[发明专利]产品表面缺陷检测方法及装置

说明书

本发明公开了一种产品表面缺陷检测方法，包括以下步骤：采集包含产品表面的样本图片，将每张所述样本图片按照产品表面的轮廓特点或者按照设定的大小均匀分成样本子图，并标记所述样本子图是否有缺陷；对所述样本子图进行数据增强，得到数据增强后的训练样本；利用统计方法得到所述训练样本的统计特征，结合样本图片和其对应的统计特征得到合成训练样本；根据所述合成训练样本，利用深度学习方法以及相似性度量函数得到缺陷检测模型；采用所述缺陷检测模型对待测产品表面图像进行预测，判断待测产品表面是否含有缺陷；本发明还公开了一种产品表面缺陷检测装置，本发明大大提高产品表面缺陷检测的精度。

技术领域

本发明涉及工业检测和计算机视觉技术领域，特别是一种产品表面缺陷检测方法及装置。

背景技术

在传统工业制造业生产场景中，质检是生产流程中的关键环节，比如在冰箱、电视、汽车、印刷线路板、芯片和液晶显示器等领域中，对产品的表面状态进行检测是对产品质量进行控制的一种重要手段，判断产品是否存在瑕疵和缺陷，并根据检测结果对产品做相应的处理。

产品的表面缺陷种类众多，例如划痕、污点，磕碰等等，这些缺陷都是需要检出的。传统的零件生产中的检测环节一般通过人工检测的方式进行，这增加了人力负担，并且很多细微的缺陷通过人很难检测出来。因此，通过计算机视觉系统检测产品表面缺陷，以代替人工检测是目前本领域需要解决的问题，然而现有的通过计算机视觉系统检测产品表面缺陷存在检测率低、模型提取不准确等缺陷，以及模型训练时，没有对缺陷样本和无缺陷样本的相似性足够大这个目标进行专门的优化的问题。

发明内容

为解决现有技术中存在的问题，本发明的目的是提供一种产品表面缺陷检测方法及装置，本发明适用于工业检测领域的产品表面缺陷检测场景，能在少样本情况下进行产品表面缺陷检测工作，而且检测率高。

为实现上述目的，本发明采用的技术方案是：一种产品表面缺陷检测方法，包括以下步骤：

采集包含产品表面的样本图片，将每张所述样本图片按照产品表面的轮廓特点或者按照设定的大小均匀分成样本子图，并标记所述样本子图是否有缺陷；

对所述样本子图进行数据增强，得到数据增强后的训练样本；

利用统计方法得到所述训练样本的统计特征，结合样本图片和其对应的统计特征得到合成训练样本；

根据所述合成训练样本，利用深度学习方法以及相似性度量函数得到缺陷检测模型；

采用所述缺陷检测模型对待测产品表面图像进行预测，判断待测产品表面是否含有缺陷。

作为一种优选的实施方式，对所述样本子图进行数据增强，得到数据增强后的训练样本具体包括：

采用数据增强方法对所述样本子图进行翻转、缩放、旋转变换，得到更多的训练样本；采用深度学习方法GAN网络生成更多的训练样本。

作为另一种优选的实施方式，利用统计方法得到所述训练样本的统计特征具体包括：

利用随机场模型得到训练样本的随机场特征；利用小波变换得到训练样本的小波特征。

作为另一种优选的实施方式，结合样本图片和其对应的统计特征得到合成训练样本具体包括：

将所述随机场特征和小波特征与样本图片按照通道方向进行排列组合，得到合成训练样本。

作为另一种优选的实施方式，利用深度学习方法以及相似性度量函数得到缺陷检测模型具体包括：

利用深度学习方法，构建一个卷积神经网络模型，提取所述合成训练样本的深度特征，并利用相似性度量函数计算有缺陷样本和无缺陷样本深度特征之间的相似性距离L₁，以及无缺陷样本和无缺陷样本深度特征之间的相似性距离L₂；