[发明专利]质量缺陷检测方法和检测设备

权利要求书

1.一种质量缺陷检测方法，其特征在于，包括：获取多幅图像，所述多幅图像为拍摄检测物得到的图像；

对所述多幅图像的纹理信息进行增强处理，得到多幅增强图像，包括：模拟工业生产环境中的不同光照环境，对所述多幅图像的纹理信息进行增强处理，得到多幅增强图像，所述工业生产环境为生产所述检测物的环境；

从所述多幅增强图像中确定出第一训练图像和第二训练图像，所述第一训练图像记录有目标质量缺陷，所述第二训练图像未记录有所述目标质量缺陷；

使用所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型，所述检测算法模型用于通过检测图像检测目标检测物是否有所述目标质量缺陷，所述检测图像为拍摄所述目标检测物得到的图像。

2.根据权利要求1所述的方法，其特征在于，所述使用所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型之前，所述方法还包括：使用几何标识，对所述第一训练图像的记录所述目标质量缺陷的位置处进行标识；

所述几何标识用于供所述深度学习算法识别出所述目标质量缺陷。

3.根据权利要求1所述的方法，其特征在于，所述从所述多幅增强图像中确定出第一训练图像和第二训练图像之前，所述方法还包括：对每一增强图像进行不同展示方式的变换，生成多幅不同展示方式的增强图像。

4.根据权利要求1所述的方法，其特征在于，所述从所述多幅增强图像中确定出第一训练图像和第二训练图像，包括：当识别出增强图像记录有所述目标质量缺陷时，从增强图像中分割出记录所述目标质量缺陷的部分，得到第一训练图像；

从增强图像中分割出未记录所述目标质量缺陷的部分，得到第二训练图像。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述使用所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型之前，所述方法还包括：获取目标标签，所述目标标签用于表示所述目标质量缺陷的种类；

所述使用所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型，包括：使用所述目标标签、所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型；

所述检测算法模型还用于当通过所述检测图像检测到所述目标检测物有所述目标质量缺陷时，输出所述目标标签。

6.一种检测设备，其特征在于，包括：

获取单元，用于获取多幅图像，所述多幅图像为拍摄检测物得到的图像；

增强单元，用于对所述多幅图像的纹理信息进行增强处理，得到多幅增强图像，包括，模拟工业生产环境中的不同光照环境，对所述多幅图像的纹理信息进行增强处理，得到多幅增强图像，所述工业生产环境为生产所述检测物的环境；

确定单元，用于从所述多幅增强图像中确定出第一训练图像和第二训练图像，所述第一训练图像记录有目标质量缺陷，所述第二训练图像未记录有所述目标质量缺陷；

训练单元，用于使用所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型，所述检测算法模型用于通过检测图像检测目标检测物是否有所述目标质量缺陷，所述检测图像为拍摄所述目标检测物得到的图像。

7.根据权利要求6所述的检测设备，其特征在于，所述检测设备还包括标识单元；

所述标识单元，用于使用几何标识，对所述第一训练图像的记录所述目标质量缺陷的位置处进行标识；

所述几何标识用于供所述深度学习算法识别出所述目标质量缺陷。

8.根据权利要求6所述的检测设备，其特征在于，所述确定单元，还用于当识别出增强图像记录有所述目标质量缺陷时，从增强图像中分割出记录所述目标质量缺陷的部分，得到第一训练图像；

所述确定单元，还用于从增强图像中分割出未记录所述目标质量缺陷的部分，得到第二训练图像。

9.根据权利要求6-8任一项所述的检测设备，其特征在于，所述获取单元，还用于获取目标标签，所述目标标签用于表示所述目标质量缺陷的种类；

所述训练单元，还用于使用所述目标标签、所述第一训练图像和所述第二训练图像，训练预设的深度学习算法，得到检测算法模型；

所述检测算法模型还用于当通过所述检测图像检测到所述目标检测物有所述目标质量缺陷时，输出所述目标标签。