[发明专利]用于缺陷检测的方法、装置、检测设备和存储介质

说明书

本申请涉及深度学习技术领域，公开一种用于缺陷检测的方法，包括：获得被检测部件的深度图像；对深度图像进行预处理，获得待去噪数据；对待去噪数据进行频域转换，获得频域数据；根据条纹噪声的频域特征和缺陷的频域特征，对频域数据进行滤波处理，滤除频域数据中的条纹噪声并保留缺陷，得到去噪后的频域数据信息。通过本申请的方案，相较于现有技术中通过引导滤波处理来去除噪声的方案而言，没有对图像进行像素值的加减处理，这样就不会在去除条纹噪声的同时还将图像中原有的微小缺陷滤除，既有效的滤除了条纹噪声，还保留了图像的细节特征，从而提高缺陷检测的精度。本申请还公开一种用于缺陷检测的装置、检测设备和存储介质。

技术领域

本申请涉及深度学习技术领域，具体而言，涉及一种用于缺陷检测的方法、装置、检测设备和存储介质。

背景技术

目前，工业缺陷检测采用深度相机进行数据采集时，如果精度在微米级，设备的微小震动也会导致出现大量的条纹噪声。震动产生的条纹噪声比缺陷还明显，通过常规的图像处理手段很难将噪声和缺陷进行区分开。

相关技术中，对于去除条纹噪声的处理方式，是对输入图像进行引导滤波处理，具体是用输入图像的像素值减去该像素所在行或/和列的条纹噪声叠加量，得到去条纹噪声处理之后的输出图像。但是通过这种引导滤波处理的方法，在滤掉条纹噪声的同时，也滤掉图像中的微小缺陷，也即改变了图像的细节特征，从而影响缺陷检测的精度。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于缺陷检测的方法、装置、检测设备和存储介质，以降低通过引导滤波处理对缺陷检测的影响，提高缺陷检测的精度。

在一些实施例中，所述用于缺陷检测的方法包括：获得被检测部件的深度图像；对所述深度图像进行预处理，获得待去噪数据；对所述待去噪数据进行频域转换，获得频域数据；根据条纹噪声的频域特征和缺陷的频域特征，对所述频域数据进行滤波处理，滤除所述频域数据中的条纹噪声并保留缺陷，得到去噪后的频域数据信息。

在一些实施例中，所述用于缺陷检测的装置包括：处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行上述的用于缺陷检测的方法。

在一些实施例中，所述检测设备包括：深度相机，用于采集被检测部件的深度图像；和上述的用于缺陷检测的装置。

本公开实施例提供的用于缺陷检测的方法、装置、检测设备和存储介质，可以实现以下技术效果：

本发明首先获取被检测部件的深度图像，并对深度图像进行了预处理得到待去噪数据，进而将待去噪数据通过傅里叶变换转化到频域进行处理，并在频域中根据条纹噪声的类型特点，设置对应的滤波器进行滤波处理，在频域数据中将条纹噪声滤除并保留图像中原有的缺陷。通过本申请的方案，相较于现有技术中通过引导滤波处理来去除噪声的方案而言，没有对图像进行像素值的加减处理，这样就不会在去除条纹噪声的同时还将图像中原有的微小缺陷滤除，既有效的滤除了条纹噪声，还保留了图像的细节特征，从而降低通过引导滤波处理对缺陷检测的影响，提高缺陷检测的精度。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的用于缺陷检测的方法的示意图；

图2是本公开实施例提供的对深度图像进行预处理方法的示意图；

图3是本公开实施例提供的确定前景区域数据方法的示意图；