瑕疵检测方法、电子设备及存储介质

技术领域

本发明涉及图像处理领域，尤其涉及一种瑕疵检测方法、电子设备及存储介质。

背景技术

在现有的瑕疵检测方式中，由于难以分辨背景误差与真正的瑕疵，导致瑕疵检测的准确性低下。因此，如何减少背景误差对瑕疵检测的消极影响以提高瑕疵检测的准确性，成了亟需解决的问题。

发明内容

鉴于以上内容，有必要提供一种瑕疵检测方法、电子设备及存储介质，能够减少背景误差对瑕疵检测的影响，从而提高瑕疵检测的准确性。

本申请提供一种瑕疵检测方法，所述瑕疵检测方法包括：获取待检测图像；将所述待检测图像输入到预先训练的自编码器中，得到重构图像；根据所述待检测图像及所述重构图像生成差异图像；对所述差异图像进行聚类处理，得到特征绝对值；根据所述特征绝对值、所述差异图像及预设值生成目标图像；对所述目标图像进行瑕疵检测，得到所述待检测图像的瑕疵检测结果。

根据本申请可选实施例，在将所述待检测图像输入到预先训练的自编码器中，得到重构图像之前，所述瑕疵检测方法还包括：获取无瑕疵图像；构建学习器；基于所述无瑕疵图像对所述学习器进行训练，得到所述自编码器。

根据本申请可选实施例，所述自编码器包括编码器和解码器，所述将所述待检测图像输入到预先训练的自编码器中，得到重构图像包括：

对所述待检测图像进行编码处理，得到特征向量；基于所述编码器对每个特征向量进行运算处理，得到潜在向量；将所述潜在向量输入到所述解码器进行重构处理，得到所述重构图像。

根据本申请可选实施例，所述根据所述待检测图像及所述重构图像生成差异图像包括：

将所述待检测图像中每个像素点的像素值与所述重构图像中对应的像素点的像素值进行相减，得到每个像素点对应的差值，对所述差值取绝对值，得到像素绝对值，将所述像素绝对值依据对应的像素点的位置进行排列，得到所述差异图像。

根据本申请可选实施例，所述对所述差异图像进行聚类处理，得到特征绝对值包括：选取多个像素绝对值作为聚类中心；基于所述聚类中心对所述差异图像，执行聚类处理流程，所述聚类处理流程包括：对每个聚类中心设置不同的类别标签；计算所述差异图像中每个像素绝对值到每个聚类中心的距离；根据所述距离对每个像素绝对值进行分类，得到每个像素绝对值对应的类别标签；及根据每个像素绝对值与该像素绝对值对应的类别标签的聚类中心计算损失值；重复所述聚类处理流程，直至所述损失值收敛，得到每个类别标签对应的特征绝对值；或者若所述损失值不收敛，计算每个类别标签所对应的所有像素绝对值的平均值，并将每个聚类中心替换为该聚类中心的类别标签所对应的平均值。

根据本申请可选实施例，所述损失值的计算公式为：

其中，J是指所述损失值，是指多个所述像素绝对值的数量，x

根据本申请可选实施例，所述根据所述特征绝对值、所述差异图像及预设值生成目标图像包括：

统计每个类别标签所对应的特征绝对值的数量，将取值最大的数量所对应的类别标签确定为背景误差，将所述差异图像中所述背景误差所对应的特征绝对值确定为背景绝对值，将所述待检测图像中所述背景绝对值所对应的像素点的像素值调整为所述预设值，得到所述目标图像。

根据本申请可选实施例，所述对所述目标图像进行瑕疵检测，得到所述待检测图像的瑕疵检测结果包括：

将所述目标图像中除了所述预设值之外的特征绝对值确定为目标绝对值，根据相邻的多个所述目标绝对值生成连通区域，并统计所述连通区域中所有目标绝对值的总和，若所述总和大于预设阈值，确定所述待检测图像存在瑕疵，或者，若所述绝对值总和小于或者等于所述预设阈值，确定所述待检测图像不存在瑕疵。

本申请提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，获取所述存储器中存储的指令以实现所述的瑕疵检测方法。

本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述的瑕疵检测方法。

由以上技术方案可以看出，本申请根据所述待检测图像及所述重构图像生成差异图像，由于所述重构图像近似为无瑕疵图像，当所述待检测图像存在瑕疵时，所述差异图像中瑕疵对应的像素绝对值更大，因此能够根据所述差异图像中像素绝对值的差异大小初步筛选出瑕疵对应的像素绝对值，对所述差异图像进行聚类处理，能够实现对所述差异图像中的像素绝对值进行分类，根据所述特征绝对值、所述差异图像及预设值生成目标图像，由于所述差异图像包含背景误差，根据对所述像素绝对值的分类结果能够准确的确定出所述差异图像中背景误差对应的像素绝对值，将所述背景误差对应的像素绝对值调整为所述预设值，能够过滤掉所述差异图像的背景误差对应的像素绝对值，消除背景误差的消极影响，从而提高瑕疵检测的准确性。

附图说明

图1是本申请瑕疵检测方法的较佳实施例的应用环境图。

图2是本申请瑕疵检测方法的较佳实施例的流程图。

图3是本申请实现瑕疵检测方法的较佳实施例的电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本申请进行详细描述。

如图1所示，是本申请一种瑕疵检测方法的较佳实施例的流程图。根据不同的需求，该流程图中各个步骤的顺序可以根据实际要求进行调整，某些步骤可以省略。所述方法的执行主体为电子设备，例如图3所示的电子设备1。

所述瑕疵检测方法可应用于一个或者多个电子设备1中。所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括，但不限于：微处理器、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、可编程门阵列(Field－ProgrammableGateArray，FPGA)、数字信号处理器(DigitalSignalProcessor，DSP)、嵌入式设备等。

所述电子设备1可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(PersonalDigitalAssistant，PDA)、游戏机、交互式网络电视(InternetProtocolTelevision，IPTV)、智能式穿戴式设备等。

所述电子设备1还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。

所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(VirtualPrivateNetwork，VPN)等。

S10，获取待检测图像。

在本申请的至少一个实施例中，所述待检测图像是指需要进行检测是否存在瑕疵的图像。

在本申请的至少一个实施例中，所述电子设备获取待检测图像包括：

所述电子设备控制所述摄像装置拍摄目标对象，得到所述待检测图像。

其中，所述目标对象可以丝织品、水杯、玩具等产品。

S11，将所述待检测图像输入到预先训练的自编码器中，得到重构图像。

在本申请的至少一个实施例中，所述预先训练的自编码器是指使用无瑕疵图像训练后生成的自编码器。

在本申请的至少一个实施例中，所述重构图像是指将所述待检测图像输入到所述预先训练的自编码器中后所生成的图像。

在本申请的至少一个实施例中，在将所述待检测图像输入到预先训练的自编码器中，得到重构图像之前，所述瑕疵检测方法还包括：

所述电子设备获取无瑕疵图像，构建学习器，进一步地，所述电子设备基于所述无瑕疵图像对所述学习器进行训练，得到所述预先训练的自编码器。

其中，所述电子设备基于卷积神经网络构建所述学习器。

所述无瑕疵图像可以从预设的第一数据库中获取，所述无瑕疵图像是指图像中包含无瑕疵的对象的图像，所述无瑕疵的对象可以是无瑕疵的丝织品、无瑕疵的水杯及无瑕疵的玩具等产品。

具体地，所述电子设备基于所述无瑕疵图像对所述学习器进行训练，得到所述自编码器包括：

所述电子设备计算所述学习器的损失值，基于所述无瑕疵图像对所述学习器进行多次训练，直至所述学习器的损失值下降到最低，得到所述自编码器。

其中，可以基于交叉熵损失函数计算所述学习器的损失值。

在本申请的至少一个实施例中，所述预先训练的自编码器包括编码器和解码器，所述电子设备将所述待检测图像输入到预先训练的自编码器中，得到重构图像包括：

所述电子设备对所述待检测图像进行编码处理，得到特征向量，进一步地，所述电子设备基于所述编码器对每个特征向量进行运算处理，得到潜在向量，更进一步地，所述电子设备将所述潜在向量输入到所述解码器进行重构处理，得到所述重构图像。

其中，所述编码器是指对所述待检测图像进行特征提取的网络，所述编码器包括卷积层和池化层，所述解码器是指将提取到的特征还原为所述重构图像的网络，所述解码器包括反池化层及反卷积层。

所述编码处理是指获取所述待检测图像中每个像素点所对应的像素值。

具体地，所述电子设备基于所述预先训练的编码器对每个特征向量进行运算处理，得到潜在向量包括：

所述电子设备将所述特征向量与所述卷积层中的权重进行相乘运算，得到相乘向量，进一步地，所述电子设备将所述相乘向量与所述卷积层中的偏置进行相加运算，得到相加向量，更进一步地，所述电子设备基于所述池化层对所述相加向量进行池化操作，得到所述潜在向量。

其中，所述电子设备将所述潜在向量输入到所述解码器进行重构处理的过程与所述电子设备基于所述编码器对每个特征向量进行运算处理的逆过程一致，本申请在此不作赘述。

在本实施例中，由于所述预先训练的自编码器是使用无瑕疵图像训练后生成的，所述预先训练的自编码器学习了所述无瑕疵图像的特征，因此所述重构图像近似为无瑕疵图像。

S12，根据所述待检测图像及所述重构图像生成差异图像。

在本申请的至少一个实施例中，所述差异图像是指由多个像素绝对值生成的图像，所述像素绝对值是指所述待检测图像每个像素点的像素值与所述重构图像中对应像素点的像素值的差值的绝对值。

在本申请的至少一个实施例中，所述电子设备根据所述待检测图像及所述重构图像生成差异图像包括：

所述电子设备将所述待检测图像中每个像素点的像素值与所述重构图像中对应的像素点的像素值进行相减，得到每个像素点对应的差值，进一步地，所述电子设备对所述差值取绝对值，得到像素绝对值，所述电子设备将所述像素绝对值依据对应的像素点的位置进行排列，得到所述差异图像。

在本实施例中，由于所述重构图像近似为无瑕疵图像，将所述待检测图像中每个像素点的像素值与所述重构图像中对应的像素点的像素值进行相减，得到差值，若所述待检测图像为瑕疵图像，瑕疵像素点对应的差值会更大，背景像素点对应的差值变化较小，因此能够初步区分出所述待检测图像中的背景像素点与瑕疵像素点。

S13，对所述差异图像进行聚类处理，得到特征绝对值。

在本申请的至少一个实施例中，所述电子设备对所述差异图像进行聚类处理，得到特征绝对值包括：

所述电子设备选取多个像素绝对值作为聚类中心，进一步地，所述电子设备基于所述聚类中心对所述差异图像，执行聚类处理流程，所述聚类处理流程包括：所述电子设备对每个聚类中心设置不同的类别标签，计算所述差异图像中每个像素绝对值到每个聚类中心的距离，进一步地，所述电子设备根据所述距离对每个像素绝对值进行分类，得到每个像素绝对值对应的类别标签，及所述电子设备根据每个像素绝对值与该像素绝对值对应的类别标签的聚类中心计算损失值，所述电子设备重复所述聚类处理流程，直至所述损失值收敛，得到每个类别标签对应的特征绝对值，或者，若所述损失值不收敛，所述电子设备计算每个类别标签所对应的所有像素绝对值的平均值，并将每个聚类中心替换为该聚类中心的类别标签所对应的平均值。

其中，所述损失值收敛是指所述损失值下降到最低或者所述损失值不再发生变化，所述特征绝对值是指所述损失值收敛之后，每个类别标签对应的所有像素绝对值。所述距离可以为欧氏距离。

在实施例中，所述类别标签是指像素绝对值所属的类别，所述类别标签包括背景误差及瑕疵，可以理解的是，所述聚类中心应该包含多个不同类别。例如：当所述待检测图像为瑕疵图像及选取两个像素绝对值作为聚类中心时，一个聚类中心为背景误差对应的像素绝对值，另一个聚类中心为瑕疵对应的像素绝对值。

在本实施例中，重复将每个聚类中心替换为该聚类中心的类别标签所对应的平均值，直至所述损失值收敛，通过对像素绝对值进行多次分类，能够准确定出每个像素绝对值对应的类别标签。

具体地，所述损失值的计算公式为：

其中，J是指所述损失值，是指多个所述像素绝对值的数量，x

在本实施例中，通过对所述聚类中心的多次替换，直至损失值收敛，完成多次聚类过程，能够更加准确地确定每个像素绝对值所属的类别标签。

S14，根据所述特征绝对值、所述差异图像及预设值生成目标图像。

在本申请的至少一个实施例中，所述目标图像是指将所述差异图像中的背景误差对应的像素绝对值调整为所述预设值之后所生成的图像。

在本申请的至少一个实施例中，所述电子设备根据所述特征绝对值、所述差异图像及预设值生成目标图像包括：

所述电子设备统计每个类别标签所对应的特征绝对值的数量，进一步地，所述电子设备将取值最大的数量所对应的类别标签确定为背景误差，更进一步地，所述电子设备将所述差异图像中所述背景误差所对应的特征绝对值确定为背景绝对值，更进一步地，所述电子设备将所述待检测图像中所述背景绝对值所对应的像素点的像素值调整为所述预设值，得到所述目标图像。

其中，所述预设值可以根据所述差异图的像素绝对值的范围进行设置。

例如，所述差异图像的像素绝对值范围为0-255，所述预设值可以为0。

通过上述实施方式，由于实际应用中背景误差会对应更多的像素绝对值，将最大的数量所对应的类别标签确定为背景误差，能够快速地确定出背景误差对应的所有像素绝对值，将所述背景误差对应的特征绝对值调整为所述预设值，能够使得所述差异图像中背景误差对应的像素差值的差异更加明显。

S15，对所述目标图像进行瑕疵检测，得到所述待检测图像的瑕疵检测结果。

在本申请的至少一个实施例中，所述瑕疵检测结果包括所述待检测图像存在瑕疵，或者，所述待检测图像不存在瑕疵。

在本申请的至少一个实施例中，所述电子设备将对所述目标图像进行瑕疵检测，得到所述待检测图像的瑕疵检测结果包括：

所述电子设备将所述目标图像中除了所述预设值之外的特征绝对值确定为目标绝对值，进一步地，所述电子设备根据相邻的多个所述目标绝对值生成连通区域，并统计所述连通区域中所有目标绝对值的总和，若所述总和大于预设阈值，确定所述待检测图像存在瑕疵，或者，若所述绝对值总和小于或者等于所述预设阈值，确定所述待检测图像不存在瑕疵。

其中，所述预设阈值可以自行设置，本申请对此不作限制。

在本实施例中，由于所述目标图像中还有可能包含背景误差对应的像素绝对值，当所述待检测图像为瑕疵图像时，根据多个相邻的确定连通区域，能够进一步筛选出可能是瑕疵的像素点所对应的像素绝对值，从而提高瑕疵检测的准确性。

由以上技术方案可以看出，本申请根据所述待检测图像及所述重构图像生成差异图像，由于所述重构图像近似为无瑕疵图像，当所述待检测图像存在瑕疵时，所述差异图像中瑕疵对应的像素绝对值更大，因此能够根据所述差异图像中像素绝对值的差异大小初步筛选出瑕疵对应的像素绝对值，对所述差异图像进行聚类处理，能够实现对所述差异图像中的像素绝对值进行分类，根据所述特征绝对值、所述差异图像及预设值生成目标图像，由于所述差异图像包含背景误差，根据对所述像素绝对值的分类结果能够准确的确定出所述差异图像中背景误差对应的像素绝对值，将所述背景误差对应的像素绝对值调整为所述预设值，能够过滤掉所述差异图像的背景误差对应的像素绝对值，消除背景误差的消极影响，从而提高瑕疵检测的准确性。

如图3所示，是本申请实现瑕疵检测方法的较佳实施例的电子设备的结构示意图。

在本申请的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如瑕疵检测程序。

本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。

所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及获取所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。

所述处理器13获取所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个瑕疵检测方法实施例中的步骤，例如图2所示的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13获取，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。

所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器12可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。

所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器获取时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

结合图2，所述电子设备1中的所述存储器12存储多个指令以实现一种瑕疵检测方法，所述处理器13可获取所述多个指令从而实现：获取待检测图像；将所述待检测图像输入到预先训练的自编码器中，得到重构图像；根据所述待检测图像及所述重构图像生成差异图像；对所述差异图像进行聚类处理，得到特征绝对值；根据所述特征绝对值、所述差异图像及预设值生成目标图像；对所述目标图像进行瑕疵检测，得到所述待检测图像的瑕疵检测结果。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本申请中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。