一種磁瓦波紋類缺陷的檢測方法及裝置制造方法及圖紙

本申請提供了一種磁瓦波紋類缺陷檢測方法及裝置，其中，方法可以包括：獲取待檢測圖像；從待檢測圖像中確定待檢測區域，得到第一圖像；對第一圖像進行對比度增強，得到第二圖像；將第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果；依據模型輸出結果，輸出待檢測圖像的波紋類缺陷的檢測結果。本申請可以使得對待檢測圖像的波紋類缺陷檢測結果具有較高的準確率。

A detection method and device for corrugated defects of magnetic tile

【技術實現步驟摘要】
一種磁瓦波紋類缺陷的檢測方法及裝置
本申請涉及圖像處理領域，尤其涉及一種磁瓦波紋類缺陷的檢測方法及裝置。
技術介紹
磁瓦是電機的核心組成部件，在磁瓦的生產制造過程中,由于原材料、加工工藝、人工操作的影響,其表面不可避免地會出現一些缺陷,其中波紋類缺陷較為常見。目前，通常采用人工檢測磁瓦是否存在波紋類缺陷。當時，人工檢測準確率較低。
技術實現思路
本申請提供了一種磁瓦波紋類缺陷的檢測方法及裝置，目的在于解決磁瓦波紋類缺陷檢測準確率低的問題。為了實現上述目的，本申請提供了以下技術方案：本申請提供了一種磁瓦波紋類缺陷的檢測方法，包括：獲取待檢測圖像；從所述待檢測圖像中確定待檢測區域，得到第一圖像；對所述第一圖像進行對比度增強，得到第二圖像；將所述第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果；依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果?？蛇x的，所述模型輸出結果包括：所述待檢測圖像中波紋類缺陷區域的位置信息、波紋類缺陷級別和置信度；所述置信度表征所述待檢測圖像中波紋類缺陷區域為所述波紋類缺陷級別的概率；所述依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果，包括：在所述置信度大于預設的置信度閾值的情況下，輸出第一檢測結果；所述第一檢測結果為標記有波紋類缺陷級別、位置信息和置信度的圖像；所述位置信息用于表示所述待檢測圖像中波紋類缺陷區域的位置信息；在所述置信度不大于所述置信度閾值的情況下，輸出第二檢測結果；所述第二檢測結果表示所述待檢測圖像不存在波紋類缺陷?？蛇x的，所述從所述待檢測圖像中確定待檢測區域，得到第一圖像，包括：從所述待檢測圖像中，確定連通區域，得到多個連通區域；分別計算每個所述連通區域中像素值的平均值，得到每個所述連通區域對應的平均像素值；將平均像素值最小的連通區域，作為所述待檢測區域；將所述待檢測圖像中除所述待檢測區域外的像素點的像素值設置為預設像素值，得到所述第一圖像。可選的，所述對所述第一圖像進行對比度增強，得到第二圖像，包括：對所述第一圖像中的待檢測區域進行灰度值增強，得到所述第二圖像。可選的，在所述從所述待檢測圖像中確定待檢測區域，得到第一圖像之前，還包括：對所述待檢測圖像在格式和尺度上進行歸一化處理，得到第一中間圖像；對所述第一中間圖像進行去噪，得到第二中間圖像；所述從所述待檢測圖像中確定待檢測區域，得到第一圖像，具體為：從所述第二中間圖像中確定待檢測區域，得到第一圖像。可選的，對所述YOLOv3模型的訓練過程包括：獲取訓練樣本；對所述訓練樣本進行預處理，得到預處理后的訓練樣本；擴充所述預處理后的訓練樣本，得到擴充后的訓練樣本；獲取對目標訓練樣本中波紋類缺陷的標注結果，得到人工標注后的訓練樣本；所述目標訓練樣本至少包括所述擴充后的訓練樣本；依據所述人工標注后的訓練樣本，生成符合所述YOLOv3模型的數據集，得到目標數據集；將所述目標數據集輸入所述YOLOv3模型，對所述YOLOv3模型進行訓練，得到所述訓練后的YOLOv3模型。本申請還提供了一種磁瓦波紋類缺陷的檢測裝置，包括：獲取模塊，用于獲取待檢測圖像；確定模塊，用于從所述待檢測圖像中確定待檢測區域，得到第一圖像；增強模塊，用于對所述第一圖像進行對比度增強，得到第二圖像；輸入模塊，用于將所述第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果；輸出模塊，用于依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果?？蛇x的，所述模型輸出結果包括：所述待檢測圖像中波紋類缺陷區域的位置信息、波紋類缺陷級別和置信度；所述置信度表征所述待檢測圖像中波紋類缺陷區域為所述波紋類缺陷級別的概率；所述輸出模塊，用于依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果，包括：所述輸出模塊，具體用于在所述置信度大于預設的置信度閾值的情況下，輸出第一檢測結果；所述第一檢測結果為標記有波紋類缺陷級別、位置信息和置信度的圖像；所述位置信息用于表示所述待檢測圖像中波紋類缺陷區域的位置信息；在所述置信度不大于所述置信度閾值的情況下，輸出第二檢測結果；所述第二檢測結果表示所述待檢測圖像不存在波紋類缺陷?？蛇x的，所述確定模塊，用于從所述待檢測圖像中確定待檢測區域，得到第一圖像，包括：所述確定模塊，具體用于從所述待檢測圖像中，確定連通區域，得到多個連通區域；分別計算每個所述連通區域中像素值的平均值，得到每個所述連通區域對應的平均像素值；將平均像素值最小的連通區域，作為所述待檢測區域；將所述待檢測圖像中除所述待檢測區域外的像素點的像素值設置為預設像素值，得到所述第一圖像?？蛇x的，所述增強模塊，用于所述對所述第一圖像進行對比度增強，得到第二圖像，包括：所述增強模塊，具體用于對所述第一圖像中的待檢測區域進行灰度值增強，得到所述第二圖像?？蛇x的，還包括：預處理模塊，用于在所述確定模塊從所述待檢測圖像中確定待檢測區域，得到第一圖像之前，對所述待檢測圖像在格式和尺度上進行歸一化處理，得到第一中間圖像；對所述第一中間圖像進行去噪，得到第二中間圖像；所述確定模塊，用于從所述待檢測圖像中確定待檢測區域，得到第一圖像，具體為：所述確定模塊，具體用于從所述第二中間圖像中確定待檢測區域，得到第一圖像。可選的，還包括訓練模塊；所述訓練模塊，用于獲取訓練樣本；對所述訓練樣本進行預處理，得到預處理后的訓練樣本；擴充所述預處理后的訓練樣本，得到擴充后的訓練樣本；獲取對目標訓練樣本中波紋類缺陷的標注結果，得到人工標注后的訓練樣本；所述目標訓練樣本至少包括所述擴充后的訓練樣本；依據所述人工標注后的訓練樣本，生成符合所述YOLOv3模型的數據集，得到目標數據集；將所述目標數據集輸入所述YOLOv3模型，對所述YOLOv3模型進行訓練，得到所述訓練后的YOLOv3模型。本申請所述的磁瓦波紋類缺陷的檢測方法及裝置中，獲取待檢測圖像，從待檢測圖像中確定待檢測區域，得到第一圖像，使得第一圖像中待檢測區域更明顯，可以減少背景(待檢測圖像中除待檢測區域外的區域)對波紋類缺陷的檢測干擾，對第一圖像進行對比度增強，得到第二圖像，使得第二圖像可以突出光照不足的區域的缺陷細節，同時也能突出曝光過大的區域的缺陷細節，為后續待檢測圖像的波紋類檢測結果的準確性提供條件。在本申請中，將第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果，依據模型輸出結果，輸出待檢測圖像的波紋類缺陷的檢測結果。專利技術人在研究中發現YOLOv3模型適用于磁瓦圖像，因此，在本申請中，依據訓練后的YOLOv3模型的輸出結果，輸出的待檢測圖像的波紋類缺陷的檢測結果的準確性可以提高。綜上所述，本申請可以使得對待檢測圖像本文檔來自技高網...

【技術保護點】
1.一種磁瓦波紋類缺陷的檢測方法，其特征在于，包括：/n獲取待檢測圖像；/n從所述待檢測圖像中確定待檢測區域，得到第一圖像；/n對所述第一圖像進行對比度增強，得到第二圖像；/n將所述第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果；/n依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果。/n

【技術特征摘要】
1.一種磁瓦波紋類缺陷的檢測方法，其特征在于，包括：
獲取待檢測圖像；
從所述待檢測圖像中確定待檢測區域，得到第一圖像；
對所述第一圖像進行對比度增強，得到第二圖像；
將所述第二圖像輸入訓練后的YOLOv3模型，得到模型輸出結果；
依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果。


2.根據權利要求1所述的檢測方法，其特征在于，所述模型輸出結果包括：所述待檢測圖像中波紋類缺陷區域的位置信息、波紋類缺陷級別和置信度；所述置信度表征所述待檢測圖像中波紋類缺陷區域為所述波紋類缺陷級別的概率；
所述依據所述模型輸出結果，輸出所述待檢測圖像的波紋類缺陷的檢測結果，包括：
在所述置信度大于預設的置信度閾值的情況下，輸出第一檢測結果；所述第一檢測結果為標記有波紋類缺陷級別、位置信息和置信度的圖像；所述位置信息用于表示所述待檢測圖像中波紋類缺陷區域的位置信息；
在所述置信度不大于所述置信度閾值的情況下，輸出第二檢測結果；所述第二檢測結果表示所述待檢測圖像不存在波紋類缺陷。


3.根據權利要求1所述的檢測方法，其特征在于，所述從所述待檢測圖像中確定待檢測區域，得到第一圖像，包括：
從所述待檢測圖像中，確定連通區域，得到多個連通區域；
分別計算每個所述連通區域中像素值的平均值，得到每個所述連通區域對應的平均像素值；
將平均像素值最小的連通區域，作為所述待檢測區域；
將所述待檢測圖像中除所述待檢測區域外的像素點的像素值設置為預設像素值，得到所述第一圖像。


4.根據權利要求1所述的檢測方法，其特征在于，所述對所述第一圖像進行對比度增強，得到第二圖像，包括：
對所述第一圖像中的待檢測區域進行灰度值增強，得到所述第二圖像。


5.根據權利要求1所述的檢測方法，其特征在于，在所述從所述待檢測圖像中確定待檢測區域，得到第一圖像之前，還包括：
對所述待檢測圖像在格式和尺度上進行歸一化處理，得到第一中間圖像；
對所述第一中間圖像進行去噪，得到第二中間圖像；
所述從所述待檢測圖像中確定待檢測區域，得到第一圖像，具體為：
從所述第二中間圖像中確定待檢測區域，得到第一圖像。


6.根據權利要求1所述的檢測方法，其特征在于，對所述YOLOv3模型的訓練過程包括：
獲取訓練樣本；
對所述訓練樣本進行預處理，得到預處理后的訓練...

【專利技術屬性】
技術研發人員：李振波，郭若皓，李萌，朱文靜，岳峻，
申請(專利權)人：中國農業大學，
類型：發明
國別省市：北京;11