[发明专利]涂胶缺陷检测方法、装置、存储介质及电子设备

说明书

本公开涉及涂胶缺陷检测方法、装置、存储介质及电子设备。该方法包括获取目标图像，上述目标图像包括工件的涂胶区域；基于深度神经网络对上述目标图像进行处理，得到上述涂胶区域的预测位置信息；获取上述涂胶区域的标准位置信息；根据上述预测位置信息和标准位置信息，得到涂胶缺陷检测结果。本公开可以基于深度神经网络对目标图像进行自动分割，确定预测位置信息，进而根据该预测位置信息自动快速判断出涂胶缺陷，实现了涂胶缺陷检测的智能化、自动化，并且保证涂胶缺陷检测的准确度。

技术领域

本公开涉及涂胶缺陷检测领域，尤其涉及涂胶缺陷检测方法、装置、存储介质及电子设备。

背景技术

涂胶技术在工业中应用广泛，例如油底盒涂胶，飞轮壳涂胶等。相关技术中大多依赖于人工或传统算法对于涂胶缺陷进行检测，检测效率低，并且漏检概率高。以发动机油底盒涂胶为例，由于胶混合的过程会混有气泡，因此可能会产生断胶、孔胶、过细等涂胶缺陷。发动机油底盒的涂胶缺陷对于车辆质量产生较大影响，可能因为对其涂胶缺陷的检测效率低和漏检率高而产生高昂的维修费用。

发明内容

为了解决上述至少一个技术问题，本公开提出了一种涂胶缺陷检测的技术方案。

根据本公开的第一方面，提供了一种涂胶缺陷检测方法，所述方法包括：获取目标图像，所述目标图像包括工件的涂胶区域；基于深度神经网络对所述目标图像进行处理，得到所述涂胶区域的预测位置信息；获取所述涂胶区域的标准位置信息；根据所述预测位置信息和标准位置信息，得到涂胶缺陷检测结果。基于上述配置，可以基于深度神经网络对目标图像进行自动处理，确定预测位置信息，进而根据该预测位置信息自动快速判断出涂胶缺陷，实现了涂胶缺陷检测的智能化、自动化，并且保证涂胶缺陷检测的准确度。

在一些可能的实施方式中，所述工件为发动机油底盒，所述获取所述涂胶区域的标准位置信息，包括：确定所述发动机油底盒对应的型号信息；根据所述型号信息确定所述发动机油底盒对应的标准图像；基于所述标准图像中的涂胶区域，确定所述标准位置信息。基于上述配置，可以根据型号信息确定对应的标准位置信息，基于该标准位置信息可对目标图像中的涂胶区域进行检测，得到涂胶缺陷检测结果，从而对各种型号的发动机油底盒都可以进行涂胶缺陷检测。

在一些可能的实施方式中，所述根据所述预测位置信息和标准位置信息，得到涂胶缺陷检测结果，包括：根据所述标准位置信息，得到第一区域和第二区域，所述第一区域表征所述目标图像中需要涂胶的位置形成的区域，所述第二区域表征所述目标图像中除所述第一区域外，其它允许涂胶的位置形成的区域；根据所述预测位置信息确定所述涂胶区域对所述第一区域的第一覆盖情况，以及所述涂胶区域对所述第二区域的第二覆盖情况；根据所述第一覆盖情况和第二覆盖情况，得到所述涂胶缺陷检测结果。基于上述配置，通过对所述第一覆盖情况和第二覆盖情况进行分析，可以得到所述涂胶缺陷检测结果。

在一些可能的实施方式中，所述根据所述第一覆盖情况和第二覆盖情况，得到所述涂胶缺陷检测结果，至少包括以下一种情况：若所述第一覆盖情况表征所述第一区域被完全覆盖，并且所述第二覆盖情况表征所述第二区域被完全覆盖，则判定不存在涂胶缺陷；若所述第一覆盖情况表征所述第一区域被部分覆盖，则判定存在一类缺陷；若所述第一覆盖情况表征所述第一区域被完全覆盖，并且所述第二覆盖情况表征所述第二区域被部分覆盖，则判定存在二类缺陷。基于上述配置，可以根据所述第一覆盖情况和第二覆盖情况，快速准确地判断是否存在涂胶缺陷以及得到涂胶缺陷的分类结果。

在一些可能的实施方式中，所述根据所述预测位置信息和标准位置信息，得到涂胶缺陷检测结果，包括：根据所述标准位置信息，确定所述涂胶区域的目标数量；根据所述预测位置信息，确定所述涂胶区域的预测数量；若所述预测数量大于所述目标数量，判定存在断胶缺陷。基于上述配置，可以根据目标数量和预测数量，检测出导致涂胶区域增多的断胶缺陷。