[发明专利]一种产品缺陷检测方法、系统及计算机可读存储介质

说明书

本发明公开了一种产品缺陷检测方法、系统及计算机存储介质，属于视觉检测领域。所述方法包括：获取定位待检测产品目标区域图像；根据预设的深度学习识别模型，检测识别所述待检测产品目标区域图像的缺陷。通过本发明实施例，可以提高产品缺陷识别的连续性和实时性，为工业化操作提供基础。

技术领域

本发明涉及视觉检测领域，特别涉及一种基于深度学习的产品缺陷检测方法、系统及计算机可读存储介质。

背景技术

目前，在工厂的流水线生产过程中，原料从发货运输到生产，外加一系列的意外损伤，生产的产品不可避免的会出现各种缺陷。这些有缺陷的产品会影响产品的合格率和用户使用，损害公司形象。虽然经过各个环节的优化，但是产品的缺陷仍然是一个不可忽视的重要问题。同时，由于设备的日益高效，产量也随之大幅增长，传统的依靠人工检测，不仅成本高，而且人眼在长时间工作会使得漏检和误检增高，因此依靠人工检测的方法已经越来越没办法满足产线要求。

近年来，相关基于机器视觉的算法也在被研究和改进中，比如基于灰度模板的差分、图像二值化、边缘检测，还有的使用了SIFT、SURF等算法对模板图片和待检测样品图片进行特征点匹配，然后通过RANSAC对错误匹配的特征点进行排除，通过仿射变换，把样品图片转换到模板图片的尺度空间，通过这种方法将两张图片对齐，然后通过差分可以得到差分图，如果和模板图片存在差异那么就会在差分图上形成鬼影，通过对这种鬼影进行处理，就可以确定缺陷的位置和范围。但是这种算法的局限性是没办法处理产品形态不固定的产品，比如软塑料的焊缝检测，因为这种产品容易发生形变，无法通过上述的算法将他们对齐，如果粗暴的差分，那将是灾难性的，而且对光照相对比较敏感。

鉴于以上的问题，有必要提到一种新的产品缺陷检测方法，以解决以上存在的问题。

发明内容

有鉴于此，本发明实施例提供一种基于深度学习的产品缺陷检测方法和系统，可以提高产品缺陷识别的连续性和实时性，为工业化操作提供基础。

本发明解决上述技术问题所采用的技术方案如下：

根据本发明的一个方面，提供一种产品缺陷检测方法，包括：

获取定位待检测产品目标区域图像；

根据预设的深度学习识别模型，检测识别所述待检测产品目标区域图像的缺陷。

在一个可能的设计中，所述获取定位待检测产品目标区域图像，包括：

获取待检测产品的原始图像w*h，其中w为图像宽度，h为图像高度；

对获取到所述的原始图像进行图像处理，定位目标区域图像。

在一个可能的设计中，所述对获取到所述的原始图像进行图像处理，定

位目标区域图像，包括：

对获取到的原始图像进行下采样，使w*h的原始图像变为w/2*h/2的区域图像；

对所述区域图像根据预设检测算法定位目标区域图像。

在一个可能的设计中，所述对所述区域图像根据预设检测算法定位目标区域图像，具体包括：

所述预设检测算法为直线段检测算法，采用所述直线段检测算法的过程包括：提取所述区域图像中所有直线线段，排除其中的背景噪音线段，对剩余的直线线段在基于特定条件下定位形成目标区域图像。

在一个可能的设计中，所述根据预设的深度学习识别模型，检测识别所述待检测产品目标区域图像的缺陷，具体包括：

服务器接收所述目标区域图像；

所述服务器根据预设的深度学习识别模型，对所述目标区域图像进行识别处理，返回识别结果；其中，所述深度学习识别模型运行在所述服务器上。