(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211018055.6 (22)申请日 2022.08.24 (71)申请人 卡奥斯工业智能研究院 （青岛） 有限 公司 地址 266000 山东省青岛市中国 （山 东） 自 由贸易试验区青岛片区 岷山路1号 申请人 海尔卡奥斯物联科技有限公司 (72)发明人 王凤阳　贾淇超　周靖超　贾冬冬　 王艳纳　王子萁　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 杨义 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/20(2022.01)G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 物体表面划痕检测方法、 装置、 设备和存储 介质 (57)摘要 本申请提供一种物体表 面划痕检测方法、 装 置、 设备和存储介质。 该方法包括： 对待检测物体 表面的灰度图像进行特征增强处理， 得到增强图 像； 通过CNN对所述增强图像进行特征提取， 得到 CNN特征向量； 确定所述增强图像的线条特征向 量以及中值特征向量； 根据预先训练好的检测模 型对所述CNN特征向量、 所述线条特征向量以及 所述中值特征向量进行处理， 得到所述待检测物 体表面的划痕检测结果； 其中， 所述检测模型基 于样本数据集训练得到。 该方法提高了划痕检测 效率和划痕检测的准确性。 权利要求书2页 说明书7页 附图3页 CN 115546602 A 2022.12.30 CN 115546602 A 1.一种物体表面划痕检测方法， 其特 征在于， 包括： 对待检测物体表面的灰度图像进行 特征增强处 理， 得到增强图像； 通过卷积神经网络 CNN对所述增强图像进行 特征提取， 得到 CNN特征向量； 确定所述增强图像的线条 特征向量以及中值特 征向量； 根据预先训练好的检测模型对所述CNN特征向量、 所述线条特征向量以及所述中值特 征向量进 行处理， 得到所述待检测物体表面的划痕检测结果； 其中， 所述检测模 型基于样本 数据集训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述对待检测物体表面的灰度图像进行特 征增强处 理， 得到增强图像， 包括： 确定所述灰度图像中灰度值超过 预设灰度值的像素点的占比； 当所述占比超过预设比例时， 基于第一处理方式对所述灰度图像进行处理， 得到增强 图像； 当所述占比未超过预设比例时， 基于第二处理方式对所述灰度图像进行处理， 得到增 强图像。 3.根据权利要求2所述的方法， 其特征在于， 所述基于第 一处理方式对所述灰度图像进 行处理， 得到增强图像， 包括： 对所述灰度图像进行 频域变换， 得到频域图像； 通过带通滤波器对所述频域图像进行 卷积处理， 得到频域特 征图像； 对所述频域特 征图像进行时域变换， 得到增强图像。 4.根据权利要求2所述的方法， 其特征在于， 所述基于第 二处理方式对所述灰度图像进 行处理， 得到增强图像， 包括： 对所述灰度图像进行均值滤波处 理， 得到增强图像。 5.根据权利要求1至4中任一项所述的方法， 其特征在于， 所述确定所述增强图像的线 条特征向量， 包括： 将所述增强图像与预设图像模板进行比对， 得到所述增强图像的线条特征向量； 其中， 所述预设图像模板包括无划痕的同一物体表面的多个灰度图像； 所述确定所述增强图像的中值特 征向量， 包括： 获取所述增强图像的直方图； 根据所述 直方图， 确定所述增强图像的中值特 征向量。 6.根据权利要求1至4中任一项所述的方法， 其特征在于， 所述根据预先训练好的检测 模型对所述CNN特征向量、 所述线 条特征向量以及所述中值特征向量进 行处理， 得到所述待 检测物体表面的划痕检测结果， 包括： 将所述CNN特征向量、 所述线条特征向量以及所述中值特征向量进行拼接， 得到拼接特 征向量； 将所述拼接特征向量输入至预先训练好的检测模型中， 得到所述待检测物体表面的划 痕检测结果。 7.根据权利要求1至4中任一项所述的方法， 其特 征在于， 还 包括： 当确定所述待检测物体表面存在划痕时， 向目标终端输出告警信 息； 其中， 所述告警信 息包含所述待检测物体的标识信息 。权　利　要　求　书 1/2 页 2 CN 115546602 A 28.一种物体表面划痕检测装置， 其特 征在于， 包括： 第一处理模块， 用于对待检测物体表面的灰度图像进行 特征增强处 理， 得到增强图像； 第二处理模块， 用于通过CN N对所述增强图像进行 特征提取， 得到 CNN特征向量； 确定模块， 用于确定所述增强图像的线条 特征向量以及中值特 征向量； 检测模块， 用于根据预先训练好的检测模型对所述CNN特征向量、 所述线条特征向量以 及所述中值特征向量进 行处理， 得到所述待检测物体表面的划痕检测结果； 其中， 所述检测 模型基于样本数据集训练得到 。 9.一种电子设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115546602 A 3