[发明专利]质量缺陷检测方法和检测设备

说明书

本发明实施例公开了一种质量缺陷检测方法和检测设备，用于提高对检测物的质量缺陷的检测效率和检测准确度。本发明实施例方法包括：获取拍摄检测物得到的多幅图像；对多幅图像的纹理信息进行增强处理，得到多幅增强图像；从多幅增强图像中确定出记录有目标质量缺陷的第一训练图像和未记录有目标质量缺陷的第二训练图像。使用第一训练图像和第二训练图像，训练预设的深度学习算法，得到检测算法模型，检测算法模型用于通过检测图像检测目标检测物是否有目标质量缺陷。这样，通过第一训练图像和第二训练图像可快速训练出检测算法模型，使用该检测算法模型可通过检测图像快速检测出目标检测物是否有目标质量缺陷，且可提高质量检测的准确度。

技术领域

本发明涉及工业检测领域，尤其涉及一种质量缺陷检测方法和检测设备。

背景技术

为了保证产品的质量，以给用户提供合格的产品，需要对产品进行检测。例如，随着电子技术的迅猛发展，屏幕的需求增多，然而，在屏幕生产制造过程中，因卷材来料、切割、覆膜、刷孔、和清洗等一系列加工过程，不可避免地对屏幕的最终产品造成一些缺陷。为保证屏幕的显示质量，需要对屏幕进行缺陷检测。

目前的产品检测方法主要是通过人工检测实现。或者工作人员直接对产品的表面使用检测设备进行检测，得到检测数据后，由工作人员根据检测数据判断出检测结果。

但是，目前的这些检测方法，存在判断结果具有主观性、判断标准不统一等缺点。

发明内容

本发明实施例提供了一种质量缺陷检测方法和检测设备，用于提高对检测物的质量缺陷的检测效率和检测准确度。

第一方面，本发明实施例提供了一种质量缺陷检测方法，包括：获取多幅图像，该多幅图像为拍摄检测物得到的图像。然后，对该多幅图像的纹理信息进行增强处理，得到多幅增强图像。增强图像与原来的图像相比，纹理信息得到了增强，从而利于进行深度学习算法的训练。跟着，从多幅增强图像中确定出第一训练图像和第二训练图像，该第一训练图像记录有目标质量缺陷，该第二训练图像未记录有目标质量缺陷。第一训练图像和第二训练图像都属于该多幅增强图像中的图像。从而，使用第一训练图像和第二训练图像，训练预设的深度学习算法，得到检测算法模型。该检测算法模型用于通过检测图像检测目标检测物是否有目标质量缺陷，该检测图像为拍摄目标检测物得到的图像。

这样，因增强图像经过了纹理信息的增强处理，从而，由增强图像得到的第一训练图像和第二训练图像可快速训练出检测算法模型，该检测算法模型由对深度学习算法进行训练得到，从而使用该检测算法模型可通过检测图像快速检测出目标检测物是否有目标质量缺陷，且通过检测算法模型实现质量检测，可提高质量检测的准确度。

结合本发明实施例的第一方面，在本发明实施例的第一方面的第一种实现方式中，使用第一训练图像和第二训练图像，训练预设的深度学习算法，得到检测算法模型之前，本实现方式的方法还包括：使用几何标识，对第一训练图像的记录目标质量缺陷的位置处进行标识。该几何标识例如可以为线条、或图形等。标识方式可以为使用线条沿目标质量缺陷的边沿进行绘制。该几何标识用于供深度学习算法识别出目标质量缺陷。这样，可以使得深度学习算法根据几何标识，快速且准确地识别出目标质量缺陷的信息，从而加快训练得出检测准确度高的检测算法模型。

结合本发明实施例的第一方面，在本发明实施例的第一方面的第二种实现方式中，对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，对多幅图像的纹理信息进行增强处理，得到多幅增强图像，工业生产环境为生产检测物的环境。通过模拟工业生产环境中的不同光照环境，可使得对图像的纹理信息进行的增强处理更符合实际效果。