取目标部件对应的三维图像,将所述三维图像输入缺陷检测模型，得到所述目标部件对应的缺陷检测结果，其中，所述缺陷检测模型预先经过所述目标部件对应的缺陷数据集训练；所述缺陷数据集的生成方法包括：获取若干缺陷图像集，其中，每一所述缺陷图像集包括若干缺陷三维图像，各所述缺陷三维图像分别基于与所述目标部件相同类型的缺陷部件生成，各所述缺陷图像集分别对应的缺陷区域不同；根据各所述缺陷图像集，确定补充图像集，其中，所述补充图像集包括若干补充图像，每一所述补充图像对应的缺陷区域与各所述缺陷图像集分别对应的缺陷区域不同；根据各所述缺陷图像集和各所述补充图像集，确定所述缺陷数据集。2.根据权利要求1所述的基于机器视觉的缺陷检测方法，其特征在于，所述获取目标部件对应的三维图像，包括：获取所述目标部件对应的若干拍摄图像，其中，若干所述拍摄图像分别对应的拍摄角度不同；判断各所述拍摄图像中是否存在遮挡物，根据判断结果将各所述拍摄图像分为无遮挡物的第一拍摄图像和有遮挡物的第二拍摄图像；对各所述第二拍摄图像进行图像修复，得到各所述第二拍摄图像分别对应的修复图像；根据各所述第一拍摄图像和各所述修复图像，确定所述三维图像。3.根据权利要求2所述的基于机器视觉的缺陷检测方法，其特征在于，所述判断各所述拍摄图像中是否存在遮挡物，包括：获取每一所述拍摄图像对应的目标局部图像，其中，所述目标局部图像为该拍摄图像中所述缺陷部件对应的局部图像；获取所述目标局部图像对应的平均灰度值，确定所述目标局部图像中与所述平均灰度值的偏差大于偏差阈值的异常像素点；根据各所述异常像素点的位置对各所述异常像素点进行聚类，得到若干离散的像素片，其中，每一所述像素片中的像素点均为所述异常像素点；当任意一个所述像素片中的像素点数量大于数量阈值时，判断该拍摄图像中存在遮挡物。4.根据权利要求1所述的基于机器视觉的缺陷检测方法，其特征在于，所述根据各所述缺陷图像集，确定补充图像集，包括：获取标准部件对应的标准三维图像，其中，所述标准部件与所述目标部件对应的部件类型相同，且所述标准部件不存在缺陷区域；根据各所述缺陷图像集和所述标准三维图像，确定所述标准部件对应的若干目标区域，其中，每一所述目标区域与各所述缺陷图像集分别对应的缺陷区域均不相同；根据所述标准三维图像和各所述目标区域，确定各所述目标区域分别对应的所述补充图像，其中，每一所述目标区域对应的所述补充图像用于反映所述标准部件上该目标区域存在缺陷时的三维图像。2CN115018842A权利要求书2/3页5.根据权利要求4所述的基于机器视觉的缺陷检测方法，其特征在于，所述根据各所述缺陷图像集和所述标准三维图像，确定所述标准部件对应的若干目标区域，包括：根据各所述缺陷图像集分别对应的缺陷区域，确定所述标准三维图像对应的若干删减区域；对所述标准三维图像中各所述删减区域进行删除操作，得到待划分图像；对所述待划分图像进行划分，得到若干所述目标区域，其中，若干所述目标区域互不重叠。6.根据权利要求4所述的基于机器视觉的缺陷检测方法，其特征在于，所述根据所述标准三维图像和各所述目标区域，确定各所述