[发明专利]工件缺陷检测方法和装置

说明书

本发明提供了一种工件缺陷检测方法和装置，其中，所述方法包括以下步骤：获取第一数据集，其中，第一数据集为已有的标注缺陷图像；根据第一数据集构建基础目标检测模型；获取第二数据集，其中，第二数据集为待测工件的未标注缺陷图像；根据第一数据集、第二数据集和基础目标检测模型得到目标损失函数；根据第一数据集、第二数据集、基础目标检测模型和目标损失函数构建最终目标检测模型；根据最终目标检测模型对待测工件进行缺陷检测。本发明能够降低训练数据的获取难度、以及检测模型的训练成本，并且能够自适应待测工件的缺陷检测工作，此外还具有较高的检测精度。

技术领域

本发明涉及工业质检技术领域，具体涉及一种工件缺陷检测方法和一种工件缺陷检测装置。

背景技术

在工业质检领域中，为了检测产品的缺陷，需要搜集大量的图片数据并进行标注以构建相应的检测模型，需要耗费大量的人力物力；此外，当实际生产中难以获得大量可信任的标注图片数据时，也将导致构建的检测模型的检测精度较低。

然而，在工业质检领域中，有许多缺陷类型非常常见，例如碰伤、划伤、压伤等，如果针对每个新工件重新构建检测模型，显然会浪费已有的检测资源；如果将已有的检测模型直接迁移到新工件进行缺陷检测，会因为领域偏移导致已有的检测模型难以适应新工件的缺陷检测任务，因此，如何充分利用已有检测资源适应新工件的缺陷检测，并解决难以获得大量可信任的标注图片数据的难题是工业质检领域中亟需解决的。

发明内容

本发明为解决上述技术问题，提供了一种工件缺陷检测方法，能够降低训练数据的获取难度、以及检测模型的训练成本，并且能够自适应待测工件的缺陷检测工作，此外还具有较高的检测精度。

本发明采用的技术方案如下：

一种工件缺陷检测方法，包括以下步骤：获取第一数据集，其中，所述第一数据集为已有的标注缺陷图像；根据所述第一数据集构建基础目标检测模型；获取第二数据集，其中，所述第二数据集为待测工件的未标注缺陷图像；根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数；根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型；根据所述最终目标检测模型对所述待测工件进行缺陷检测。

根据本发明的一个实施例，所述基础目标检测模型为YOLO模型。

根据本发明的一个实施例，所述根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数，具体包括以下步骤：获取所述基础目标检测模型的特征层的维度和特征矩阵；获取所述第一数据集的第一输入图像像素数和所述第二数据集的第二输入图像像素数；根据所述第一输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第一数据集的第一特征协方差矩阵；根据所述第二输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第二数据集的第二特征协方差矩阵；根据所述第一特征协方差矩阵、所述第二特征协方差矩阵和所述基础目标检测模型的特征层的维度构建目标损失函数。其中，所述第一特征协方差矩阵的具体表达式为：

其中，C_S表示所述第一特征协方差矩阵，公式下标S表示所述第一数据集，上标T表示转置矩阵，表示所述第一数据集的第一输入图像像素数，表示所述第一数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，

所述第二特征协方差矩阵的具体表达式为：

其中，C_T表示所述第二特征协方差矩阵，公式下标T表示所述第二数据集，上标T表示转置矩阵，表示所述第二数据集的第二输入图像像素数，表示所述第二数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，

所述目标损失函数的表达式为：