[發明專利]缺陷檢測的樣本獲取方法、訓練方法、裝置、介質和設備

有效

• 申請號: 201711367414.8
• 申請日: 2017-12-18
• 公開（公告）號: CN107992900B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 田霖;王曉紅
• 申請（專利權）人: 深圳市盛波光電科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/583;G06F16/51;G06F16/16;G06N20/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 余哲瑋

本發明涉及一種缺陷檢測的樣本獲取方法、訓練方法、裝置、介質和設備；該方法包括：獲取缺陷檢測生成的圖片及圖片的缺陷類別和屬性信息；根據所有圖片的屬性信息構建準訓練樣本；根據缺陷類別對圖片進行分類標定，得到相同缺陷類別的圖片所組成的缺陷類別集；根據缺陷類別集中圖片的屬性信息和準訓練樣本的屬性信息進行匹配檢測，生成缺陷類別集對應的、用于輸入機器學習分類算法以獲取分類特征的訓練樣本。如此，可充分利用缺陷檢測的結果，對圖片的分類標定工作量少，且不需要人工在線參與，可以支持離線處理，處理速度快；如此，訓練樣本的生成效率高，可提高獲取用于優化分類器參數的分類特征的效率，從而分類器參數的優化效率高。

技術領域

本發明涉及分類技術領域，特別是涉及一種缺陷檢測的樣本獲取方法、訓練方法、裝置、介質和設備。

背景技術

一些產品在生產過程中，通常需要使用自動光學檢測設備對產品進行缺陷檢測以確保質量的穩定性，具體缺陷以圖片格式保存到數據庫中，并記錄缺陷類別等信息。例如，在偏光片行業，普遍在線上使用自動光學檢測設備對卷材進行實時缺陷檢測。自動光學檢測設備檢出的缺陷，一部分為實際的“真”缺陷，一部分為對后續產品無影響的“假”缺陷；準確區分“真”、“假”缺陷以及對“真”缺陷分類，對于產線判定產品良率、推斷缺陷發生未知并及時對不良缺陷進行處理有重要的指引作用。

為提高自動光學檢測設備的缺陷檢測準確度，一般需要從缺陷的產品提取不同類別的缺陷的分類特征以不斷優化分類器參數。傳統的方法是采用在線人工標定法，具體模式為：人工對自動光學檢測設備檢測出缺陷的產品進行類別標定，然后根據經驗觀察同一類別的相同點及不同類別之間的相異點得到分類特征，用于逐步迭代優化分類器參數。這種在線人工標定的處理方式依賴于人工操作，標定速度慢，使得分類器參數的優化效率低。

發明內容

基于此，有必要針對傳統的分類器參數優化效率低的問題，提供一種可提高分類器參數優化效率的缺陷檢測的樣本獲取方法、訓練方法、裝置、介質和設備。

一種缺陷檢測的樣本獲取方法，包括：

獲取缺陷檢測生成的圖片及所述圖片的缺陷類別和屬性信息；

根據所有圖片的屬性信息構建準訓練樣本；

根據所述缺陷類別對所述圖片進行分類標定，得到相同缺陷類別的圖片所組成的缺陷類別集；

根據所述缺陷類別集中圖片的屬性信息和所述準訓練樣本的屬性信息進行匹配檢測，生成所述缺陷類別集對應的、用于輸入機器學習分類算法以獲取分類特征的訓練樣本。

一種缺陷檢測的樣本獲取裝置，包括：

圖片匯整模塊，用于獲取缺陷檢測生成的圖片及所述圖片的缺陷類別和屬性信息；

準訓練樣本生成模塊，用于根據所有圖片的屬性信息構建準訓練樣本；

分類標定模塊，用于根據所述缺陷類別對所述圖片進行分類標定，得到相同缺陷類別的圖片所組成的缺陷類別集；

匹配檢測模塊，用于根據所述缺陷類別集中圖片的屬性信息和所述準訓練樣本的屬性信息進行匹配檢測，生成所述缺陷類別集對應的、用于輸入機器學習分類算法以獲取分類特征的訓練樣本。