一种工件的缺陷图像标记方法、装置、设备及介质与流程

本技术涉及缺陷检测，尤其涉及一种工件的缺陷图像标记方法、装置、设备及介质。

背景技术：

1、在航空制造中，工件的表面质量直接决定飞机的安全寿命，若工件存在物理缺陷，如划痕或凹坑，可能会导致严重的事故，因此需要对工件进行缺陷检测，而通过采集工件对应的图像，从而对图像进行缺陷检测，能够将传统依赖人工目视和物理接触的缺陷定性判断，转变为基于数字特征的缺陷定量分析，从而提高缺陷检测的准确率。

2、现有的工件缺陷图像标记方法采用便携式检测设备，然而，单一相机无法根据检测对象的几何特性（如深腔、曲面）动态调整采集参数，导致图像畸变或盲区，需频繁更换设备以满足不同场景需求，增加操作复杂度；传统环形光源无法应对昏暗环境、反光表面等复杂光照条件，致使图像质量不稳定，存在检测盲区；而工业级深度学习模型（如yolov5）依赖云端算力进行推理，受限于通信条件欠发达场景的实时性需求，难以满足在线检测的即时响应要求。

3、因而，现有的工件缺陷图像标记方法存在因图像采集的适配性和复杂光照下的成像质量较差而导致的缺陷检测效率和准确率较低的问题。

技术实现思路

1、本技术提供一种工件的缺陷图像标记方法、装置、设备及介质，用以解决现有的工件缺陷图像标记方法存在因图像采集的适配性和复杂光照下的成像质量较差而导致的缺陷检测效率和准确率较低的问题。

2、第一方面，本技术提供一种工件的缺陷图像标记方法，方法包括：

3、根据待检测工件对应的工件类别，从采集设备序列中确定对应的目标采集设备，并基于目标采集设备，采集待检测工件对应的初始图像；

4、基于当前对应的环境类别，对光源设备进行分区，得到各目标区域对应的初始亮度，并基于初始亮度、初始图像对应的图像灰度均值和调整系数，计算各目标区域对应的实时亮度；

5、基于实时亮度，对目标区域进行光源调整，并基于调整后的光源设备和目标采集设备，采集待检测工件对应的目标图像；

6、基于目标检测模型，对目标图像进行缺陷标记。

7、在本技术一些实施例中，根据待检测工件对应的工件类别，从采集设备序列中确定对应的目标采集设备，包括：

8、基于主采集设备，对待检测工件进行图像采集，得到对应的预览图像，并判断预览图像对应的分辨率是否低于预设分辨率；

9、若是，则确定预览图像为待检测图像；

10、若否，则基于预设分辨率，对预览图像进行压缩，得到对应的待检测图像；

11、基于目标检测算法，对待检测图像进行检测，得到对应的工件类别，并根据工件类别，确定目标采集设备。

12、在本技术一些实施例中，根据工件类别，确定目标采集设备，包括：

13、判断工件类别；

14、若工件类别为平板件，则基于采集设备序列，确定对应的第一采集设备为目标采集设备；其中，第一采集设备为高分辨率且低帧率的采集设备；

15、若工件类别为深腔件，则基于采集设备序列，确定对应的第二采集设备为目标采集设备；其中，第二采集设备为广角镜头且高帧率的采集设备；

16、若工件类别为曲面件，则基于采集设备序列，对各采集设备进行拼接，得到对应的目标采集设备。

17、在本技术一些实施例中，在基于目标采集设备，采集待检测工件对应的初始图像之后，方法还包括：

18、基于目标采集设备，确定待检测工件对应的原始图像，并基于原始图像，判断当前是否为高反光场景；

19、若是，则基于原始图像对应的多个单通道图像，对单通道图像进行分块，并基于预设的对比度限制阈值，对每个分块进行对比度裁剪；

20、对裁剪后的分块进行灰度映射，得到对应的通道增强图像，并对各通道增强图像进行通道合并，得到初始图像；

21、若否，则确定原始图像为初始图像。

22、在本技术一些实施例中，基于初始亮度、初始图像对应的图像灰度均值和调整系数，计算各目标区域对应的实时亮度，包括：

23、基于各自对应的预设通道权重值，对初始图像在各图像通道下对应的像素值进行加权求和，得到对应的图像灰度值，并基于图像灰度值与像素点数量值之间的比值，确定图像灰度均值；

24、根据理想灰度值与图像灰度均值之间的差值，计算调整系数与差值之间的乘值，并基于初始亮度与乘值之间的和值，确定实时亮度。

25、在本技术一些实施例中，在基于目标检测模型，对目标图像进行标记之前，方法还包括：

26、基于tensor rt工具，对yolo模型的卷积层和激活函数进行int8量化，并移除对应的通道数小于预设通道数的卷积层，得到目标检测模型。

27、在本技术一些实施例中，基于目标检测模型，对目标图像进行缺陷标记，包括：

28、检测目标图像中是否存在工件缺陷；

29、若是，则基于目标检测模型，标记工件缺陷对应的缺陷类别和检测框，得到对应的目标检测图像并输出；

30、若否，则标记目标图像不存在缺陷。

31、第二方面，本技术提供一种工件的缺陷图像标记装置，装置包括：

32、采集模块，用于根据待检测工件对应的工件类别，从采集设备序列中确定对应的目标采集设备，并基于目标采集设备，采集待检测工件对应的初始图像；

33、分区模块，用于基于当前对应的环境类别，对光源设备进行分区，得到各目标区域对应的初始亮度，并基于初始亮度、初始图像对应的图像灰度均值和调整系数，计算各目标区域对应的实时亮度；

34、调整模块，用于基于实时亮度，对目标区域进行光源调整，并基于调整后的光源设备和目标采集设备，采集待检测工件对应的目标图像；

35、标记模块，用于基于目标检测模型，对目标图像进行缺陷标记。

36、第三方面，本技术提供一种计算机设备，包括：处理器，以及与处理器通信连接的存储器；

37、存储器存储计算机执行指令；

38、处理器执行存储器存储的计算机执行指令，以实现本技术的方法。

39、第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有程序代码，程序代码被处理器执行时用于实现本技术的方法。

40、与现有技术相比，本技术方法根据工件类别，匹配适配的采集设备，并采集初始图像，通过多相机按需选型，能够实现适配平板、深腔、曲面各类航空零件，避免单一相机成像畸变、视野盲区问题，从而保证原始图像适配工件几何特征；基于工件对应的工况，设置光源分区初始亮度，并进一步结合初始图像灰度均值与调整系数，动态修正各分区实时亮度，从而解决金属反光、内腔昏暗造成的成像明暗不均问题，提升图像缺陷对比度；使用亮度优化后的光源与选定采集设备重采目标图像，进一步剔除光照干扰，输出信噪比更高、缺陷特征清晰的标准化图像；将目标图像输入目标检测模型完成缺陷标记，通过高质量采集图像，从而确保模型能够精准识别划痕、凹坑等微小缺陷，实现多异形工件自适应成像、光照实时自校正和精准缺陷识别，降低人工干预，提升航空零件缺陷检测准确率与现场离线检测实时性，提高了图像采集的适配性和复杂光照下的成像质量，提升了缺陷检测效率和准确率。