纹理表面缺陷检测方法、装置、电子设备及存储介质

本发明涉及缺陷检测，尤其是涉及一种纹理表面缺陷检测方法、装置、电子设备及存储介质。

背景技术：

1、工业产品表面的缺陷检测是费时费力的，因此基于机器视觉的表面缺陷检测技术，在工业生产中得到了越来越多的应用。

2、常见的表面缺陷检测算法可以根据可参考的给定类型的缺陷进行建模，包括使用传统机器视觉方法和有监督的卷积神经网络模型等，但往往需要收集缺陷图像，利用缺陷图像进行模型训练。

3、而在工业生产的实际场景中，表面缺陷出现概率低、随机性强，提前收集大量的缺陷图像往往是困难的，利用少量缺陷图像进行训练就会导致模型缺陷检测准确性差、效率低。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种纹理表面缺陷检测方法、装置、电子设备及存储介质。通过利用无缺陷图像训练的特征字典进行纹理表面缺陷的确定，避免了无法收集大量缺陷图像导致缺陷检测不准确以及效率低的问题。

2、第一方面，本发明实施例提供了一种纹理表面缺陷检测方法、装置、电子设备及存储介质，包括：获取纹理表面图像，提取纹理表面图像的纹理特征；对纹理特征进行融合得到融合特征，基于融合特征和特征字典确定纹理表面的缺陷；其中，特征字典基于无缺陷图像训练获得，特征字典包括多个无缺陷的多层次特征。

3、在本发明较佳的实施例中，方法还包括：对无缺陷图像进行特征提取，得到深层特征和浅层特征；融合深层特征和浅层特征得到多层次特征；基于多层次特征构建多层次特征集；对多层次特征集进行降维，得到特征字典。

4、在本发明较佳的实施例中，上述融合深层特征和浅层特征得到多层次特征，包括：对深层特征进行上采样得到与浅层特征的尺寸相同的上采样特征；将上采样特征和浅层特征进行拼接得到多层次特征。

5、在本发明较佳的实施例中，上述对多层次特征集进行降维，得到特征字典，包括：将多层次特征集划分为多个多层次特征子集；确定多个多层次特征子集的信息熵；将信息熵最小的多层次特征子集作为特征字典。

6、在本发明较佳的实施例中，多层次特征为多个，上述将多层次特征集划分为多个多层次特征子集，包括：在多层次特征集中随机选取第一多层次特征加入第一多层次特征子集中；在多层次特征集中删除第一多层次特征，得到剩余的多层次特征；若第一多层次特征子集中的多层次特征数量达到预设数量阈值，在剩余的多层次特征中随机选取第二多层次特征加入第二多层次特征子集中。

7、在本发明较佳的实施例中，在上述在剩余的多层次特征中随机选取第二多层次特征加入第二多层次特征子集中之后，方法包括：若第一多层次特征子集中的多层次特征数量未达到预设数量阈值，确定剩余的多层次特征与第一多层次特征子集的距离，将距离最小的剩余的多层次特征加入第一多层次特征子集中。

8、在本发明较佳的实施例中，上述基于融合特征和特征字典确定每个纹理特征的缺陷，包括：确定特征字典中与融合特征最近邻的特征；基于最近邻的特征与融合特征确定纹理表面图像的异常值；若异常值不等于预设值，纹理表面图像对应的纹理表面存在缺陷。

9、第二方面，本发明实施例还提供一种纹理表面缺陷检测装置，包括：纹理特征提取模块，用于获取纹理表面图像，提取纹理表面图像的纹理特征；缺陷确定模块，用于对纹理特征进行融合得到融合特征，基于融合特征和特征字典确定纹理表面的缺陷；其中，特征字典基于无缺陷图像训练获得，特征字典包括多个无缺陷的多层次特征。

10、第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面的纹理表面缺陷检测方法。

11、第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述第一方面的纹理表面缺陷检测方法。

12、本发明实施例带来了以下有益效果：

13、本发明实施例提供了一种纹理表面缺陷检测方法、装置、电子设备及存储介质，通过获取纹理表面图像，提取纹理表面图像的纹理特征，再对纹理特征进行融合得到融合特征，利用融合特征和基于无缺陷图像训练获得特征字典确定纹理表面的缺陷，提高了纹理表面缺陷检测的效率和准确性，避免了无法收集大量缺陷图像导致缺陷检测不准确以及效率低的问题。

14、本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

15、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种纹理表面缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述融合所述深层特征和所述浅层特征得到多层次特征，包括：

4.根据权利要求2所述的方法，其特征在于，所述对所述多层次特征集进行降维，得到特征字典，包括：

5.根据权利要求4所述的方法，其特征在于，所述多层次特征为多个，将所述多层次特征集划分为多个多层次特征子集，包括：

6.根据权利要求5所述的方法，其特征在于，在所述在所述剩余的多层次特征中随机选取第二多层次特征加入第二多层次特征子集中之后，所述方法包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述融合特征和特征字典确定每个纹理特征的缺陷，包括：

8.一种纹理表面缺陷检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的纹理表面缺陷检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现权利要求1至7任一项所述的纹理表面缺陷检测方法。

技术总结
本发明提供了一种纹理表面缺陷检测方法、装置、电子设备及存储介质，涉及缺陷检测技术领域，包括：获取纹理表面图像，提取纹理表面图像的纹理特征；对纹理特征进行融合得到融合特征，基于融合特征和特征字典确定纹理表面的缺陷；其中，特征字典基于无缺陷图像训练获得，特征字典包括多个无缺陷的多层次特征。通过获取纹理表面图像，提取纹理表面图像的纹理特征，再对纹理特征进行融合得到融合特征，利用融合特征和基于无缺陷图像训练获得特征字典确定纹理表面的缺陷，提高了纹理表面缺陷检测的效率和准确性，避免了无法收集大量缺陷图像导致缺陷检测不准确以及效率低的问题。

技术研发人员：孟凡武,马梁,谢磊,马鑫,尚妍
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/1/15