[发明专利]缺陷样本筛选方法、装置及设备

权利要求书

1.一种缺陷样本筛选方法，其特征在于，所述缺陷样本筛选方法包括：

将图片切割成多张预设尺寸的子图片，其中，每张子图片为一张样本图片；

将多张样本图片输入训练完成的teacher-student模型，得到teacher-student模型输出的每张样本图片的特征差异图，其中，样本图片的特征差异图基于teacher-student模型中teacher网络输出的样本图片的特征图以及student网络输出的样本图片的特征图得到；

计算每张特征差异图的分值；

基于所述分值，从多张样本图片中确定疑似缺陷样本图片。

2.如权利要求1所述的缺陷样本筛选方法，其特征在于，在所述将多张样本图片输入训练完成的teacher-student模型之前，还包括：

基于预设图片数据集对待训练teacher网络进行训练，得到训练完成的teacher网络；

以训练完成的teacher网络为基准，基于无缺陷样本图片集对待训练student网络进行蒸馏学习，得到训练完成的student网络；

组合训练完成的teacher网络以及训练完成的student网络，得到训练完成的teacher-student模型。

3.如权利要求1所述的缺陷样本筛选方法，其特征在于，所述计算每张特征差异图的分值的步骤包括：

以每张特征差异图上的最大值为每张特征差异图的分值。

4.如权利要求1所述的缺陷样本筛选方法，其特征在于，所述计算每张特征差异图的分值的步骤包括：

计算每张特征差异图上所有数值的标准差σ以及平均值μ，以μ+2σ的值为每张特征差异图的分值。

5.如权利要求1所述的缺陷样本筛选方法，其特征在于，所述计算每张特征差异图的分值的步骤包括：

从每张特征差异图上所有数值中选取第一预设比例最大值，以第一预设比例最大值的平均值为每张特征差异图的分值。

6.如权利要求1所述的缺陷样本筛选方法，其特征在于，所述基于所述分值，从多张样本图片中确定疑似缺陷样本图片的步骤包括：

基于每张样本图片对应的分值对多张样本图片进行排序，其中，分值越大排序越后；

以排序在最后的预设个数或第二预设比例的样本图片为疑似缺陷样本图片。

7.如权利要求1所述的缺陷样本筛选方法，其特征在于，在所述得到teacher-student模型输出的每张样本图片的特征差异图之后，还包括：

对每张样本图片的特征差异图进行阈值分割，得到缺陷区域图；

基于缺陷区域图生成缺陷样本图。

8.如权利要求1至7中任一项所述的缺陷样本筛选方法，其特征在于，在所述得到teacher-student模型输出的每张样本图片的特征差异图之后，还包括：

对每张样本图片的特征差异图进行噪声过滤处理。

9.一种缺陷样本筛选装置，其特征在于，所述缺陷样本筛选装置包括：

切割模块，用于将图片切割成多张预设尺寸的子图片，其中，每张子图片为一张样本图片；

获取模块，用于将多张样本图片输入训练完成的teacher-student模型，得到teacher-student模型输出的每张样本图片的特征差异图，其中，样本图片的特征差异图基于teacher-student模型中teacher网络输出的样本图片的特征图以及student网络输出的样本图片的特征图得到；

计算模块，用于计算每张特征差异图的分值；

筛选模块，用于基于所述分值，从多张样本图片中确定疑似缺陷样本图片。

10.一种缺陷样本筛选设备，其特征在于，所述缺陷样本筛选设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的缺陷样本筛选程序，其中所述缺陷样本筛选程序被所述处理器执行时，实现如权利要求1至8中任一项所述的缺陷样本筛选方法的步骤。