本技术涉及缺陷检测，特别涉及一种缺陷分类方法、装置、电子设备及存储介质。
背景技术：
1、目前工业检测中针对毛丝与划伤区分问题主要有两种解决方案。第一种是基于传统的明场成像或暗场成像模式，从缺陷的形态上区分毛丝与划伤。第二种是通过光与物质的相互作用来实现区分。
2、第一种解决方案实现简单但存在明显的局限。一方面样品上的划伤形态既有规则的也有不规则的，对于不规则的划伤是无法只通过形态就可以区分其是毛丝或划伤。另一方面，样品经过检测系统中清洗机部分引入的毛丝往往也具有与规则划伤极为类似的形态。因而，简单的通过缺陷的形态来区分毛丝与划伤准确率过低。
3、第二种解决方案从毛丝与划伤是两种不同材料的角度出发，通过紫外光照明下毛丝相比划伤的成像灰度值更大这一现象来实现两者的区分。但划伤的成像灰度值不仅与用于照明光源的波长相关，还受划伤截面大小和深度、入射光角度、相机角度等因素的影响，对于那些较为严重的划伤，其成像灰度值也较大。毛丝的成像灰度值受自身大小、入射光角度、相机角度等因素的影响也会较小。所以该方法也不能较为准确的区分出两者。
4、因此，无论是基于传统的明场成像或暗场成像模式，或通过光与物质的相互作用来区分毛丝和划伤，准确率都较低。
技术实现思路
1、本技术提供一种缺陷分类方法、装置、电子设备及存储介质，以解决相关技术中对于毛丝和划伤的区分准确率较低等问题。
2、本技术第一方面实施例提供一种缺陷分类方法，包括以下步骤：获取偏振特征矢量目标偏振测量态下采集的待区分缺陷的多组暗场偏振图像；计算多组暗场偏振图像的二维偏振特征矢量；将二维偏振特征矢量输入至预先训练好的目标分类器，目标分类器输出待区分缺陷的分类结果。
3、优选地，二维偏振特征矢量的计算公式为：
4、x＝(x1,x2)t；
5、其中，x1＝g1/g4，x2＝g2/g3，g1,g2,g3,g4为暗场偏振图像，x1和x2为不同偏振特征矢量偏振测量态的暗场偏振图像之比定义出的偏振特征矢量。
6、优选地，分类结果包括毛丝和划伤中的至少一种，目标分类器的训练过程包括：采集预设数量的毛丝和划伤样本；根据穆勒矩阵偏振测量态采集样本的多组暗场偏振图像；根据多组暗场偏振图像计算出样本的穆勒矩阵的参数，并根据计算得到的穆勒矩阵的第一个参数作为归一化分母，建立毛丝和划伤的穆勒矩阵样本集；根据穆勒矩阵样本集和偏振特征矢量偏振测量态计算每个样本的二维偏振特征矢量，将所有样本的二维偏振特征矢量按照预设条件划分成训练集和验证集；利用训练集训练目标分类器，并利用验证集验证目标分类器。
7、优选地，根据多组暗场偏振图像计算出样本的穆勒矩阵的参数，包括：通过归一化运算消除成像过程中光源、镜头和相机内部传感器转换因子对穆勒矩阵的参数的影响。
8、优选地，在利用验证集验证目标分类器之后，包括：识别当前目标分类器是否达到预设标准；若当前目标分类器未达到预设标准，则利用遗传算法重新生成新的偏振特征矢量偏振测量态得到新的多组暗场偏振图像；计算新的多组暗场偏振图像的二维偏振特征矢量，利用新的多组暗场偏振图像的二维偏振特征矢量训练目标分类器，直到达到预设标准停止训练。
9、优选地，穆勒矩阵样本集为：
10、
11、其中，g1-gn为不同穆勒矩阵偏振测量态采集的灰度值，为不同的穆勒矩阵偏振测量态，vm为穆勒矩阵，vm＝(vst·vs)-1·vst·g，g为n次测量的灰度值构成的列向量，vs为n次测量的穆勒矩阵偏振测量态构成的矩阵。
12、优选地，获取偏振特征矢量目标偏振测量态下采集的待区分缺陷的多组暗场偏振图像之前，包括：根据需求调节液晶相位延迟器的电压，以实现偏振特征矢量目标偏振测量态中多组不同的偏振特征矢量偏振测量态的切换，其中，偏振特征矢量目标偏振测量态包括多组不同的偏振特征矢量偏振测量态。
13、本技术第二方面实施例提供一种缺陷分类装置，包括：获取模块，用于获取偏振特征矢量目标偏振测量态下采集的待区分缺陷的多组暗场偏振图像；计算模块，用于计算多组暗场偏振图像的二维偏振特征矢量；输入模块，用于将二维偏振特征矢量输入至预先训练好的目标分类器，目标分类器输出待区分缺陷的分类结果。
14、优选地，二维偏振特征矢量的计算公式为：
15、x＝(x1,x2)t；
16、其中，x1＝g1/g4，x2＝g2/g3，g1,g2,g3,g4为暗场偏振图像，x1和x2为不同偏振特征矢量偏振测量态的暗场偏振图像之比定义出的偏振特征矢量。
17、优选地，分类结果包括毛丝和划伤中的至少一种，目标分类器的训练过程包括：采集预设数量的毛丝和划伤样本；根据穆勒样本偏振测量态采集样本的多组暗场偏振图像；根据多组暗场偏振图像计算出样本的穆勒矩阵的参数，并根据计算得到的穆勒矩阵的第一个参数作为归一化分母，建立毛丝和划伤的穆勒矩阵样本集；根据穆勒矩阵样本集和偏振特征矢量偏振测量态计算每个样本的二维偏振特征矢量，将所有样本的二维偏振特征矢量按照预设条件划分成训练集和验证集；利用训练集训练目标分类器，并利用验证集验证目标分类器。
18、优选地，根据多组暗场偏振图像计算出样本的穆勒矩阵的参数，包括：通过归一化运算消除成像过程中光源、镜头和相机内部传感器转换因子对穆勒矩阵的参数的影响。
19、优选地，在利用验证集验证目标分类器之后，包括：识别当前目标分类器是否达到预设标准；若当前目标分类器未达到预设标准，则利用遗传算法重新生成新的偏振特征矢量偏振测量态得到新的多组暗场偏振图像；计算新的多组暗场偏振图像的二维偏振特征矢量，利用新的多组暗场偏振图像的二维偏振特征矢量训练目标分类器，直到达到预设标准停止训练。
20、优选地，穆勒矩阵样本集为：
21、
22、其中，g1-gn为不同穆勒矩阵偏振测量态采集的灰度值，为不同的穆勒矩阵偏振测量态，vm为穆勒矩阵，vm＝(vst·vs)-1·vst·g，g为n次测量的灰度值构成的列向量，vs为n次测量的穆勒矩阵偏振测量态构成的矩阵。
23、优选地，获取模块进一步用于：根据需求调节液晶相位延迟器的电压，以实现偏振特征矢量目标偏振测量态中多组不同的偏振特征矢量偏振测量态的切换，其中，偏振特征矢量目标偏振测量态包括多组不同的偏振特征矢量偏振测量态。
24、本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现如上述实施例的缺陷分类方法。
25、本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例的缺陷分类方法。
26、由此，本技术至少具有如下有益效果：
27、本技术实施例可以通过计算偏振特征矢量目标偏振测量态下采集的待区分缺陷的多组暗场偏振图像的二维偏振特征矢量，并将二维偏振特征矢量输入至预先训练好的目标分类器，实现对于待区分缺陷的缺陷类型的准确分类，提高了缺陷类型区分的准确率。
28、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
1.一种缺陷分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的缺陷分类方法，其特征在于，所述二维偏振特征矢量的计算公式为：
3.根据权利要求1所述的缺陷分类方法，其特征在于，所述分类结果包括毛丝和划伤中的至少一种，所述目标分类器的训练过程包括：
4.根据权利要求3所述的缺陷分类方法，其特征在于，所述根据所述多组暗场偏振图像计算出所述样本的穆勒矩阵的参数，包括：
5.根据权利要求3所述的缺陷分类方法，其特征在于，在利用所述验证集验证所述目标分类器之后，包括：
6.根据权利要求3所述的缺陷分类方法，其特征在于，所述穆勒矩阵的计算公式为：
7.根据权利要求1所述的缺陷分类方法，其特征在于，获取偏振特征矢量目标偏振测量态下采集的待区分缺陷的多组暗场偏振图像，包括：
8.一种缺陷分类装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-7任一项所述的缺陷分类方法。
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，该程序被处理器执行，以用于实现如权利要求1-7任一项所述的缺陷分类方法。
