[发明专利]一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质

说明书

本发明涉及一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质。本发明所述的一种瓷砖表面缺陷检测方法包括：获取待检测的瓷砖图像；将瓷砖图像输入训练好的缺陷检测模型进行识别，得到对应的缺陷检测结果；其中，所述缺陷检测模型的训练步骤包括：获取多张瓷砖图像；对所述瓷砖图像进行处理，得到训练集、验证集和测试集；将所述训练集输入所述缺陷检测模型，对所述缺陷检测模型进行训练；使用所述验证集选择所述缺陷检测模型的参数，使用所述测试集检验不同参数对应的所述缺陷检测模型的性能，得到训练好的缺陷检测模型。本发明所述的一种瓷砖表面缺陷检测方法，提高了瓷砖表面缺陷检测的准确率和速度，减少了瓷砖表面缺陷漏检的情况。

技术领域

本发明涉及机器视觉领域，特别是涉及一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质。

背景技术

随着瓷砖产业生产自动化的不断发展，瓷砖生产的绝大部分环节已经实现无人操作。但是瓷砖的质量检测环节仍然需要大量质检人员进行人工检测，在瓷砖质量检测环节中，质检人员通过人眼主观地去判断瓷砖表面是否存在瑕疵。质检人员长时间在强光高噪音的环境下进行质量检测，存在检测效率低、人力成本高、检测质量不稳定等问题。因此，瓷砖质量检测环节一直是困扰瓷砖行业发展的痛点，也是瓷砖行业发展的瓶颈。

瓷砖表面缺陷检测主要存在两个问题，第一个是瓷砖生产环节中对质量检测的实时性要求很高，并且在满足实时性要求的同时需要保证目标的检测的准确率。第二是瓷砖表面缺陷往往只占瓷砖表面的很小部分，并且每个缺陷面积都较小。

随着深度学习的快速发展，相比于传统的目标检测方法，基于深度学习的目标检测方法具有更高的目标检测准确率，对于较为复杂的场景可以实现更好的检测效果，并且具有更强的鲁棒性和泛化能力。但基于候选区域的目标检测算法如Faster R-CNN，训练得到的模型参数量大，模型检测时间长，并不满足瓷砖表面缺陷检测的实时性要求。

发明内容

基于此，本发明的目的在于，提供一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质，提高了瓷砖表面缺陷检测的准确率和速度，还减少了瓷砖表面缺陷漏检的情况。

第一方面，本发明提供一种瓷砖表面缺陷检测方法，包括以下步骤：获取待检测的瓷砖图像；将所述瓷砖图像输入训练好的缺陷检测模型进行识别，得到所述瓷砖图像对应的缺陷检测结果；

其中，所述缺陷检测模型的训练步骤包括：

获取多张瓷砖图像；

对所述瓷砖图像进行扩充和标注，得到瓷砖图像数据集；

将所述瓷砖图像数据集划分为训练集、验证集和测试集；

将所述训练集输入所述缺陷检测模型，对所述缺陷检测模型进行训练；

使用所述验证集选择所述缺陷检测模型的参数，使用所述测试集检验不同参数对应的所述缺陷检测模型的性能，得到训练好的缺陷检测模型。

进一步地，所述缺陷检测模型为经过改进的YOLOv5模型，包括Backbone部分、Neck部分和Detect部分；

所述Backbone部分用于提取输入图片的特征信息；

所述Neck部分用于实现模型中不同层级之间的信息交互；

所述Detect部分用于检测不同尺寸特征图的目标。

进一步地，所述缺陷检测模型的训练参数为：

image size设置为2400*2400，batch size为3，训练环境所使用的GPU为NvidiaRTX 3090，操作系统为Ubuntu，版本为20.04，采用PyTorch深度学习框架搭建模型，版本号为1.9.0，CUDA版本为11.2，cuDNN版本8.0.5。