[发明专利]产品表面缺陷检测方法、装置、设备及存储介质

说明书

本申请公开了一种产品表面缺陷检测方法、装置、设备及存储介质。包括：获取第一图像，第一图像为待测产品表面图像；通过傅里叶变换，提取第一图像的相位谱和频率谱；将第一图像的相位谱输入到预设的第一模型，得到目标相位谱，第一模型是基于不存在表面缺陷的产品的表面图像训练得到的；基于目标相位谱和频率谱做傅里叶反变换，得到目标图像，目标图像为与第一图像对应的没有缺陷的图像；基于目标图像和第一图像，确定待测产品表面是否存在缺陷。采用本申请提供的产品表面缺陷检测方法，可以基于不存在表面缺陷的产品的表面图像训练第一模型，降低了训练样本的获取难度。

技术领域

本申请涉及缺陷检测、图像识别技术领域，具体涉及一种产品表面缺陷检测方法、装置、设备及存储介质。

背景技术

在工业生产制造中，一些产品在制造过程中需要对产品的表面进行缺陷检测。以纺织布匹为例，需要对纺织布匹的表面瑕疵进行缺陷检测。

现有检测方案，采用CNN深度神经网络模型，进行缺陷检测。该方案需要收集大量的缺陷图片，来制作训练样本训练模型。在缺陷图片收集过程中，存在缺陷图片数量少，收集困难的问题。并且，收集到的图片还存在各类别的缺陷图片数量分布不均匀的问题。

发明内容

本申请实施例的目的是提供一种产品表面缺陷检测方法、装置、设备及存储介质，至少能够解决现有技术中采用模型检测表面缺陷的方案中，模型训练过程收集训练样本困难的技术问题。

本申请的技术方案如下：

第一方面，提供了一种产品表面缺陷检测方法，包括：

获取第一图像，第一图像为待测产品表面图像；

通过傅里叶变换，提取第一图像的相位谱和频率谱；

将第一图像的相位谱输入到预设的第一模型，得到目标相位谱，第一模型是基于不存在表面缺陷的产品的表面图像训练得到的；

基于目标相位谱和频率谱做傅里叶反变换，得到目标图像，目标图像为与第一图像对应的没有缺陷的图像；

基于目标图像和第一图像，确定待测产品表面是否存在缺陷。

在一些可选的实施例中，将第一图像的相位谱输入到预设的第一模型，得到目标相位谱之前，方法还包括：

在多张产品表面图像中确定样本图像，样本图像为不存在表面缺陷的产品的表面图像；

通过傅里叶变换，提取样本图像的相位谱；

基于样本图像的相位谱，构建训练样本；

基于训练样本训练预设的第一模型，得到训练后的第一模型。

在一些可选的实施例中，基于目标图像和第一图像，确定待测产品表面是否存在缺陷，包括：

分别计算目标图像的幅度谱残差和第一图像的幅度谱残差；

计算目标图像的幅度谱残差和第一图像的幅度谱残差的差值；

在差值大于预设阈值的情况下，确定待测产品表面不存在缺陷。

在一些可选的实施例中，计算目标图像的幅度谱残差，包括：

通过傅里叶变换，得到目标图像的原始幅度谱；

对目标图像的原始幅度谱做平滑处理，得到目标幅度谱；

计算目标幅度谱与原始幅度谱的差值，得到目标图像的幅度谱残差。

在一些可选的实施例中，通过傅里叶变换，提取第一图像的相位谱和频率谱之前，方法还包括：

消除第一图像背景的周期纹理，得到第二图像；