物体变形检测方法及装置、金属变形检测设备及存储介质与流程

1.本技术涉及金属结构变形测量技术领域，例如涉及一种物体变形检测方法及装置、金属变形检测设备及存储介质。


背景技术：

2.目前，对于金属结构等物体的变形检测，常用的人工检测方式是凭借外观或游标卡尺等手动工具进行检测，常用的自动化检测方式是通过机械轨道等方式进行检测。
3.在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：无论对于现有的人工检测的变形检测方式还是自动化检测方式，往往存在着检测效率低下、覆盖率和通用性较差、扩展性不足且检测精度较低的问题。


技术实现要素：

4.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。
5.本公开实施例提供了一种物体变形检测方法及装置、金属变形检测设备及存储介质，以提高金属结构等物体的变形检测的效率、覆盖率和扩展性。
6.在一些实施例中，所述物体变形检测方法，包括：
7.采集待检测物体经背光照明后产生的外轮廓图像；
8.将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；
9.将所述外轮廓图像与所述模板图像进行灰度值对比；
10.根据灰度值对比的结果，确定所述待检测物体是否发生变形。
11.可选地，所述将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同，包括：
12.获取设定的模板图像在相机视野中的所在位置，其中，所述所在位置包括水平位置、垂直位置以及旋转角度；
13.根据所述模板图像在相机视野中的所在位置，对所述外轮廓图在相机视野中的所在位置进行定位校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
14.可选地，所述将所述外轮廓图像与所述模板图像进行灰度值对比，包括：
15.计算所述外轮廓图像每个像素点的灰度值；
16.计算所述模板图像每个像素点的灰度值；
17.将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比。
18.可选地，所述将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比，包括：
19.从所述外轮廓图像中抽取待检测区域；
20.根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组；
21.从所述模板图像中抽取与所述待检测区域对应位置处的比对区域；
22.根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组；
23.计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异。
24.可选地，所述计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异，包括：
25.将待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间进行减法计算，得到所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值；
26.根据所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值，生成差值二维数组。
27.可选地，所述根据灰度值对比的结果，确定所述待检测物体是否发生变形，包括：
28.将所述差值二维数组中的每个像素点的灰度值差值与预设的灰度阈值进行比较，获取超过所述灰度阈值的像素点的个数；
29.根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差值，确定所述待检测物体是否发生变形。
30.在一些实施例中，所述物体变形检测装置，包括：
31.图像采集模块，被配置为采集待检测物体经背光照明后产生的外轮廓图像；
32.图像校准模块，被配置为将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；
33.灰度对比模块，被配置为将所述外轮廓图像与所述模板图像进行灰度值对比；
34.变形判断模块，被配置为根据灰度值对比的结果，确定所述待检测物体是否发生变形。
35.在一些实施例中，所述物体变形检测装置，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，执行如本技术所述的物体变形检测方法。
36.在一些实施例中，所述金属变形检测设备，包括照明装置、计算机、待检测物体承载装置以及如本技术所述的物体变形检测装置。
37.在一些实施例中，所述存储介质，存储有程序指令，所述程序指令在运行时，执行如本技术所述的物体变形检测方法。
38.本公开实施例提供的物体变形检测方法及装置、金属变形检测设备及存储介质，可以实现以下技术效果：
39.本技术通过机器视觉技术采集待检测物体经背光照明后产生的外轮廓图像，将外轮廓图像与自定义的模板图像进行灰度值对比，根据灰度值对比的结果，确定待检测物体是否发生变形，准确率高，并可以减少细小毛刺的误判，实现低成本、高效率、高覆盖率且扩展性强的物体变形检测。
40.以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本技术。
附图说明
41.一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：
42.图1是本公开实施例提供的一个物体变形检测方法的示意；
43.图2是本公开实施例提供的另一个物体变形检测方法的示意图；
44.图3是本公开实施例提供的另一个物体变形检测方法的示意图；
45.图4是本公开实施例提供的另一个物体变形检测方法的示意；
46.图5是本公开实施例提供的另一个物体变形检测方法的示意；
47.图6是本公开实施例提供的另一个物体变形检测方法的示意；
48.图7是本公开实施例的一个应用示意图；
49.图8是本公开实施例提供的另一个物体变形检测方法的示意图；
50.图9是本公开实施例提供的一个物体变形检测装置的示意图；
51.图10是本公开实施例提供的另一个物体变形检测装置的示意图。
具体实施方式
52.为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
53.本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
54.除非另有说明，术语“多个”表示两个或两个以上。
55.本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
56.术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
57.术语“对应”可以指的是一种关联关系或绑定关系，a与b相对应指的是a与b之间是一种关联关系或绑定关系。
58.机器视觉：采用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
59.结合图1所示，本公开实施例提供一种物体变形检测方法，包括：
60.步骤101：采集待检测物体经背光照明后产生的外轮廓图像。
61.在本技术的实施例中，本技术通过led灯等照明设备以及透明玻璃圆盘等承载设备，可以对待检测物体进行背光照明以生成待检测物体的外轮廓图像，进而通过机器视觉系统采集该外轮廓图像，例如，所述待检测物体可以是多边形金属件，通过外轮廓图像可以
完整展示出该多边形金属件外观和尺寸。
62.步骤102：将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
63.在本技术的实施例中，本技术的机器视觉系统预先可以根据待检测物体，自定义设定一个没有变形的标准化的模板图像，并在变形检测之前，根据模板图像的所在位置，将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
64.步骤103：将所述外轮廓图像与所述模板图像进行灰度值对比。
65.步骤104：根据灰度值对比的结果，确定所述待检测物体是否发生变形。
66.在本技术的实施例中，由于背景光大多为白色，则所述外轮廓图像基本为褐色，因此，本技术的机器视觉系统分别获取外轮廓图像的灰度值与模板图像的灰度值，灰度值是指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0，进而将所述外轮廓图像与所述模板图像进行灰度值对比，根据所述外轮廓图像与所述模板图像在同一位置处(即像素点)的灰度值之间差异，以判断所述待检测物体是否发生变形。
67.采用本公开实施例提供的物体变形检测方法，通过机器视觉技术采集待检测物体经背光照明后产生的外轮廓图像，将外轮廓图像与自定义的模板图像进行灰度值对比，根据灰度值对比的结果，确定待检测物体是否发生变形，准确率高，并可以减少细小毛刺的误判，实现低成本、高效率、高覆盖率且扩展性强的物体变形检测。
68.在本技术的实施例中，结合图2所示，所述将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同，包括：
69.步骤201：获取设定的模板图像在相机视野中的所在位置，其中，所述所在位置包括水平位置、垂直位置以及旋转角度。
70.步骤202：根据所述模板图像在相机视野中的所在位置，对所述外轮廓图在相机视野中的所在位置进行定位校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
71.在本技术的实施例中，本技术的机器视觉系统在进行变形检测之前，需要对待检测物体的外轮廓图在相机视野中的所在位置进行定位校准，包括旋转角度和水位垂直位置校准和校正，以使得所述外轮廓图像模板图像在机器视觉系统的相机视野中具有同一角度和同一位置。
72.这样，能够更好地保证变形检测的准确性并提高检测效率。
73.在本技术的实施例中，结合图3所示，所述将所述外轮廓图像与所述模板图像进行灰度值对比，包括：
74.步骤301：计算所述外轮廓图像每个像素点的灰度值。
75.步骤302：计算所述模板图像每个像素点的灰度值。
76.步骤303：将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比。
77.在本技术的实施例中，像素点是最小的图像单元，外轮廓图像和模板图像均由多个像素点组成，例如图片尺寸是500*338的，表示图片是由一个500*338的像素点矩阵构成的，这张图片的宽度是500个像素点的长度，高度是338个像素点的长度，共有500*338＝149000个像素点。同时，对于黑色的外轮廓图像来说，它的像素值就是它的灰度值。因此，本
申请的机器视觉系统分别计算外轮廓图像每个像素点的灰度值以及模板图像每个像素点的灰度值，以将将所述外轮廓图像与所述模板图像进行灰度值对比。
78.这样，通过对比待检测物体的外轮廓图像和模板图像同一位置的灰度值差异判断是否变形，检测全面，变形类型的检测覆盖率100％。
79.在上述实施例中，结合图4所示，所述将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比，包括：
80.步骤401：从所述外轮廓图像中抽取待检测区域。
81.步骤402：根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组。
82.在本技术的实施例中，本技术的机器视觉系统在变形检测的过程中，首先从所述外轮廓图像中抽取待检测区域，然后根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组，其中，所述二维数组本质上是以数组作为数组元素的数组，即“数组的数组”，二维数组又称为矩阵，矩阵中的每个元素即为像素点的灰度值。
83.步骤403：从所述模板图像中抽取与所述待检测区域对应位置处的比对区域。
84.步骤404：根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组。
85.在本技术的实施例中，为了进行对比检测，同理，在本技术的实施例中，从所述模板图像中抽取与所述待检测区域对应位置处的比对区域，并根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组。
86.步骤405：计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异。
87.在上述实施例中，结合图5所示，所述计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异，包括：
88.步骤501：将待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间进行减法计算，得到所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值。
89.步骤502：根据所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值，生成差值二维数组。
90.本技术的实施例中，本技术的机器视觉系统通过获取待检测区域的灰度值二维数组和比对区域的灰度值二维数组，二维数组内的数据就是图像的灰度值，进而将待检测区域的灰度值二维数组和比对区域的灰度值二维数组相减，结果取绝对值从而得到差值二维数组。
91.这样，本社情通过引入图像转换成数组概念来计算，绝对精度高，能够准确判断出是否变形。
92.在本技术的实施例中，结合图6所示，所述根据灰度值对比的结果，确定所述待检测物体是否发生变形，包括：
93.步骤601：将所述差值二维数组中的每个像素点的灰度值差值与预设的灰度阈值进行比较，获取超过所述灰度阈值的像素点的个数。
94.步骤602：根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差值，确定所述待检测物体是否发生变形。
95.在本技术的实施例中，本技术的机器视觉系统根据差值二维数组中的每个像素点的灰度值差值超过某一设定数值的数量和数值大小，根据数量和数值大小与设定的数值数量和数值大小来判断此被检测图像是否变形，例如，结合图7所示，在待检测物体为四边形金属件的情况下，根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差值，也就是根据图像某一位置的灰度值有无差异及差异大小和数量，判断四边形金属件在某一特定位置是否变形。
96.在实际应用中，如图8所示，本公开实施例提供一种物体变形检测方法，包括：
97.步骤801：获取设定的模板图像在相机视野中的所在位置，其中，所述所在位置包括水平位置、垂直位置以及旋转角度。
98.步骤802：根据所述模板图像在相机视野中的所在位置，对所述外轮廓图在相机视野中的所在位置进行定位校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
99.步骤803：计算所述外轮廓图像每个像素点的灰度值和所述模板图像每个像素点的灰度值。
100.步骤804：从所述外轮廓图像中抽取待检测区域，根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组。
101.步骤805：从所述模板图像中抽取与所述待检测区域对应位置处的比对区域，根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组。
102.步骤806：将待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间进行减法计算，得到所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值。
103.步骤807：根据所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值，生成差值二维数组。
104.步骤808：将所述差值二维数组中的每个像素点的灰度值差值与预设的灰度阈值进行比较，获取超过所述灰度阈值的像素点的个数。
105.步骤809：根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差值，确定所述待检测物体是否发生变形。
106.步骤810：若是，则输出发生变形的信号。
107.步骤811：若否，则输出未发生变形的信号。
108.结合图9所示，本公开实施例提供一种物体变形检测装置，包括：
109.图像采集模块901，被配置为采集待检测物体经背光照明后产生的外轮廓图像；
110.图像校准模块902，被配置为将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；
111.灰度对比模块903，被配置为将所述外轮廓图像与所述模板图像进行灰度值对比；
112.变形判断模块904，被配置为根据灰度值对比的结果，确定所述待检测物体是否发生变形。
113.可选地，所述图像校准模块902，具体被配置为：
114.获取设定的模板图像在相机视野中的所在位置，其中，所述所在位置包括水平位置、垂直位置以及旋转角度；
115.根据所述模板图像在相机视野中的所在位置，对所述外轮廓图在相机视野中的所在位置进行定位校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。
116.可选地，所述灰度对比模块903，具体被配置为：
117.计算所述外轮廓图像每个像素点的灰度值；
118.计算所述模板图像每个像素点的灰度值；
119.将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比。
120.可选地，所述灰度对比模块903，具体被配置为：
121.从所述外轮廓图像中抽取待检测区域；
122.根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组；
123.从所述模板图像中抽取与所述待检测区域对应位置处的比对区域；
124.根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组；
125.计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异。
126.可选地，所述灰度对比模块903，具体被配置为：
127.将待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间进行减法计算，得到所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值；
128.根据所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值，生成差值二维数组。
129.可选地，所述变形判断模块904，具体被配置为：
130.将所述差值二维数组中的每个像素点的灰度值差值与预设的灰度阈值进行比较，获取超过所述灰度阈值的像素点的个数；
131.根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差值，确定所述待检测物体是否发生变形。
132.采用本公开实施例提供的物体变形检测装置，通过机器视觉技术采集待检测物体经背光照明后产生的外轮廓图像，将外轮廓图像与自定义的模板图像进行灰度值对比，根据灰度值对比的结果，确定待检测物体是否发生变形，准确率高，并可以减少细小毛刺的误判，实现低成本、高效率、高覆盖率且扩展性强的物体变形检测。
133.结合图10所示，本公开实施例提供一种物体变形检测装置，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(communication interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的物体变形检测方法。
134.此外，上述的存储器101中的逻辑指令可以通过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。
135.存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中物体变形检测方法。
136.存储器101可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；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
137.本公开实施例提供了一种金属变形检测设备，包括照明装置、计算机、待检测物体承载装置以及本技术所述的物体变形检测装置。具体而言，所述照明装置可以是led照明灯，所述待检测物体承载装置可以是具有透明玻璃的圆盘装置，计算机通过物体变形检测装置采集放置在圆盘装置上的经过led照明灯背光照明的多边形金属件后产生的外轮廓图像，进而使用机器视觉软件对外轮廓图像定位校准并分析检测，判断多边形金属件是否变形。
138.本公开实施例提供了一种存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述物体变形检测方法。
139.上述的存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
140.本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
141.以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本技术中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本技术中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本技术中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。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、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
142.本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及
算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
143.本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，所述单元的划分，可以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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例。另外，在本公开实施例中的各功能单元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。
144.附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

技术特征：
1.一种物体变形检测方法，其特征在于，包括：采集待检测物体经背光照明后产生的外轮廓图像；将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；将所述外轮廓图像与所述模板图像进行灰度值对比；根据灰度值对比的结果，确定所述待检测物体是否发生变形。2.根据权利要求1所述的物体变形检测方法，其特征在于，所述将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同，包括：获取设定的模板图像在相机视野中的所在位置，其中，所述所在位置包括水平位置、垂直位置以及旋转角度；根据所述模板图像在相机视野中的所在位置，对所述外轮廓图在相机视野中的所在位置进行定位校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同。3.根据权利要求1所述的物体变形检测方法，其特征在于，所述将所述外轮廓图像与所述模板图像进行灰度值对比，包括：计算所述外轮廓图像每个像素点的灰度值；计算所述模板图像每个像素点的灰度值；将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比。4.根据权利要求3所述的物体变形检测方法，其特征在于，所述将所述外轮廓图像和模板图像对应位置上的像素点的灰度值进行对比，包括：从所述外轮廓图像中抽取待检测区域；根据所述待检测区域中包含的像素点的数量和位置，生成所述待检测区域的灰度值二维数组；从所述模板图像中抽取与所述待检测区域对应位置处的比对区域；根据所述比对区域中包含的像素点的数量和位置，生成所述比对区域的灰度值二维数组；计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异。5.根据权利要求4所述的物体变形检测方法，其特征在于，所述计算所述待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间的差异，包括：将待检测区域的灰度值二维数组与所述比对区域的灰度值二维数组之间进行减法计算，得到所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值；根据所述待检测区域中的每个像素点的灰度值差值与所述比对区域中的每个像素点的灰度值差值，生成差值二维数组。6.根据权利要求5所述的物体变形检测方法，其特征在于，所述根据灰度值对比的结果，确定所述待检测物体是否发生变形，包括：将所述差值二维数组中的每个像素点的灰度值差值与预设的灰度阈值进行比较，获取超过所述灰度阈值的像素点的个数；根据超过所述灰度阈值的像素点的个数，以及超过所述灰度阈值的像素点的灰度值差
值，确定所述待检测物体是否发生变形。7.一种物体变形检测装置，其特征在于，包括：图像采集模块，被配置为采集待检测物体经背光照明后产生的外轮廓图像；图像校准模块，被配置为将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；灰度对比模块，被配置为将所述外轮廓图像与所述模板图像进行灰度值对比；变形判断模块，被配置为根据灰度值对比的结果，确定所述待检测物体是否发生变形。8.一种物体变形检测装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至6任一项所述的物体变形检测方法。9.一种金属变形检测设备，其特征在于，包括照明装置、计算机、待检测物体承载装置以及如权利要求7或8所述的物体变形检测装置。10.一种存储介质，存储有程序指令，其特征在于，所述程序指令在运行时，执行如权利要求1至6任一项所述的物体变形检测方法。

技术总结
本申请涉及金属结构变形测量技术领域，公开一种物体变形检测方法，包括：采集待检测物体经背光照明后产生的外轮廓图像；将所述外轮廓图像进行位置校准，以使所述外轮廓图像与设定的模板图像在相机视野中的位置相同；将所述外轮廓图像与所述模板图像进行灰度值对比；根据灰度值对比的结果，确定所述待检测物体是否发生变形。该方法准确率高，并可以减少细小毛刺的误判，实现低成本、高效率、高覆盖率且扩展性强的物体变形检测。本申请还公开一种物体变形检测装置、金属变形检测设备及存储介质。金属变形检测设备及存储介质。金属变形检测设备及存储介质。


技术研发人员：陈利福 王连杰 范纪青
受保护的技术使用者：海尔智家股份有限公司
技术研发日：2022.03.01
技术公布日：2023/9/11