背景介绍
常见的质检项目主要是表面的缺陷
一般而言需要面临的问题
1、相对于总体而言故障目标非常小
2、训练样本少
3、样本分布不均
4、实时性要求高
比较老的一种方法是用分类,就是粗定位在精准定位。
比如有用yolo做粗定位,再用传统视觉算法做特征
另一种是用分割思想
传统视觉特征
一些基本的操作有:
- 灰度
Gray = R0.299 + G0.587 + B*0.114 - 降噪
常见的是高斯模糊,可以认为通过乘一个核,求平均,去除尖锐点 - canny边缘检测
- 膨胀和腐蚀
增加高亮区域和减少高亮区域,开运算(先腐蚀后膨胀,主要是消除小物体),闭运算(膨胀后腐蚀,主要用来填充物体内细小空洞、连接邻近物体) - 在图像中寻找轮廓 findContours
- 求面积 contourArea
这些算法有一个精髓是你需要知道故障的特征是什么样的
这里有一个例子 工业瓶盖异常检测,筛选出异常瓶盖
分类思路(2步法)
例子 :