[发明专利]工业产品图像的检测方法、装置、电子设备及存储介质

说明书

本发明提供一种工业产品图像的检测方法、装置、电子设备及存储介质，工业产品图像的检测方法，包括：获取工业产品图像样本集，并在工业产品图像样本集上添加多种缺陷特征，得到第一图像集；在第一图像集上添加多种图像噪声，得到第二图像集；从第二图像集提取低层特征和高层特征，并将低层特征进行尺寸转化后，再与高层特征融合，得到融合特征；基于融合特征，对需训练的卷积层进行训练，得到工业产品图像识别模型，并基于工业产品图像识别模型对待识别的工业产品图像进行识别，确定待识别的工业产品图像的缺陷特征。本发明提供的工业产品图像的检测方法、装置、电子设备及存储介质，可以提高训练得到的全卷积数据描述算法模型普适性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种工业产品图像的检测方法、装置、电子设备及存储介质。

背景技术

在生产活动中，需要对工业产品的表面缺陷进行检测，目前多数是采用人工目视法，近年来，基于机器视觉的方法逐渐兴起，开始采用机器视觉的方法对工业产品的表面进行检测，能够提高表面缺陷的检测效率，促进了工业向高质量、高效率发展。

其中，机器视觉的方法可以是选择全卷积数据描述(Fully Convolutional DataDescription,FCDD)算法网络，在训练全卷积数据描述算法网络时，需要将工业产品表面图像输入至全卷积数据描述算法网络进行训练，但全卷积数据描述算法网络中工业产品表面图像的缺陷生成模式单一，且噪声种类过少，导致最后训练得到的全卷积数据描述算法模型普适性不足。

发明内容

本发明提供一种工业产品图像的检测方法、装置、电子设备及存储介质，用以解决现有技术中训练得到的全卷积数据描述算法模型普适性不足的缺陷，实现提高训练得到的全卷积数据描述算法模型普适性。

本发明提供的一种工业产品图像的检测方法，包括：

获取工业产品图像样本集，并在所述工业产品图像样本集上添加多种缺陷特征，得到第一图像集；

在所述第一图像集上添加多种图像噪声，得到第二图像集；

从所述第二图像集提取低层特征和高层特征，并将所述低层特征进行尺寸转化后，再与所述高层特征融合，得到融合特征；

基于所述融合特征，对需训练的卷积层进行训练，得到工业产品图像识别模型，并基于所述工业产品图像识别模型对待识别的工业产品图像进行识别，确定所述待识别的工业产品图像的缺陷特征。

根据本发明提供的工业产品图像的检测方法，所述在所述工业产品图像样本集上添加多种缺陷特征，得到第一图像集，包括：

随机生成线参数，并基于所述线参数，在所述工业产品图像样本集上绘画线状图形；

基于所述线状图形，在所述工业产品图像样本集上添加多种缺陷特征，得到所述第一图像集。

根据本发明提供的工业产品图像的检测方法，所述基于所述线状图形，在所述工业产品图像样本集上添加多种缺陷特征，得到所述第一图像集，包括：

基于张量乘积方式，利用目标图像对所述线状图形的内部进行填充，或更改所述线状图形的明暗度，以在所述工业产品图像样本集上添加多种缺陷特征，得到所述第一图像集。

根据本发明提供的工业产品图像的检测方法，所述缺陷特征包括点状缺陷特征、线状缺陷特征以及块状缺陷特征。

根据本发明提供的工业产品图像的检测方法，所述目标噪声包括高斯噪声、椒盐噪声以及泊松噪声。

根据本发明提供的工业产品图像的检测方法，所述从所述第二图像集提取低层特征和高层特征，并将所述低层特征进行尺寸转化后，再与所述高层特征融合，得到融合特征，包括：

将所述第二图像集输入至预训练VGG网络模型，提取高层特征和低层特征；