[发明专利]一种缺陷检测方法、系统、装置及存储介质

权利要求书

1.一种缺陷检测方法，其特征在于，包括以下步骤：

获取第一数据集和第二数据集，所述第一数据集为开源的缺陷数据集，所述第二数据集为待检测对象不同尺度的单一视角数据集；

基于所述第一数据集和所述第二数据集，采用ReLU激活函数训练神经网络模型，得到第一模型；

对所述待检测对象进行多个预设视角的拍摄，得到第三数据集；

基于所述第三数据集训练所述第一模型，得到第二模型，所述第二模型为所述第一模型进行知识蒸馏后得到的轻量化模型；

采用所述第二模型对所述待检测对象进行缺陷检测，得到所述待检测对象的缺陷检测结果。

2.根据权利要求1所述的一种缺陷检测方法，其特征在于，所述获取第二数据集，包括：

采集所述待检测对象的单一视角数据集；

对所述待检测对象的单一视角数据集进行数据增强处理，得到所述第二数据集。

3.根据权利要求1所述的一种缺陷检测方法，其特征在于，在所述基于所述第一数据集和所述第二数据集，采用ReLU激活函数训练神经网络模型，得到第一模型之前，所述方法还包括：

构建所述神经网络模型。

4.根据权利要求1所述的一种缺陷检测方法，其特征在于，所述神经网络模型包括特征抽取模块、特征融合模块和分类回归模块；

所述构建所述神经网络模型，包括：

根据所述预设角度构建对应的所述特征抽取模块；

基于所述特征抽取模块构建所述特征融合模块；

基于所述特征抽取模块和所述特征融合模块构建所述分类回归模块，完成所述神经网络模型的构建。

5.根据权利要求2所述的一种缺陷检测方法，其特征在于，所述对所述待检测对象进行多个预设视角的拍摄，得到第三数据集，包括：

根据所述预设视角对拍摄所述待检测对象的多视角摄像头进行标定；

采用标定后的所述多视角摄像头拍摄所述待检测对象，得到视频；

对所述视频进行抽帧，得到第四数据集；

对所述第四数据集进行所述数据增强处理，得到所述第三数据集。

6.根据权利要求5所述的一种缺陷检测方法，其特征在于，所述数据增强处理包括大小调整、翻转和cutmix。

7.根据权利要求1所述的一种缺陷检测方法，其特征在于，所述基于所述第三数据集训练所述第一模型，得到第二模型，包括：

基于所述第三数据集，采用深度学习框架Pytorch训练所述第一模型，得到所述第二模型。

8.一种缺陷检测系统，其特征在于，包括：

第一模块，用于获取第一数据集和第二数据集，所述第一数据集为开源的缺陷数据集，所述第二数据集为待检测对象不同尺度的单一视角数据集；

第二模块，用于基于所述第一数据集和所述第二数据集，采用ReLU激活函数训练神经网络模型，得到第一模型；

第三模块，用于对所述待检测对象进行多个预设视角的拍摄，得到第三数据集；

第四模块，用于基于所述第三数据集训练所述第一模型，得到第二模型，所述第二模型为所述第一模型进行知识蒸馏后得到的轻量化模型；

第五模块，采用所述第二模型对所述待检测对象进行缺陷检测，得到所述待检测对象的缺陷检测结果。

9.一种缺陷检测装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的一种缺陷检测方法。

10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-7中任一项所述的一种缺陷检测方法。