[发明专利]边缘缺陷检测方法、装置、模型、设备及可读存储介质

说明书

本申请提供一种边缘缺陷检测方法、装置、模型、设备及可读存储介质，通过获取待检测图像，提取待检测图像的边缘信息，得到边缘图像，进而将边缘图像与预设的边缘模板图像进行匹配，得到缺陷位置。这样，仅对整个待检测图像的边缘部分进行了缺陷检测，降低了进行缺陷检测的计算量，节约了计算资源，同时去除掉了非边缘点，避免了非边缘点对于边缘处的缺陷检测的影响，提升了缺陷检测的准确度。

技术领域

本申请涉及缺陷检测领域，具体而言，涉及一种边缘缺陷检测方法、装置、模型、设备及可读存储介质。

背景技术

缺陷检测是工业质检领域一项常见的任务，目前通用的缺陷检测算法大多是采用基于卷积神经网络的语义分割网络来进行缺陷检测的。

但是，通用的缺陷检测算法会对整幅图像内的每个位置都进行检测。在实际使用场景中，某些产品的缺陷只出现在边缘处，如果使用通用的缺陷检测算法，则不仅在非边缘处浪费了大量的计算资源，同时大量的非边缘点也会影响缺陷检测的准确度。

发明内容

本申请实施例的目的在于提供一种边缘缺陷检测方法、装置、模型、设备及可读存储介质，用以解决通用的缺陷检测算法会对整幅图像内的每个位置都进行检测，从而对于缺陷只出现在边缘处只会出现在边缘处的产品，会造成计算资源浪费，同时缺陷检测的准确度不够的问题。

本申请实施例提供了一种边缘缺陷检测方法，包括：

获取待检测图像；

提取所述待检测图像的边缘信息，得到边缘图像；

将所述边缘图像与预设的边缘模板图像进行匹配，得到缺陷位置。

在上述实现过程中，在获取到待检测图像后，不会针对整个待检测图像进行缺陷检测，而是会先对待检测图像进行边缘信息的提取，得到边缘图像，进而将边缘图像与预设的边缘模板图像进行匹配，得到缺陷位置。这样，仅对整个待检测图像的边缘部分进行了缺陷检测，降低了进行缺陷检测的计算量，节约了计算资源，同时去除掉了非边缘点，避免了非边缘点对于边缘处的缺陷检测的影响，提升了缺陷检测的准确度。

进一步地，所述待检测图像为1通道的灰度图；所述提取所述待检测图像的边缘信息，得到边缘图像包括：

将所述待检测图像依次通过n个第一卷积层，得到所述n个第一卷积层对应输出的第一特征图；所述n为大于等于2的整数；将n个所述第一特征图分别输入n个第二卷积层，得到n个第二特征图；将所述n个第二特征图中同一像素点的像素值相加，得到第三特征图；将所述第三特征图通过1通道的卷积层后，使用激活函数进行非线性处理，得到边缘热力图；对所述边缘热力图进行二值化，得到所述边缘图像。

在上述实现过程中，通过多个卷积层后，可以有效将待检测图像的边缘信息提取出来，然后通过激活函数进行非线性处理，并进行二值化后，得到边缘图像。整个提取过程迅速、可靠，可以有效提取得到待检测图像的边缘信息，从而提升最终确定出的缺陷位置的准确性。

进一步地，将所述边缘图像与预设的边缘模板图像进行匹配，得到缺陷位置包括：将所述边缘图像和边缘模板图像进行拼接，输入到学习好的空间变换网络中，得到变换矩阵；依据所述变换矩阵，计算所述边缘模板图像中各边缘点和所述边缘图像中对应像素点的差值；若所述差值不为0，确定所述边缘图像中对应像素点的位置为缺陷位置。

在上述实现过程中，通过将边缘图像和边缘模板图像进行拼接，进而使用空间变换网络得到变换矩阵，从而得以依据该变换矩阵将边缘图像和边缘模板图像对齐，此时通过计算边缘模板图像中各边缘点和所述边缘图像中对应像素点的差值，即可判定相应像素点是否一致。若一致，则差值为0，说明边缘图像中该像素点处是没有问题的；若边缘图像中该像素点与边缘模板图像中该像素点不一致，则差值不为0，此时即可确定边缘图像中该像素点的位置为缺陷位置。整个过程简单、可靠，可以有效确定出缺陷位置。