阅读说明：本技术 一种摄像头缺陷自动化检测方法 (Automatic detection method for defects of camera ) 是由 王勃 李汝鹏 于 2019-11-08 设计创作，主要内容包括：本发明提供了一种摄像头缺陷自动化检测方法,包括：收集测试样图作为算法训练库,其中每一台手机均拍摄一张白屏照片和一张黑屏照片作为测试样图；判断算法训练库中的每张测试样图有无缺陷,并且标注出测试样图的缺陷类型；使待检测摄像头拍摄一张白屏照片和一张黑屏照片作为测试照片；将测试照片的图片数据以浮点数矩阵形式输入到深度卷积模型；深度卷积模型根据测试照片进行计算,得到一个二维浮点数向量,其中二维浮点数向量的两维参数分别代表了图片无斑点的概率和图片有斑点的概率,而且两维参数的和为1；根据二维浮点数向量的两维参数判断待检测摄像头是否有斑点缺陷。(The invention provides a camera defect automatic detection method, which comprises the following steps: collecting a test sample image as an algorithm training library, wherein each mobile phone takes a white screen photo and a black screen photo as the test sample image; judging whether each test sample in the algorithm training library has defects, and marking the defect type of the test sample; enabling a camera to be detected to shoot a white screen picture and a black screen picture as test pictures; inputting the picture data of the test photo into the depth convolution model in a floating-point number matrix form; the depth convolution model is calculated according to the test picture to obtain a two-dimensional floating point number vector, wherein two-dimensional parameters of the two-dimensional floating point number vector respectively represent the probability of no speckles and the probability of speckles of the picture, and the sum of the two-dimensional parameters is 1; and judging whether the camera to be detected has a spot defect according to the two-dimensional parameters of the two-dimensional floating point number vector.)

一种摄像头缺陷自动化检测方法

技术领域

本发明涉及检测领域；更具体地，本发明涉及一种摄像头缺陷自动化检测方法。

背景技术

目前二手智能终端检测摄像头缺陷并无标准的流程与方法，大多数是靠人眼来分辨。这种人眼分辨方案一是受工程师之间的差异影响，二是无法最大化地将缺陷体现出来，所以精准度不高，无法输出数据化和标准化的结果。

现有的手机相机与数码相机图像分析技术可以做到缺陷分析，但是分析的时间成本太高，需要在特定的实验室环境拍摄不同的标板，再导入特定的分析软件进行分析，所需的测试环境独特，不能适用于大规模的二手智能终端检测流程里面。

发明内容

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种能够有效地提高摄像头缺陷测试效率与摄像头缺陷测试精准度的摄像头缺陷自动化检测方法。

根据本发明，提供了一种摄像头缺陷自动化检测方法包括：

第一步骤：收集测试样图作为算法训练库，其中每一台手机均拍摄一张白屏照片和一张黑屏照片作为测试样图；

第二步骤：判断算法训练库中的每张测试样图有无缺陷，并且标注出测试样图的缺陷类型；

第三步骤：使待检测摄像头拍摄一张白屏照片和一张黑屏照片作为测试照片；

第四步骤：将测试照片的图片数据以浮点数矩阵形式输入到深度卷积模型；

第五步骤：深度卷积模型根据测试照片进行计算，得到一个二维浮点数向量，其中二维浮点数向量的两维参数分别代表了图片无斑点的概率和图片有斑点的概率，而且两维参数的和为1；

第六步骤：根据二维浮点数向量的两维参数判断待检测摄像头是否有斑点缺陷。

优选地，摄像头缺陷自动化检测方法还包括：使用预定张数已标注测试样图的缺陷类型的手机白屏照片作为训练数据，训练深度卷积模型，使收敛到损失函数值稳定且不再下降。

优选地，每一台手机均拍摄一张白屏照片和一张黑屏照片作为测试样图包括：在灯箱中利用检测光源拍摄具有统一色温和统一亮度的白屏照片和全黑屏照片。

优选地，在第六步骤，二维浮点数向量中代表图片有斑点的概率的参数值超过预定阈值时，则判断待检测摄像头有斑点缺陷，否则判断待检测摄像头无缺陷。

优选地，预定阈值不小于0.5。

优选地，预定阈值为0.75。

优选地，深度卷积模型是google开源的Efficientnet模型。

优选地，检测光源是人工日光。

本发明的图像缺陷分析方案可有利地应用在专业的图像质量分析领域，将专业图像质量分析的方法进行简化，适用于大规模二手智能终端的摄像头缺陷快速检测上，从取样到系统算法输出分析结果，都以标准化和数据化为核心，提高了测试效率与测试精准度。本发明的测试流程高度自动化，输出的结果更加准确。

附图说明

结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：

图1示意性地示出了根据本发明优选实施例的摄像头缺陷自动化检测方法的流程图。

需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。

具体实施方式

为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。

图1示意性地示出了根据本发明优选实施例的摄像头缺陷自动化检测方法的流程图。

如图1所示，根据本发明优选实施例的摄像头缺陷自动化检测方法包括：

第一步骤S1：收集测试样图作为算法训练库，其中每一台手机均拍摄一张白屏照片和一张黑屏照片作为测试样图；

具体地，例如测试样图是提供摄像头拍摄而获取的。例如，前期在产线上收集上千台机器拍摄的照片，作为算法训练库。

更具体地，每一台手机均拍摄一张白屏照片和一张黑屏照片作为测试样图包括：在灯箱中利用检测光源(优选地，检测光源是人工日光。例如，D65光源)拍摄具有统一色温和统一亮度的白屏照片和全黑屏照片。这就统一了样本。

第二步骤S2：判断算法训练库中的每张测试样图有无缺陷，并且标注出测试样图的缺陷类型；

第三步骤S3：使待检测摄像头拍摄一张白屏照片和一张黑屏照片作为测试照片；例如，测试照片为rgb格式的3维矩阵，并被缩放到300x300的统一尺寸。

第四步骤S4：将测试照片的图片数据以浮点数矩阵形式(例如，300x300x3的浮点数矩阵形式)输入到深度卷积模型；

例如，深度卷积模型是google开源的Efficientnet模型，但是类似的图像分类模型都可以相互替换，使用这个模型主要还是考虑识别精度较高，同时计算量相对少。

第五步骤S5：深度卷积模型根据测试照片进行计算，得到一个二维浮点数向量，其中二维浮点数向量的两维参数分别代表了图片无斑点(背景类)的概率和图片有斑点的概率，而且两维参数的和为1；

第六步骤S6：根据二维浮点数向量的两维参数判断待检测摄像头是否有斑点缺陷。

具体地，例如，二维浮点数向量中代表图片有斑点的概率的参数值超过预定阈值(例如，预定阈值不小于0.5，例如预定阈值为0.75)时，则判断待检测摄像头有斑点缺陷，否则判断待检测摄像头无缺陷。

优选地，使用预定张数(例如，1000张)已标注测试样图的缺陷类型的手机白屏照片作为训练数据，训练深度卷积模型，使收敛到损失函数值稳定且不再下降。

由此，本发明中，通过拍摄两张照片，一是将摄像头贴紧人工日光光源灯箱拍摄，一是将摄像头贴紧灯箱全黑部分拍摄；两张图片都通过算法抓取其中的缺陷特征点，针对每个照片判断每张照片的缺陷点自动判断分析摄像头有无缺陷(前期搜集了亮点、坏点、有斑、有异常纹路这些缺陷的照片，已经提取了这些缺陷的特征，然后留存在数据库里；新拍摄的两张照片都通过算法去识别，查看是否有类似的特征点，以此来判断摄像头有无缺陷)。

本发明的图像缺陷分析方案可有利地应用在专业的图像质量分析领域，将专业图像质量分析的方法进行简化，适用于大规模二手智能终端的摄像头缺陷快速检测上，从取样到系统算法输出分析结果，都以标准化和数据化为核心，提高了测试效率与测试精准度。本发明的测试流程高度自动化，输出的结果更加准确。

需要说明的是，除非特别指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。