[發(fā)明專利]一種基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202110206104.8
• 申請日: 2021-02-24
• 公開（公告）號: CN112907543A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計）人: 胡志雄
• 申請（專利權(quán)）人: 胡志雄
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06T7/90;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 耿慧敏;朱偉軍

本發(fā)明公開了一種基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法。該方法包括：針對待檢測產(chǎn)品，收集無外觀缺陷的良品圖片，構(gòu)成良品圖片集；基于所述良品圖片集，利用二維隨機(jī)介質(zhì)模型生成滿足設(shè)定自相關(guān)模型參數(shù)的自相關(guān)模型圖；基于所述自相關(guān)模型圖生成滿足設(shè)定缺陷形態(tài)參數(shù)的缺陷概率分布圖片集；將所產(chǎn)生的良品圖片和缺陷概率分布圖進(jìn)行融合，得到缺陷圖片集和對應(yīng)的標(biāo)注圖片集；利用所述缺陷圖片集和所述標(biāo)注圖片集，訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；利用經(jīng)訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對待測產(chǎn)品進(jìn)行外觀缺陷檢測。本發(fā)明僅利用良品圖片，即可自動生成缺陷圖片集進(jìn)行深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練，有利于應(yīng)用于工業(yè)生產(chǎn)線進(jìn)行產(chǎn)品質(zhì)量檢測。

技術(shù)領(lǐng)域

本發(fā)明涉及產(chǎn)品質(zhì)量檢測技術(shù)領(lǐng)域，更具體地，涉及一種基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法。

背景技術(shù)

在現(xiàn)在的自動化生產(chǎn)過程中，產(chǎn)品質(zhì)量檢測廣泛應(yīng)用于電子元器件、半導(dǎo)體器件、包裝印刷、食品飲料和醫(yī)療檢測等各個領(lǐng)域。

現(xiàn)有技術(shù)中，基于深度學(xué)習(xí)算法的產(chǎn)品外觀缺陷檢測需要經(jīng)人工標(biāo)注的合格產(chǎn)品圖片以及外觀缺陷圖片用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這種方式通常需要長時間反復(fù)訓(xùn)練模型進(jìn)行迭代升級。在迭代升級過程中，需要大量收集缺陷圖片并要求人工進(jìn)行缺陷標(biāo)注。并且，缺陷圖片的數(shù)量和人工標(biāo)注的準(zhǔn)確性直接影響檢測效果。然而，在實(shí)際電子產(chǎn)品生產(chǎn)線中，良品數(shù)量會遠(yuǎn)遠(yuǎn)大于缺陷產(chǎn)品的數(shù)量，且實(shí)際收集到的缺陷產(chǎn)品形態(tài)分布通常不具備典型性，例如不具有隨機(jī)分布的特點(diǎn)。此外，由于電子產(chǎn)品具有更新?lián)Q代較快，外觀變化周期短等特點(diǎn)，最終導(dǎo)致現(xiàn)有的基于深度學(xué)習(xí)算法，無法快速部署到實(shí)際的工程應(yīng)用，在實(shí)際應(yīng)用中難以落地。

發(fā)明內(nèi)容

本發(fā)明的目的是克服上述現(xiàn)有技術(shù)的缺陷，提供一種基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法，是實(shí)現(xiàn)無監(jiān)督深度學(xué)習(xí)的外觀缺陷檢測的新技術(shù)方案。

本發(fā)明的技術(shù)方案是提供一種基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法。該方法包括以下步驟：

針對待檢測產(chǎn)品，收集無外觀缺陷的良品圖片，構(gòu)成良品圖片集；

基于所述良品圖片集，利用二維隨機(jī)介質(zhì)模型生成滿足設(shè)定自相關(guān)模型參數(shù)的自相關(guān)模型圖；

基于所述自相關(guān)模型圖生成滿足設(shè)定缺陷形態(tài)參數(shù)的缺陷概率分布圖片集，該缺陷概率分布圖片集表征產(chǎn)品外觀的多種缺陷類型；

將所產(chǎn)生的良品圖片和缺陷概率分布圖進(jìn)行融合，得到缺陷圖片集和對應(yīng)的標(biāo)注圖片集；

利用所述缺陷圖片集和所述標(biāo)注圖片集，訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；

利用經(jīng)訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對待測產(chǎn)品進(jìn)行外觀缺陷檢測。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于，所提出的基于隨機(jī)缺陷模型實(shí)現(xiàn)無監(jiān)督深度學(xué)習(xí)的外觀缺陷檢測方法，使用少量良品來生成大量隨機(jī)分布的標(biāo)注缺陷圖片，使用標(biāo)注缺陷圖片來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)而無需缺陷產(chǎn)品，從而有效地減少深度神經(jīng)網(wǎng)絡(luò)的迭代過程，能夠快速且低成本地將檢測算法部署到電子產(chǎn)品生產(chǎn)線中。

通過以下參照附圖對本發(fā)明的示例性實(shí)施例的詳細(xì)描述，本發(fā)明的其它特征及其優(yōu)點(diǎn)將會變得清楚。

附圖說明

被結(jié)合在說明書中并構(gòu)成說明書的一部分的附圖示出了本發(fā)明的實(shí)施例，并且連同其說明一起用于解釋本發(fā)明的原理。

圖1是根據(jù)本發(fā)明一個實(shí)施例的基于隨機(jī)缺陷模型的產(chǎn)品外觀缺陷檢測方法的流程圖；

圖2是根據(jù)本發(fā)明一個實(shí)施例的缺陷圖片生成及模型訓(xùn)練過程示意圖；

圖3是根據(jù)本發(fā)明一個實(shí)施例的隨機(jī)介質(zhì)模型建立流程圖；

圖4是根據(jù)本發(fā)明一個實(shí)施例的隨機(jī)缺陷圖片集；

圖5是根據(jù)本發(fā)明一個實(shí)施例的真實(shí)缺陷圖片集；