[发明专利]缺陷检测方法、模型训练方法、装置、设备、介质及产品

说明书

本发明提供一种缺陷检测方法、模型的训练方法、装置、设备、介质及产品，所述检测方法包括：获取待检电芯密封圈图像，以及样本电芯密封圈的无缺陷正面图像和无缺陷反面图像；对所述待检电芯密封圈图像，所述样本电芯密封圈的无缺正面陷图像和无缺陷反面图像的前景目标像素进行数据构造，得到多通道前景目标图像；确定所述多通道前景目标图像的高级特征，所述高级特征包括：待检电芯密封圈图像的高级特征，无缺陷正面图像高级特征和无缺陷反面图像高级特征；将所述待检电芯密封圈图像的高级特征，分别与所述无缺陷正面图像高级特征和无缺陷反面图像高级特征进行对抗分类，得到所述待检电芯密封圈图像含有表面缺陷的概率值。

技术领域

本发明涉及缺陷检测技术领域，尤其涉及一种表面缺陷检测方法、表面缺陷检测模型的训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

密封圈(比如橡胶密封圈等)是一种重要的工业用品,是多个行业的基础零部件，被广泛应用于多种领域。所以，在密封圈生产后或使用前，必须对密封圈进行表面检测，判断密封圈的表面是否有缺陷，比如判断表面是否有毛刺，杂质，凹陷，划痕，破损、断裂，缺损或脏污等缺陷，如果有缺陷，则说明该密封圈非良品，否则，说明该密封圈为良品。

相关技术中，对电芯密封圈的检测通常依赖于人工检测，特别是在进行大规模的电芯密封圈检测时，耗时比较长，检测效率低，且检测精度低，其检测结果还会受到个人主观因素的影响，所以，相关技术的检测效果与效率明显不能适应现在越来越高的质量要求和越来越昂贵的人工成本。因此，提出了通过深度网络模型进行表面缺陷的检测，但是，深度网络模型在训练时，需要庞大的数据量进行支持，且依赖标注样本的数量，然而，在真实的生产环境中，电芯密封圈的缺陷形态、正反面不同的特性、缺陷大小等多种多样，很难获取到大量的缺陷产品。

因此，如何尽使用较少的训练样本实现较好的表面缺陷检测效果，提高电芯密封圈的检测效率，是目前有待解决的技术问题。

发明内容

本发明提供一种表面缺陷检测方法、检测模型训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品，以至少解决相关技术中由于需要依赖大量的训练样本来检测表面缺陷，导致成本增加，缺陷检测效率低的技术问题。本发明的技术方案如下：

根据本发明实施例的第一方面，提供一种表面缺陷检测方法，包括：

获取待检电芯密封圈图像，以及样本电芯密封圈的无缺陷正面图像无缺陷正面图像和无缺陷反面图像；

对所述待检电芯密封圈图像，以及所述样本电芯密封圈的无缺正面陷图像和无缺陷反面图像的前景目标像素进行数据构造，得到构造后的多通道前景目标图像；

提取所述多通道前景目标图像的高级特征，所述高级特征包括：待检电芯密封圈图像的高级特征，无缺陷正面图像高级特征和无缺陷反面图像高级特征；

将所述待检电芯密封圈图像的高级特征，分别与所述无缺陷正面图像高级特征和无缺陷反面图像高级特征进行对抗分类，得到所述待检电芯密封圈图像含有表面缺陷的概率值。

可选的，所述对所述待检电芯密封圈的图像，以及所述样本电芯密封圈的无缺陷正面图像和无缺陷反面图像的前景目标像素进行数据构造，得到构造后的多通道前景目标图像，包括：

对所述待检电芯密封圈图像，以及所述样本电芯密封圈的无缺陷正面图像和无缺陷反面图像分别进行Blob预处理，得到所述待检电芯密封圈图像的前景目标像素，所述无缺陷图像的前景目标像素，以及所述无缺陷反面图像的前景目标像素；

提取所述待检电芯密封圈图像的前景目标像素，所述无缺陷图像的前景目标像素和所述无缺陷反面图像的前景目标像素；

通过分块patch操作，将所述待检电芯密封圈图像的前景目标像素，所述无缺陷图像的前景目标像素和所述无缺陷反面图像的前景目标像素进行数据的空间维度转换，得到多通道前景目标图像。