一种设备缺陷视觉检测方法及系统

技术领域

本发明涉及图片处理技术领域，特别是涉及一种设备缺陷视觉检测方法、系统及存储介质。

背景技术

随着人工智能、计算机视觉技术的发展，机器视觉技术在工业场景的应用越来越多，其所占据的地位也越来越高。例如，机器视觉技术应用于工业生产过程中的质量控制环节，通过图片识别、图片检测的方式进行物品图片缺陷检测的方式应运而生。

目前对于物品图片缺陷检测的方式，先确定待检测目标的图片中可能存在缺陷的感兴趣区域特征，然后进一步确定感兴趣区域特征中的缺陷信息，这种方式对于物品图片缺陷信息的检测准确率较低，且对获取感兴趣区域特征的算法要求较高。

发明内容

基于上述问题，本发明提出了一种设备缺陷视觉检测方法、系统及存储介质，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，对于九宫格的其他8张图片，采取中值过滤算法，利用均值、中值过滤算法的优势结合对图片进行处理，提高了检测的准确率。

本发明的一种设备缺陷视觉检测方法包括：

步骤101，建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；

步骤102，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；

步骤103，对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；

步骤104，采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。

进一步地，所述建立标准图片模型具体包括：标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向图片为正前方平视或正上方俯视的标准图片。

进一步地，所述对待检设备图片模型每个图片进行处理获得经过处理的图片具体包括：对待检设备图片模型每个图片进行降噪处理，将每个图片分为九个区域进行分别处理，对所述九个区域的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，并赋值给当前像素点，以循环遍历方式遍历中心图片所有的像素点；对所述九个区域的其他图片，采取中值过滤算法，将像素灰度值进行排序，取中值灰度值赋值给当前像素点，以循环遍历方式遍历其他图片所有的像素点，输出降噪处理后的待检设备降噪图片模型。

进一步地，对所述经过处理的图片进行卷积，提取每个卷积层的特征值并计入检测特征矩阵具体包括：

对降噪图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入特征矩阵；

卷积层第一层至第四层为金字塔形状，第一层的输出为256，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第一平均灰度值，若第一平均灰度值大于第一预设阈值则标记为1，否则标记为0，将第一平均灰度值赋值给检测特征矩阵；第二层的输出为128，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第二平均灰度值，若第二平均灰度值大于第二预设阈值则标记为1，否则标记为0，将第二平均灰度值赋值给检测特征矩阵；第三层的输出为64，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第三平均灰度值，若第三平均灰度值大于第三预设阈值则标记为1，否则标记为0，将第三平均灰度值赋值给检测特征矩阵；第四层的输出为32，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第四平均灰度值，若第四平均灰度值大于第四预设阈值则标记为1，否则标记为0，将第四平均灰度值赋值给检测特征矩阵。

另外，本发明还提出了一种设备缺陷视觉检测系统包括：

标准比对模块201，用于建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；

建模模块202，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型，所述N大于等于6；

检测模块203，用于对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；

比较模块204，用于采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。

进一步地，所述建立标准图片模型具体包括：标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向图片为正前方平视或正上方俯视的标准图片。

进一步地，所述对待检设备图片模型每个图片进行处理获得经过处理的图片具体包括：对待检设备图片模型每个图片进行降噪处理，将每个图片分为九个区域进行分别处理，对所述九个区域的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，并赋值给当前像素点，以循环遍历方式遍历中心图片所有的像素点；对所述九个区域的其他图片，采取中值过滤算法，将像素灰度值进行排序，取中值灰度值赋值给当前像素点，以循环遍历方式遍历其他图片所有的像素点，输出降噪处理后的待检设备降噪图片模型。

进一步地，对所述经过处理的图片进行卷积，提取每个卷积层的特征值并计入检测特征矩阵具体包括：

对降噪图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入特征矩阵；

卷积层第一层至第四层为金字塔形状，第一层的输出为256，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第一平均灰度值，若第一平均灰度值大于第一预设阈值则标记为1，否则标记为0，将第一平均灰度值赋值给检测特征矩阵；第二层的输出为128，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第二平均灰度值，若第二平均灰度值大于第二预设阈值则标记为1，否则标记为0，将第二平均灰度值赋值给检测特征矩阵；第三层的输出为64，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第三平均灰度值，若第三平均灰度值大于第三预设阈值则标记为1，否则标记为0，将第三平均灰度值赋值给检测特征矩阵；第四层的输出为32，对降噪图片模型的每一张图片进行卷积处理，计算中心像素周围像素第四平均灰度值，若第四平均灰度值大于第四预设阈值则标记为1，否则标记为0，将第四平均灰度值赋值给检测特征矩阵。

此外，本发明还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序执行本发明的设备缺陷视觉检测方法。

此外，本发明还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现本发明的设备缺陷视觉检测方法。

本发明提出了一种设备缺陷视觉检测方法及系统，建立标准图片模型并获得标准特征矩阵，对待检设备图片模型每个图片进行处理获得检测特征矩阵，优化图片处理算法，以逐级递减的方式对各层的图片大小进行选取并卷积，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，对其他图片采取中值过滤算法，提高了设备缺陷检测的准确率。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请设备缺陷视觉检测方法流程图；

图2为本申请设备缺陷视觉检测系统结构框图；

图3为本申请卷积算法示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了提高设备缺陷检测的准确率，本发明提出了一种基于九宫格的均值过滤与中值过滤结合算法的设备缺陷视觉检测方法，能够提高设备缺陷检测的准确率。

具体地，一种设备缺陷视觉检测方法，如附图1所示，包括：

步骤101，建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵；

标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向的图片为正前方平视/正上方俯视的标准图片，其中多组高清摄像头最优为6组，形成一组设备标准图片模型B

对设备标准图片模型B

步骤102，将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型；

待检测设备经过传送到检测区，由6组高清摄像头分别采集设备的6个方向图片，形成一组待检设备图片模型C

步骤103，对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；

对待检设备图片模型每个图片进行降噪处理，采取基于九宫格的均值过滤与中值过滤结合算法，所述九宫格为将图片分为九个区域进行分别处理，均值滤波能够将图像模糊化的趋势，中值滤波可以很好的过滤掉椒盐噪声，二者结合能够最大程度优化图片。首先对图片进行降噪处理，将图片切分为九宫格，对九宫格的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，将平均灰度赋值给该点像素点，平均灰度值

对Z

卷积层g1到g4为金字塔形状，g1的输出为256，图片大小为256*256像素。对Z

g2的输出为256，图片大小为128*128像素。对Z

g3的输出为256，图片大小为64*64像素。对Z

g4的输出为256，图片大小为32*32像素。对Z

在本步骤中，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，将平均灰度赋值给该点像素值，对于九宫格的其他8张图片，采取中值过滤算法，利用均值、中值过滤算法的优势结合对图片进行处理，提高了检测的准确率。此外，本发明在进行卷积运算时，对各层的大小选取都不同，以逐级递减的方式进行卷积，优化了卷积算法，同时能够优化对待检测设备图片的检测，有助于从整体上提高检测的准确率。

步骤104，采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。

采用现有的编辑距离相似性算法，比对TZ

对于i、j、g进行轮询，对于第j种类型设备、第i个方向、第g卷积层的图片，u表示卷积次数，TZ

另外地，本发明还提出了一种设备缺陷视觉检测系统，如附图2所示，包括：

标准比对模块201，用于建立标准图片模型，对标准图片模型中每个图片进行卷积处理，提取每个卷积层的特征值，并计入标准特征矩阵。

标准的待检测设备放置于设备采集区域，所述标准的待检测设备为检验符合验收标准的设备，由多组高清摄像头分别采集设备的多个方向图片，采集的多个方向的图片为正前方平视/正上方俯视的标准图片，其中多组高清摄像头最优为6组，形成一组设备标准图片模型B

对设备标准图片模型B

建模模块202，用于将待检测设备经过传送到检测区，采集设备N个方向图片，建立待检设备图片模型；

待检测设备经过传送到检测区，由6组高清摄像头分别采集设备的6个方向图片，形成一组待检设备图片模型C

检测模块203，用于对待检设备图片模型每个图片进行处理获得降噪图片模型，对所述降噪图片模型进行卷积，提取每个卷积层的特征值并计入检测特征矩阵；

对待检设备图片模型每个图片进行降噪处理，采取基于九宫格的均值过滤与中值过滤结合算法，所述九宫格为将图片分为九个区域进行分别处理，均值滤波能够将图像模糊化的趋势，中值滤波可以很好的过滤掉椒盐噪声，二者结合能够最大程度优化图片。首先对图片进行降噪处理，将图片切分为九宫格，对九宫格的中心图片采取均值过滤算法计算，计算中心图片中每个像素点周围像素的平均灰度，将平均灰度赋值给该点像素点，平均灰度值

对Z

卷积层g1到g4为金字塔形状，g1的输出为256，图片大小为256*256像素。对Z

g2的输出为256，图片大小为128*128像素。对Z

g3的输出为256，图片大小为64*64像素。对Z

g4的输出为256，图片大小为32*32像素。对Z

在本步骤中，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，将平均灰度赋值给该点像素值，对于九宫格的其他8张图片，采取中值过滤算法，利用均值、中值过滤算法的优势结合对图片进行处理，提高了检测的准确率。此外，本发明在进行卷积运算时，对各层的大小选取都不同，以逐级递减的方式进行卷积，优化了卷积算法，同时能够优化对待检测设备图片的检测，有助于从整体上提高检测的准确率。

比较模块204，用于采用编辑距离相似性算法，比对所述标准特征矩阵与检测特征矩阵，相似度超过预设阈值则判断设备合格。

采用现有的编辑距离相似性算法，比对TZ

对于i、j、g进行轮询，对于第j种类型设备、第i个方向、第g卷积层的图片，u表示卷积次数，TZ

此外，本发明还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序执行本发明的设备缺陷视觉检测方法。

此外，本发明还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现本发明的方法。

本发明提出了一种设备缺陷视觉检测方法及系统，建立标准图片模型并获得标准特征矩阵，对待检设备图片模型每个图片进行处理获得检测特征矩阵，优化图片处理算法，以逐级递减的方式对各层的图片大小进行选取并卷积，采取基于九宫格的均值过滤与中值过滤结合算法，将图片切分为九宫格，对中心图片采取均值过滤法计算中心图片中每个像素点周围像素的平均灰度，对其他图片采取中值过滤算法，提高了设备缺陷检测的准确率。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。