环状工件的缺陷检测方法、装置、计算设备及存储介质与流程

1.本发明涉及缺陷检测技术领域，尤其涉及一种环状工件的缺陷检测方法、缺陷检测装置、计算设备及存储介质。


背景技术：

2.目前，环状工件广泛应用于工业生产场景，如标准件制造、汽车配件、饮料生产等场景。对环状工件表面进行缺陷检测是产品质量控制的重要环节。环状工件的待检测区域通常为薄壁环状，其感兴趣区域仅占整幅图像的极少部分，同时由于回转加工的工艺，其成像图像呈现出圆周方向灰度均匀的特点。如何针对环状工件的结构及成像图像的特点，开发一种通用且高效的环状工件缺陷检测算法，对实现环状工件自动化缺陷检测具有重要的工业应用价值。
3.需要指出的是，现阶段，环状工件缺陷检测的核心挑战包括：高分辨率下的小尺寸缺陷检测；少缺陷样本情况下的缺陷检测算法的开发。针对环状工件的图片分辨率一般较大，而环状区域中的感兴趣区域面积相对较少的特点，对于高分辨率的缺陷检测问题，除直接对整幅图像进行处理之外，现有技术中常用的解决方法主要为resize和切割。主流的深度学习缺陷检测网络例如包括r-cnn、yolo系列、ssd系列，或者分类网络googlenet、mobilenet等，其算法输入分辨率均在百级左右，而工业检测中采集的图像分辨率级别通常在几千级别左右。
4.现有技术中，为了解决高分辨率的缺陷检测问题，直接采用resize的方法对输入图像的尺寸进行压缩的方案，针对大尺寸待检测目标的检测精度影响不大，但，由于直接进行resize会中和或去除小目标区域的像素，导致该方案对于小尺寸的待检测目标的识别效果较差。针对上述问题，一部分研究人员采用切割的方式，将大尺寸图像切割为小尺寸图像并进行处理，最后对检测结果进行拼接，作为最终输出。还有一部分研究人员使用滑动窗口的方法，对小尺寸窗口进行处理，实现对高分辨率图像的检测。利用感兴趣展开图的方法，直接将环状工件感兴趣区域展开，在不降低待检测部位分辨率的前提下，完成对环状工件的检测。
5.从以上研究可知，对于缺陷检测，为了保证对多尺度缺陷的检测效果，图像应尽可能不被压缩，同时，为了提高检测效率，应尽可能利用图像整体及局部的图像特点，减少算法的计算耗时。
6.此外，正负样本数量不均衡是影响缺陷检测算法开发的关键问题，在实际的算法开发中缺陷样本的获取相对困难。为应对该现象，研究学者做了大量的技术探索，例如包括监督深度学习中的数据增强、数据生成、损失函数修改等。在实际工业应用中，由于成像环境相对统一，待检测工件成像质量统一，同时其正样本数据获取相对容易，因此，研究人员对基于正样本的缺陷检测算法进行了深入的研究。基于正样本的去缺陷检测方法可分为image reconstruction-based methods和discriminative embedding-based methods。image reconstruction-based methods倾向学习正样本的结构信息以用于重构图像，其处
理速度较快但对大尺寸缺陷会存在泛化能力过高的问题。discriminative embedding-based methods更多的是学习正样本的特征分布，虽对克服了大尺寸缺陷的泛化能力过高的问题，但其处理速度过慢，无法满足工业实时运算的要求。同时，上述方法缺陷分割精度较差，很难达到像素级别。
7.因此，需要一种环状工件的缺陷检测方法，以解决上述技术方案中存在的问题。


技术实现要素：

8.为此，本发明提供一种环状工件的缺陷检测方法和缺陷检测装置，以解决或至少缓解上面存在的问题。
9.根据本发明的一个方面，提供一种环状工件的缺陷检测方法，在计算设备中执行，包括：获取环状工件的待检测图像；从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图；根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，并确定所述概率图中的缺陷区域；对所述概率图中的缺陷区域进行灰度修复，得到修复图；根据所述修复图，构建自适应无缺陷模板；计算所述自适应无缺陷模板与所述待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据所述缺陷残差图定位所述环状工件的缺陷位置。
10.可选地，在根据本发明的环状工件的缺陷检测方法中，在得到缺陷残差图之后，还包括：对所述缺陷残差图进行处理，以得到显著性提升图，以便根据所述显著性提升图定位所述环状工件的缺陷位置。
11.可选地，在根据本发明的环状工件的缺陷检测方法中，在获取环状工件的待检测图像之前，还包括：获取多个无缺陷环状工件的样本图像；从每个所述样本图像中提取样本环状感兴趣区域，并进行展开，得到对应的样本矩形展开图；统计所述样本矩形展开图中单列的灰度值概率分布，以构建灰度概率分布矩阵。
12.可选地，在根据本发明的环状工件的缺陷检测方法中，还包括：对所述灰度概率分布矩阵进行归一化操作，以得到最终的灰度概率分布矩阵。
13.可选地，在根据本发明的环状工件的缺陷检测方法中，从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图，包括：在所述待检测图像上构建图像直角坐标系、以所述环状感兴趣区域的圆心为原点的极坐标系，并建立所述图像直角坐标系与所述极坐标系之间的第一关系式；确定基于所述环状感兴趣区域的外环周长、对所述环状感兴趣区域进行展开得到的待检测矩形展开图的尺寸，与所述环状感兴趣区域的外环半径、内环半径之间的第二关系式；建立所述极坐标系中的点与待检测矩形展开图中的对应点的转换公式；根据所述第一关系式、第二关系式以及所述转换公式，从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图。
14.可选地，在根据本发明的环状工件的缺陷检测方法中，根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，包括：根据灰度概率分布矩阵，逐列逐像素确定所述待检测矩形展开图中与无缺陷波形趋势不同的每个像素位置，以构建概率图。
15.可选地，在根据本发明的环状工件的缺陷检测方法中，对所述概率图中的缺陷区域进行灰度修复，得到修复图，包括：根据所述概率图中的非缺陷区域的灰度均值，对所述
概率图中的缺陷区域进行灰度修复，得到修复图。
16.可选地，在根据本发明的环状工件的缺陷检测方法中，对所述概率图中的缺陷区域进行灰度修复，得到修复图，包括：将所述待检测矩形展开图与所述概率图进行逐像素相乘，得到去除显著缺陷的展开图；对于所述去除显著缺陷的展开图中的每个值为0的像素点，基于所述像素点所在行的所有不为0的像素均值进行替换，得到修复图。
17.可选地，在根据本发明的环状工件的缺陷检测方法中，根据所述修复图，构建自适应无缺陷模板，包括：对所述修复图进行水平方向缩小处理，得到缩小修复图；利用双线性差值方法，将所述缩小修复图放大至所述待检测矩形展开图的尺寸，以得到自适应无缺陷模板。
18.可选地，在根据本发明的环状工件的缺陷检测方法中，确定所述概率图中的缺陷区域，包括：将所述概率图中的黑色区域确定为缺陷区域。
19.可选地，在根据本发明的环状工件的缺陷检测方法中，所述待检测图像、样本图像分别为环状工件的端部图像；所述多个环状工件的样本图像包括：核燃料棒坡口样本图像、回转体薄壁端口样本图像、喷油嘴阀座面样本图像中的一种或多种。
20.根据本发明的一个方面，提供一种缺陷检测装置，驻留在计算设备中，包括：获取模块，适于获取环状工件的待检测图像；提取模块，适于从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图；概率图构建模块，适于根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，并确定所述概率图中的缺陷区域；修复模块，适于对所述概率图中的缺陷区域进行灰度修复，得到修复图；模板构建模块，适于根据所述修复图，构建自适应无缺陷模板；计算模块，适于计算所述自适应无缺陷模板与所述待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据所述缺陷残差图定位所述环状工件的缺陷位置。
21.根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；存储器，存储有程序指令，其中，程序指令被配置为适于由上述至少一个处理器执行，所述程序指令包括用于执行如上所述的环状工件的缺陷检测方法的指令。
22.根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的环状工件的缺陷检测方法。
23.根据本发明的技术方案，提供了一种环状工件的缺陷检测方法，通过从待检测图像中提取环状感兴趣区域并进行展开，得到待检测矩形展开图。根据灰度概率分布矩阵，确定待检测矩形展开图的像素灰度概率，以构建概率图，并确定概率图中的缺陷区域，通过对缺陷区域进行灰度修复，得到修复图。进而，根据修复图来构建自适应无缺陷模板，通过计算自适应无缺陷模板与待检测矩形展开图的绝对差值，来得到缺陷残差图，这样，可以根据缺陷残差图来精确定位环状工件的缺陷位置。根据本发明的技术方案，通过对环状感兴趣区域进行展开，在保持感兴趣区域的像素分辨率的情况下减少了图像处理的数据量，有利于提高数据处理效率。并且，在缺少缺陷样本的情况下，通过统计正样本灰度概率分布矩阵，来对大尺寸缺陷进行修复，一定程度上降低了自适应模板算法对大尺寸缺陷的泛化能力，使得利用自适应模板算法对大尺寸缺陷的提取更加完整，提高了对环状工件的大尺寸缺陷的检测效果，且对于缺陷区域的定位精度更高。并且，针对环状工件的缺陷检测，本发明的检测效率远高于现有技术中常用的无监督缺陷检测算法，且本发明的算法部署简单，
对计算机的配置要求较低，内存消耗较少，运行更高效，同时保持了较高的缺陷检测精度。
24.进一步地，本发明利用shrink and enlarge方法来构建自适应无缺陷模板，保证了模板与待检测图像在相位及振幅上的一致性，实现对缺陷区域的像素级高精度检测，从而对于小尺寸像素级的缺陷检测能力更强，同时算法计算量较小，运行高效。
25.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
26.为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
27.图1示出了根据本发明一个实施例的计算设备100的示意图；
28.图2示出了根据本发明一个实施例的环状工件的缺陷检测方法200的示意图；
29.图3示出了根据本发明一个实施例的环状工件的缺陷检测流程示意图；
30.图4示出了根据本发明的一个实施例中对环状感兴趣区域进行展开的原理示意图；
31.图5示出了根据本发明一个实施例的样本矩形展开图的图像特征示意图；
32.图6示出了根据本发明一个实施例中对展开图的灰度波形分析示意图；
33.图7示出了根据本发明的一个实施例的缺陷检测装置700的示意图。
具体实施方式
34.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
35.图1示出了根据本发明一个实施例的计算设备100的示意图。如图1所示，在基本配置中，计算设备100包括至少一个处理单元102和系统存储器104。根据一个方面，取决于计算设备的配置和类型，处理单元102可以实现为处理器。系统存储器104包括但不限于易失性存储(例如，随机存取存储器)、非易失性存储(例如，只读存储器)、闪速存储器、或者这样的存储器的任何组合。根据一个方面，系统存储器104中包括操作系统105。
36.根据一个方面，操作系统105例如适合于控制计算设备100的操作。此外，示例结合图形库、其他操作系统、或任何其他应用程序而被实践，并且不限于任何特定的应用或系统。在图1中通过在虚线内的那些组件示出了该基本配置。根据一个方面，计算设备100具有额外的特征或功能。例如，根据一个方面，计算设备100包括额外的数据存储设备(可移动的和/或不可移动的)，例如磁盘、光盘、或者磁带。这样额外的存储在图1中是由可移动存储设备109和不可移动存储设备110示出的。
37.如在上文中所陈述的，根据一个方面，在系统存储器104中存储有程序模块103。根据一个方面，程序模块103可以包括一个或多个应用程序，本发明不限制应用程序的类型，例如应用程序可以包括：电子邮件和联系人应用程序、文字处理应用程序、电子表格应用程序、数据库应用程序、幻灯片展示应用程序、绘画或计算机辅助应用程序、网络浏览器应用程序等。
38.根据一个方面，程序模块103可以包括缺陷检测装置700，缺陷检测装置700中包括适于执行本发明的环状工件的缺陷检测方法200的多条程序指令，以便执行本发明的环状工件的缺陷检测方法200。
39.根据一个方面，可以在包括分立电子元件的电路、包含逻辑门的封装或集成的电子芯片、利用微处理器的电路、或者在包含电子元件或微处理器的单个芯片上实践示例。例如，可以经由其中在图1中所示出的每个或许多组件可以集成在单个集成电路上的片上系统(soc)来实践示例。根据一个方面，这样的soc设备可以包括一个或多个处理单元、图形单元、通信单元、系统虚拟化单元、以及各种应用功能，其全部作为单个集成电路而被集成(或“烧”)到芯片基底上。当经由soc进行操作时，可以经由在单个集成电路(芯片)上与计算设备100的其他组件集成的专用逻辑来对在本文中所描述的功能进行操作。还可以使用能够执行逻辑操作(例如and、or和not)的其他技术来实践本发明的实施例，所述其他技术包括但不限于机械、光学、流体、和量子技术。另外，可以在通用计算机内或在任何其他任何电路或系统中实践本发明的实施例。
40.根据一个方面，计算设备100还可以具有一个或多个输入设备112，例如键盘、鼠标、笔、语音输入设备、触摸输入设备等。还可以包括输出设备114，例如显示器、扬声器、打印机等。前述设备是示例并且也可以使用其他设备。计算设备100可以包括允许与其他计算设备118进行通信的一个或多个通信连接116。合适的通信连接116的示例包括但不限于：rf发射机、接收机和/或收发机电路；通用串行总线(usb)、并行和/或串行端口。
41.如在本文中所使用的术语计算机可读介质包括计算机存储介质。计算机存储介质可以包括以任何用于存储信息(例如，计算机可读指示、数据结构、或程序模块103)的方法或技术来实现的易失性的和非易失性的、可移动的和不可移动的介质。系统存储器104、可移动存储设备109、和不可移动存储设备110都是计算机存储介质的示例(即，存储器存储)。计算机存储介质可以包括随机存取存储器(ram)、只读存储器(rom)、电可擦只读存储器(eeprom)、闪速存储器或其他存储器技术、cd-rom、数字通用盘(dvd)或其他光存储、盒式磁带、磁带、磁盘存储器或其他磁存储设备、或者可用于存储信息并且可以由计算设备100访问的任何其他制品。根据一个方面，任何这样的计算机存储介质都可以是计算设备100的一部分。计算机存储介质不包括载波或其他经传播的数据信号。
42.根据一个方面，通信介质是由计算机可读指令、数据结构、程序模块103、或者经调制的数据信号(例如，载波或其他传输机制)中的其他数据实施的，并且包括任何信息传递介质。根据一个方面，术语“经调制的数据信号”描述了具有一个或多个特征集或者以将信息编码在信号中的方式改变的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接之类的有线介质，以及诸如声学、射频(rf)、红外线的、以及其他无线介质之类的无线介质。
43.在根据本发明的实施例中，计算设备100被配置为执行根据本发明的环状工件的
缺陷检测方法200。计算设备100包括一个或多个处理器、以及存储有程序指令的一个或多个可读存储介质，当程序指令被配置为由一个或多个处理器执行时，使得计算设备执行本发明实施例中的环状工件的缺陷检测方法200。
44.根据本发明的一个实施例，计算设备100中部署有缺陷检测装置700，缺陷检测装置700被配置为执行根据本发明的环状工件的缺陷检测方法200。其中，缺陷检测装置700中包含用于执行本发明的环状工件的缺陷检测方法200的多条程序指令，这些程序指令可以指示处理器执行根据本发明的环状工件的缺陷检测方法200，以便通过执行本发明的环状工件的缺陷检测方法200，来提高对环状工件的大尺寸缺陷的检测效果，且实现高精度检测，同时优化算法，提高缺陷检测效率。
45.图2示出了根据本发明一个实施例的环状工件的缺陷检测方法200的示意图。图3示出了根据本发明一个实施例的环状工件的缺陷检测流程示意图。环状工件的缺陷检测方法200适于在计算设备(例如前述计算设备100)的缺陷检测装置700中执行。
46.应当指出，本发明的缺陷检测方法200对待检测的环状工件的具体种类不做限制。例如，待检测的环状工件包括但不限于核燃料棒、回转体薄壁、喷油嘴。
47.如图2和图3所示，方法200始于步骤210。
48.首先，在步骤210中，获取环状工件的待检测图像(可表示为id)。
49.这里，需要指出的是，待检测图像具体是待检测的环状工件的端部图像，也即，沿环状工件的轴向采集的端部图像。
50.随后，在步骤220中，从待检测图像中提取环状感兴趣区域，并对待检测图像中的环状感兴趣区域进行展开，得到待检测矩形展开图(可表示为fd)。
51.需要说明的是，由于环状工件的环状感兴趣区域在待检测图像中仅占据部分区域，为了减少计算设备100执行缺陷检测方法时的数据运算量，充分利用环状工件圆周方向灰度均匀的结构特点，在本发明的实施例中，通过从待检测图像中提取环状感兴趣区域，并将环状感兴趣区域展开为长条矩形图像(即，待检测矩形展开图)。
52.图4示出了根据本发明一个实施例中对环状感兴趣区域进行展开的原理示意图。
53.参见图4，其中原图(待检测图像)中包括环状感兴趣区域，原图下方示出了该环状感兴趣区域对应的矩形展开图(待检测矩形展开图)。
54.为便于对环状感兴趣区域进行展开操作，在本发明的一个实施例中，可以在原图i(x,y)中构建图像直角坐标系o-xy、以环状感兴趣区域的圆心为原点的极坐标系o-rθ。设极坐标中p(r,θ)为环状感兴趣区域右上角任意一点，其对应的图像坐标系中的点为p(x,y)，以此来建立图像直角坐标系与极坐标系之间的第一关系式。第一关系式参见下式(1)。
[0055][0056]
式(1)中，x0、y0为极坐标系o-rθ的圆心o在图像坐标系中的坐标；为下取整符号。
[0057]
环状感兴趣区域的内环、外环分别与极坐标系0
°
轴相交于点a(r1,0
°
)、b(r2,0
°
)，点a、点b在矩形展开图f(x,y)中对应的位置分别为a'、b'。由于点a与b，所在的内环与外环的周长不同，在本发明的一个实施例中，可以基于环状感兴趣区域的外环周长，来对感兴趣
区域进行展开。假设环状感兴趣区域展开得到的矩形展开图(待检测矩形展开图)f(x,y)的尺寸为n
×
m，则可以确定矩形展开图(待检测矩形展开图)的尺寸与环状感兴趣区域的外环半径、内环半径之间的第二关系式，第二关系式参见下式(2)。
[0058][0059]
式(2)中，n表示矩形展开图(待检测矩形展开图)的行数，m表示矩形展开图(待检测矩形展开图)的列数；r1、r2分别表示内环半径、外环半径，且r1、r2取值均为整数；为下取整符号。
[0060]
之后，可以建立极坐标系中的点与矩形展开图(待检测矩形展开图)中的对应点的转换公式。具体地，设极坐标中的点p(r,θ)在矩形展开图中其对应的位置为p'(n
p
,m
p
)。极坐标系中的点与矩形展开图(待检测矩形展开图)中的对应点的转换公式，即为点p至p'的转换公式，具体参见下式(3)。
[0061][0062]
式(3)中，n
p
，m
p
为矩形展开图中的点p'的坐标；m为展开图列数；r为极坐标系中的点p的半径坐标，其中r＝r1,r1+1,...,r2；θ为极坐标系中的点p的角度坐标，其中；θ为极坐标系中的点p的角度坐标，其中为下取整符号。
[0063]
这样，对于任意环状工件的端部的原图(待检测图像或样本图像)，只需要确定原图中的环状感兴趣区域的圆心o在图像坐标系中的坐标o(x0,y0)、环状感兴趣区域的内环半径r1(像素值)和外环半径r2(像素值)，依次根据上述第一关系式(1)、第二关系式(2)以及转换公式(3)，便可以实现从原图(待检测图像或样本图像)中提取环状感兴趣区域，并对环状感兴趣区域进行展开(逆时针展开)，得到对应的矩形展开图(待检测矩形展开图或样本矩形展开图)。
[0064]
接着，在步骤230中，根据灰度概率分布矩阵，确定待检测矩形展开图的像素灰度概率，以构建概率图(可表示为g)，并确定概率图中的缺陷区域。具体地，可以将概率图中的黑色区域确定为缺陷区域。这里，可以根据灰度概率分布矩阵，逐列逐像素地确定待检测矩形展开图的像素灰度概率，并可以通过阈值分割得到概率图。
[0065]
在一个具体实施例中，可以根据灰度概率分布矩阵gl，逐列逐像素确定待检测矩形展开图中与无缺陷波形趋势不同的每个像素位置，以构建概率图g。
[0066]
接下来，在步骤240中，通过对概率图中的缺陷区域进行灰度修复，可以得到修复图(可表示为r)。
[0067]
具体地，可以根据概率图中的非缺陷区域的灰度均值，来对概率图中的缺陷区域进行灰度修复，从而得到修复图r。
[0068]
在一个具体实施例中，通过将待检测矩形展开图与概率图进行逐像素相乘，可以得到去除显著缺陷的展开图。随后，对于去除显著缺陷的展开图中的每个值为0的像素点，可以基于该像素点所在行的所有不为0的像素均值进行替换(即，将值为0的像素点的值替换为该像素点所在行的所有不为0的像素均值)，得到修复图。
[0069]
然后，在步骤250中，可以根据修复图，来构建自适应无缺陷模板(可表示为m)。
[0070]
在一个实施例中，可以为待检测矩形展开图中的每一列构建无缺陷灰度波形，以生成自适应无缺陷模板m。
[0071]
在一个实施例中，首先可以对修复图r进行水平方向缩小处理，来得到缩小修复图m'。接着，可以利用双线性差值方法，来将缩小修复图放大至待检测矩形展开图的尺寸，这样可以得到自适应无缺陷模板m。
[0072]
最后，在步骤260中，通过计算自适应无缺陷模板m与待检测矩形展开图fd的绝对差值，可以得到缺陷残差图h，这样，可以根据缺陷残差图来定位环状工件的缺陷位置，从而完成对环状工件的缺陷检测。
[0073]
在一个实施例中，在通过计算绝对差值得到缺陷残差图h之后，还可以对该缺陷残差图h进行处理，以提升缺陷残差图h的对比度、降低干扰、从而提升图像的显著性，得到显著性提升图s，这样，可以根据显著性提升图定位环状工件的缺陷位置。需要说明的是，显著性提升图s相比于缺陷残差图h的对比度更强、提升了显著性，从而，根据显著性提升图可以更准确高效地定位环状工件的缺陷位置。
[0074]
在本发明的一个实施例中，在执行步骤210之前，可以预先构建灰度概率分布矩阵gl。具体地，通过获取多个无缺陷环状工件的样本图像(具体为正样本图像，可表示为ig)。随后，从每个样本图像ig中提取环状感兴趣区域(以下称为“样本环状感兴趣区域”)，并对样本环状感兴趣区域进行展开，得到对应的样本矩形展开图(可表示为fg)。
[0075]
这里，对于每个样本图像，从样本图像中提取样本环状感兴趣区域，并对样本环状感兴趣区域进行展开得到对应的样本矩形展开图的具体方法，可以参见图4示出的对环状感兴趣区域进行展开的原理示意图以及前文实施例中的对应描述。
[0076]
需要说明的是，样本图像也是环状工件的端部图像。多个无缺陷环状工件可以是多种不同的环状工件。在一个实施例中，获取的多个环状工件的样本图像包括：核燃料棒坡口样本图像、回转体薄壁端口样本图像、喷油嘴阀座面样本图像中的一种或多种。
[0077]
接着，对于每个样本矩形展开图，可以统计其中每列的灰度值概率分布，以构建灰度概率分布矩阵(可表示为gl)。这里，对于每个样本矩形展开图，可以统计其中单列的灰度值概率分布，以便根据单列的灰度值概率分布来构建灰度概率分布矩阵gl。
[0078]
在一种实现方式中，灰度概率分布矩阵gl的尺寸例如可以为n
×
256，其中，n表示样本矩形展开图的宽度(也即，每列灰度数据的长度)，256对应256个灰度级。gl(j,k)的值可以代表样本矩形展开图的第j行中灰度值为k出现的次数。
[0079]
应当指出，为了便于计算，本发明中的待检测图像、样本图像均可以预先转换为单通道灰度图，其灰度取值范围为0～255。
[0080]
图5示出了根据本发明一个实施例的样本矩形展开图的图像特征示意图。参见图5所示，在理想情况下可认为样本矩形展开图的每行的灰度值相等，每列的灰度波形相同。
[0081]
需要说明的是，在实际工业检测过程中，通过工装夹具、成像方式等设计，可保证环状工件的成像位置相对统一，各位置成像亮度及对比度相对一致，故而，可近似认为样本图像对应的样本矩形展开图中各列的灰度值分布符合正态分布。基于此，对于任意环状工件的样本矩形展开图，通过统计样本矩形展开图中单列的各位置灰度值的概率分布，可以构建n
×
256的灰度概率分布矩阵gl。
[0082]
具体地，可以从多个样本矩形展开图中，随机抽取n列灰度数据，每列灰度数据的长度表示为n，可以构建n
×
n的样本统计矩阵ps。计算样本统计矩阵ps中的每行灰度值为0～255分别出现的次数num，并存储在相应的n
×
256灰度概率分布矩阵gl中。为避免灰度概率分布矩阵gl的每行中灰度值数量的不均匀性，在一个实施例中，可以对灰度概率分布矩阵gl进行归一化操作，得到最终的灰度概率分布矩阵。
[0083]
也就是说，在本发明的一个实施例中，在构建得到灰度概率分布矩阵之后，还可以对该灰度概率分布矩阵进行归一化操作，以得到最终的灰度概率分布矩阵。具体地，通过将灰度概率分布矩阵中的每行数据除以每行最大值，可以实现对灰度概率分布矩阵的归一化操作。这样，在该实施例中，可以基于最终的灰度概率分布矩阵，来确定待检测矩形展开图的像素灰度概率，以构建概率图。
[0084]
图6示出了根据本发明一个实施例中对展开图的灰度波形分析示意图。
[0085]
如图6所示，在无缺陷情况下，环状工件的展开图(即，环状感兴趣区域对应的矩形展开图)中的每列灰度波形可认为是一致的。在有缺陷情况下，有缺陷区域的波形与正常波形之间会存在灰度差，利用该灰度差值大小即可定位缺陷的位置。在实际工况下，无缺陷列的灰度波形存在振幅及相位上的偏差。
[0086]
图6中的(a)示出了两个实际环状工件的展开图1与展开图2。在展开图1中选择3列波形，其中a为有缺陷列，b、c为无缺陷列。b列与a列相距较远，而c列与a列相距较近。在展开图2中选择无缺陷列d。
[0087]
绘制展开图1与展开图2中的无缺陷列b与d的灰度波形，如图6中的(b)所示，b与d的灰度波形趋势相似，但从细节上来看存在显著的振幅及相位的偏差。
[0088]
图6中的(c)示出了相同展开图中相距较远的无缺陷列b与c的灰度波形，b与c波形的相位一致，仅在像素坐标100处存在轻微的波形差，结合图6中的(a)可知，展开图1在b与c处存在明显的条纹宽度的差异，该差异主要是由环状工件的展开及打光角度的偏差所造成，在进行检测时需克服这种现象的影响。
[0089]
图6中的(d)示出了展开图1中相距较近的两列波形a与c的灰度波形对比，从图中可见，a与c波形的相位一致，且振幅也高度一致，仅在缺陷处存在显著的振幅差异。
[0090]
根据上述分析可知，环状感兴趣区域对应的矩形展开图具有以下特点：(1)无缺陷列波形具有趋势一致性，但振幅及相位偏差较大；(2)同一展开图中无缺陷列波形相位及振幅偏差较小，但会存在波形干扰；(3)同一展开图中相近列波形及振幅偏差微小，利用与缺陷列最近的无缺陷列进行波形对比，可得到最优的缺陷区域检测效果。
[0091]
在实际的缺陷检测需求中，对于大尺寸缺陷人们更倾向于判断其有无、而无需精确定位，对于小尺寸缺陷不仅需要判断其有无，还需要对其实现精确定位。利用逐列波形对比的方式，可实现多尺度缺陷的精确检测，但需要克服相位及振幅的偏移问题，这就对无缺陷灰度波形的构建提出了要求。
[0092]
结合环状感兴趣区域对应的矩形展开图的上述特点(1)，在一个实施例中，可以根据灰度概率分布矩阵gl，逐列逐像素确定待检测矩形展开图中与无缺陷波形趋势不同的每个像素位置，以构建概率图g。具体地，概率图g可以根据下式(4)计算得出。
[0093]
[0094]
式(4)中，i为行坐标i＝1,2,...,n；j为列数j＝1,2,...,m；gl为灰度概率分布矩阵；f(i,j)为矩形展开图中行坐标为i、列坐标为j的像素点灰度值；t为概率阈值。
[0095]
在一个具体实施例中，通过将待检测矩形展开图f(x,y)与概率图gl(x,y)进行逐像素相乘，可以得到去除显著缺陷的展开图f'(x,y)。随后，对于去除显著缺陷的展开图f'(x,y)中的值为0的像素点，可以基于该像素点所在行的所有不为0的像素均值进行替换，得到修复图r(x,y)。具体地，可以根据下式(5)来计算得到修复图r。
[0096][0097]
式(5)中，r(k,p)表示去除显著缺陷的展开图f'(x,y)中值为0的像素位置，其中k为行坐标，p为列坐标；row为基于f'(x,y)中第k行所有不为0的像素构建的一维向量，其长度为s。
[0098]
此时，可认为修复图r(x,y)中仅可能存在小尺度的缺陷区域，结合环状感兴趣区域对应的矩形展开图的特点(2)的(3)，为保证无缺陷波形在振幅及相位上的一致性，在本发明的一个实施例中，在步骤250中可以利用shrink and enlarge方法，来为待检测矩形展开图f(x,y)中的每一列构建无缺陷灰度波形，以构建得到最终的自适应无缺陷模板m。
[0099]
在一个实施例中，可以通过对修复图r进行水平方向缩小处理(高度方向保持不变)，来得到缩小修复图m'。修复图m'可以根据下式(6)计算得到。
[0100][0101]
式(6)中，m'为缩小修复图；i为缩小修复图m'的行坐标，其取值范围为1,2,...,n；j'为缩小修复图m'的列坐标，其取值范围为1,2,...,sk*m；j为修复图r的列坐标，其取值范围为1,2,...,m；为下取整符号；sk为缩放因子sk＝修复图列数/缩小修复图列数。
[0102]
需要说明的是，通过对修复图进行缩小操作，修复图中的缺陷列缺陷数据被无缺陷列数据稀释，因此，可认为缩小修复图m'中无缺陷数据，m'即可作为为缺陷检测所需要的无缺陷模板。此外，为了保证无缺陷模板与待检测矩形展开图f的尺度一致，在本发明的一个实施例中，可以利用双线性差值方法来将缩小修复图m'放大至展开图f的n
×
m尺寸，这样可以得到最终的自适应无缺陷模板m。
[0103]
这样，自适应无缺陷模板m中的每列灰度波形，与待检测矩形展开图f中的对应列灰度波形的振幅和相位高度一致，进而，可以利用绝对残差的方式来得到缺陷残差图h。具体地，通过计算自适应无缺陷模板m与待检测矩形展开图fd的绝对差值，可以得到缺陷残差图h，具体公式参见下式(7)。
[0104]
h(x,y)＝abs(m(x,y)-r(x,y))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0105]
式(7)中，h为缺陷残差图；m为自适应无缺陷模板；f为待检测矩形展开图；abs为求取绝对值的操作。
[0106]
根据本发明提供的环状工件的缺陷检测方法200，通过从待检测图像中提取环状感兴趣区域并进行展开，得到待检测矩形展开图。根据灰度概率分布矩阵，确定待检测矩形展开图的像素灰度概率，以构建概率图，并确定概率图中的缺陷区域，通过对缺陷区域进行
灰度修复，得到修复图。进而，根据修复图来构建自适应无缺陷模板，通过计算自适应无缺陷模板与待检测矩形展开图的绝对差值，来得到缺陷残差图，这样，可以根据缺陷残差图来精确定位环状工件的缺陷位置。根据本发明的技术方案，通过对环状感兴趣区域进行展开，在保持感兴趣区域的像素分辨率的情况下减少了图像处理的数据量，有利于提高数据处理效率。并且，在缺少缺陷样本的情况下，通过统计正样本灰度概率分布矩阵，来对大尺寸缺陷进行修复，一定程度上降低了自适应模板算法对大尺寸缺陷的泛化能力，使得利用自适应模板算法对大尺寸缺陷的提取更加完整，提高对环状工件中大尺寸缺陷的检测效果，且对于缺陷区域的定位精度更高。并且，针对环状工件的缺陷检测，本发明的检测效率远高于现有技术中常用的无监督缺陷检测算法，且本发明的算法部署简单，对计算机的配置要求较低，内存消耗较少，运行更高效，同时保持了较高的缺陷检测精度。
[0107]
进一步地，本发明利用shrink and enlarge方法来构建自适应无缺陷模板，保证了模板与待检测图像在相位及振幅上的一致性，实现对缺陷的定位可达到像素级别精度，从而对于小尺寸像素级的缺陷检测能力更强，同时算法计算量较小，运行高效。
[0108]
图7示出了根据本发明的一个实施例的缺陷检测装置700的示意图。缺陷检测装置700驻留在计算设备100中。缺陷检测装置700可以被配置为执行本发明的环状工件的缺陷检测方法200。
[0109]
如图7所示，缺陷检测装置700包括依次通信相连的获取模块710、提取模块720、概率图构建模块730、修复模块740、模板构建模块750以及计算模块760。
[0110]
其中，获取模块710适于获取环状工件的待检测图像。提取模块720适于从待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图。概率图构建模块730适于根据灰度概率分布矩阵，确定待检测矩形展开图的像素灰度概率，以构建概率图，并确定概率图中的缺陷区域。修复模块740适于对概率图中的缺陷区域进行灰度修复，得到修复图。模板构建模块750适于根据修复图，构建自适应无缺陷模板。计算模块760适于计算自适应无缺陷模板与待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据缺陷残差图定位环状工件的缺陷位置。
[0111]
应当指出，获取模块710用于执行前述步骤210，提取模块720用于执行前述步骤220，概率图构建模块730用于执行前述步骤230，修复模块740用于执行前述步骤240，模板构建模块750用于执行前述步骤250，计算模块760用于执行前述步骤260。这里，获取模块710、提取模块720、概率图构建模块730、修复模块740、模板构建模块750以及计算模块760的具体执行逻辑可参见前文方法200中对步骤210～260的描述，此处不再赘述。
[0112]
a8、如a1-a7中任一项所述的方法，其中，对所述概率图中的缺陷区域进行灰度修复，得到修复图，包括：将所述待检测矩形展开图与所述概率图进行逐像素相乘，得到去除显著缺陷的展开图；对于所述去除显著缺陷的展开图中的每个值为0的像素点，基于所述像素点所在行的所有不为0的像素均值进行替换，得到修复图。
[0113]
a9、如a1-a8中任一项所述的方法，其中，根据所述修复图，构建自适应无缺陷模板，包括：对所述修复图进行水平方向缩小处理，得到缩小修复图；利用双线性差值方法，将所述缩小修复图放大至所述待检测矩形展开图的尺寸，以得到自适应无缺陷模板。
[0114]
a10、如a1-a9中任一项所述的方法，其中，确定所述概率图中的缺陷区域，包括：将所述概率图中的黑色区域确定为缺陷区域。
[0115]
a11、如a3所述的方法，其中，所述待检测图像、样本图像分别为环状工件的端部图像；所述多个环状工件的样本图像包括：核燃料棒坡口样本图像、回转体薄壁端口样本图像、喷油嘴阀座面样本图像中的一种或多种。
[0116]
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、u盘、软盘、cd-rom或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
[0117]
在程序代码在可编程计算机上执行的情况下，移动终端一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的环状工件的缺陷检测方法。
[0118]
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
[0119]
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0120]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0121]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
[0122]
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
[0123]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。
[0124]
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
[0125]
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行
所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的元素所执行的功能。
[0126]
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
[0127]
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。

技术特征：
1.一种环状工件的缺陷检测方法，在计算设备中执行，包括：获取环状工件的待检测图像；从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图；根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，并确定所述概率图中的缺陷区域；对所述概率图中的缺陷区域进行灰度修复，得到修复图；根据所述修复图，构建自适应无缺陷模板；计算所述自适应无缺陷模板与所述待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据所述缺陷残差图定位所述环状工件的缺陷位置。2.如权利要求1所述的方法，其中，在得到缺陷残差图之后，还包括：对所述缺陷残差图进行处理，以得到显著性提升图，以便根据所述显著性提升图定位所述环状工件的缺陷位置。3.如权利要求1或2所述的方法，其中，在获取环状工件的待检测图像之前，还包括：获取多个无缺陷环状工件的样本图像；从每个所述样本图像中提取样本环状感兴趣区域，并进行展开，得到对应的样本矩形展开图；统计所述样本矩形展开图中单列的灰度值概率分布，以构建灰度概率分布矩阵。4.如权利要求3所述的方法，其中，还包括：对所述灰度概率分布矩阵进行归一化操作，以得到最终的灰度概率分布矩阵。5.如权利要求1-4中任一项所述的方法，其中，从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图，包括：在所述待检测图像上构建图像直角坐标系、以所述环状感兴趣区域的圆心为原点的极坐标系，并建立所述图像直角坐标系与所述极坐标系之间的第一关系式；确定基于所述环状感兴趣区域的外环周长、对所述环状感兴趣区域进行展开得到的待检测矩形展开图的尺寸，与所述环状感兴趣区域的外环半径、内环半径之间的第二关系式；建立所述极坐标系中的点与待检测矩形展开图中的对应点的转换公式；根据所述第一关系式、第二关系式以及所述转换公式，从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩形展开图。6.如权利要求1-5中任一项所述的方法，其中，根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，包括：根据灰度概率分布矩阵，逐列逐像素确定所述待检测矩形展开图中与无缺陷波形趋势不同的每个像素位置，以构建概率图。7.如权利要求1-6中任一项所述的方法，其中，对所述概率图中的缺陷区域进行灰度修复，得到修复图，包括：根据所述概率图中的非缺陷区域的灰度均值，对所述概率图中的缺陷区域进行灰度修复，得到修复图。8.一种缺陷检测装置，驻留在计算设备中，包括：获取模块，适于获取环状工件的待检测图像；提取模块，适于从所述待检测图像中提取环状感兴趣区域，并进行展开，得到待检测矩
形展开图；概率图构建模块，适于根据灰度概率分布矩阵，确定所述待检测矩形展开图的像素灰度概率，以构建概率图，并确定所述概率图中的缺陷区域；修复模块，适于对所述概率图中的缺陷区域进行灰度修复，得到修复图；模板构建模块，适于根据所述修复图，构建自适应无缺陷模板；计算模块，适于计算所述自适应无缺陷模板与所述待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据所述缺陷残差图定位所述环状工件的缺陷位置。9.一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-7中任一项所述的方法的指令。10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述方法。

技术总结
本发明公开了一种环状工件的缺陷检测方法、装置、计算设备及存储介质，方法在计算设备中执行，包括：获取环状工件的待检测图像；从待检测图像中提取环状感兴趣区域并进行展开，得到待检测矩形展开图；根据灰度概率分布矩阵，确定待检测矩形展开图的像素灰度概率，以构建概率图，并确定概率图中的缺陷区域；对概率图中的缺陷区域进行灰度修复，得到修复图；根据修复图，构建自适应无缺陷模板；计算自适应无缺陷模板与待检测矩形展开图的绝对差值，得到缺陷残差图，以便根据缺陷残差图定位环状工件的缺陷位置。根据本发明的技术方案，能提高对环状工件的大尺寸缺陷的检测效果，实现高精度检测，同时优化了算法，提高了缺陷检测效率。提高了缺陷检测效率。提高了缺陷检测效率。


技术研发人员：刘坚 张杰 索鑫宇 周羽卓 吴卓骅
受保护的技术使用者：无锡市锡山区半导体先进制造创新中心
技术研发日：2023.03.27
技术公布日：2023/9/14