[发明专利]零件缺陷检测方法、设备、介质及计算机程序产品

说明书

本申请公开了一种零件缺陷检测方法、设备、介质及计算机程序产品，所述零件缺陷检测方法包括：获取待检测零件对应的待检测图像，基于全尺度灰度先验深度分割模型，对所述待检测图像进行缺陷预测，获得图像缺陷检测结果，其中，所述全尺度灰度先验深度分割模型为基于预先收集的训练缺陷图像集对预设数量的深度神经网络模块级联组成的待训练缺陷检测模型进行迭代训练优化得到的。本申请解决对零件的缺陷检测准确度低的技术问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种零件缺陷检测方法、设备、介质及计算机程序产品。

背景技术

随着现代工业的发展，零件缺陷检测技术被广泛应用于布匹瑕疵检测、工件表面质量检测、航空航天等领域中。在现有的零件缺陷检测过程中，仍有较多铸造企业使用较为传统的检测方式，也即，零件经过X射线实时扫描和成像后，将相应的底片物理打印出来，专业的工作人员再对图像进行人工检测，对缺陷的类型进行判定，然而，使用传统的人工检测方法会存在不同的检测者由于其不同的检测标准可能会导致检测的偏差，且人易疲劳，容易发生对缺陷误检漏检的情况，进而导致造成对零件的缺陷检测准确度较低。

发明内容

本申请的主要目的在于提供一种零件缺陷检测方法、设备、介质及计算机程序产品，旨在解决现有技术中的对零件的缺陷检测准确度低的技术问题。

为实现上述目的，本申请提供一种零件缺陷检测方法，所述零件缺陷检测方法包括：

获取待检测零件对应的待检测图像；

基于全尺度灰度先验深度分割模型，对所述待检测图像进行缺陷预测，获得图像缺陷检测结果，其中，所述全尺度灰度先验深度分割模型为基于预先收集的训练缺陷图像集对预设数量的深度神经网络模块级联组成的待训练缺陷检测模型进行迭代训练优化得到的。

本申请还提供一种零件缺陷检测装置，所述零件缺陷检测装置为虚拟装置，所述零件缺陷检测装置包括：

获取模块，用于获取待检测零件对应的待检测图像；

缺陷预测模块，用于基于全尺度灰度先验深度分割模型，对所述待检测图像进行缺陷预测，获得图像缺陷检测结果，其中，所述全尺度灰度先验深度分割模型为基于预先收集的训练缺陷图像集对预设数量的深度神经网络模块级联组成的待训练缺陷检测模型进行迭代训练优化得到的。

本申请还提供一种零件缺陷检测设备，所述零件缺陷检测设备为实体设备，所述零件缺陷检测设备包括：存储器、处理器以及存储在所述存储器上的零件缺陷检测程序，所述零件缺陷检测程序被所述处理器执行实现如上述的零件缺陷检测方法的步骤。

本申请还提供一种介质，所述介质为可读存储介质，所述可读存储介质上存储零件缺陷检测程序，所述零件缺陷检测程序被处理器执行实现如上述零件缺陷检测方法的步骤。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的零件缺陷检测方法的步骤。