[發明專利]一種檢測產品缺陷的方法及裝置

在審

• 申請號: 201910431943.2
• 申請日: 2019-05-23
• 公開（公告）號: CN110136130A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 徐文杰;黃耀;張輝
• 申請（專利權）人: 北京阿丘機器人科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G01N21/84;G01N21/95
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐彥圣

1.一種檢測產品缺陷的方法，其特征在于，包括：

獲取待檢測產品的深度圖像，將所述深度圖像轉換為平面灰度圖像；

將所述平面灰度圖像輸入到預先構建的深度學習網絡，得到所述待檢測產品的缺陷檢測結果，其中，通過如下步驟構建所述深度學習網絡；

獲取樣品的樣品深度圖像，將所述樣品深度圖像轉換為樣品平面灰度圖像；

依據所述樣品包含的缺陷特征，對所述樣品對應的樣品平面灰度圖像進行標注，根據標注的樣品平面灰度圖像，將所述標注的樣品平面灰度圖像劃分為訓練集以及測試集；

以所述訓練集中標注的樣品平面灰度圖像的缺陷區域作為深度學習訓練網絡的輸入，以該缺陷區域對應的缺陷類型作為所述深度學習訓練網絡的輸出，對所述深度學習訓練網絡進行訓練；

以所述測試集中標注的樣品平面灰度圖像的缺陷區域作為訓練的深度學習訓練網絡的輸入，獲取所述訓練的深度學習訓練網絡的輸出結果，與以該缺陷區域對應的缺陷類型進行比對，獲取所述訓練的深度學習訓練網絡的網絡精度；

若所述網絡精度小于預先設置的精度閾值，依據所述訓練集對所述訓練的深度學習訓練網絡繼續訓練，直至所述訓練的深度學習訓練網絡的網絡精度不小于所述精度閾值，得到所述深度學習網絡。

2.如權利要求1所述的方法，其特征在于，所述依據所述樣品包含的缺陷，對所述樣品對應的樣品平面灰度圖像標注，包括：

分析所述樣品包含的缺陷區域，提取該缺陷區域的缺陷特征，依據預先構建的缺陷類型與缺陷特征的對應關系，確定每一缺陷特征對應的缺陷類型；

在所述樣品對應的樣品平面灰度圖像的缺陷區域進行確定的缺陷類型標注。

3.如權利要求1所述的方法，其特征在于，所述根據標注的樣品平面灰度圖像，將所述標注的樣品平面灰度圖像劃分為訓練集以及測試集，包括：

針對每一標注的樣品平面灰度圖像，統計該標注的樣品平面灰度圖像的缺陷類型數量，若統計的缺陷類型數量超過預設的缺陷類型數閾值，將該標注的樣品平面灰度圖像置于訓練集中，否則，將該標注的樣品平面灰度圖像置于測試集中。

4.如權利要求3所述的方法，其特征在于，所述訓練集中還包含有無缺陷的樣品平面灰度圖像，所述測試集中還包含有無缺陷的樣品平面灰度圖像。

5.如權利要求1所述的方法，其特征在于，在將所述樣品深度圖像轉換為樣品平面灰度圖像之后，依據所述樣品包含的缺陷，對所述樣品對應的樣品平面灰度圖像進行標注之前，所述方法還包括：

對所述樣品平面灰度圖像進行預處理。

6.如權利要求5所述的方法，其特征在于，所述預處理包括：噪聲抑制預處理、圖像形態學預處理以及旋轉變換預處理。

7.如權利要求1至6任一項所述的方法，其特征在于，在對所述樣品對應的樣品平面灰度圖像進行標注之后，根據標注的樣品平面灰度圖像，將所述標注的樣品平面灰度圖像劃分為訓練集以及測試集之前，所述方法還包括：

統計所述樣品平面灰度圖像包含的所有缺陷區域面積，計算所述所有缺陷區域面積與所述樣品平面灰度圖像的面積的比值；

若所述比值小于預先設置的比例閾值，對所述樣品平面灰度圖像進行分割，刪除分割的不包含缺陷區域的分割圖像。

8.如權利要求7所述的方法，其特征在于，分割得到的每一分個圖像中，包含整數個缺陷區域。