[發明專利]基于決策樹自動判別真實缺陷與過殺方法

在審

• 申請號: 202110758777.4
• 申請日: 2021-07-05
• 公開（公告）號: CN113570552A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 許琦
• 申請（專利權）人: 深視創新（蘇州）智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N5/00
• 代理公司: 深圳市中智立信知識產權代理有限公司 44427
• 代理人: 丁麗琴

本發明提供了一種基于決策樹自動判別真實缺陷與過殺方法，包括：準備一組實際生產過程中過殺和真實缺陷的原圖及mask圖；通過mask圖獲取缺陷形狀、面積、長度、缺陷類別，通過原圖獲取缺陷的對比度、極性，將生成的特征信息保存至文本當中，利用決策樹自動獲取缺陷的判別規則；通過缺陷算法得到一組缺陷數據，生成缺陷小圖及mask圖，獲取缺陷形狀、面積、長度、對比度、極性及缺陷類別特征信息；根據決策樹生成的判別規則計算當前缺陷屬于過殺還是真實缺陷。發明根據已有缺陷和過殺數據特征信息自動判別新產生缺陷是否過殺，算法通用性強，與現有技術中的手動設置缺陷檢出參數相比，可以將缺陷漏檢和過殺風險控制最低，進而達到實際生產要求。

技術領域

本發明涉及缺陷檢測領域，特別涉及一種基于決策樹自動判別真實缺陷與過殺方法。

背景技術

工業生產現場，一般對于缺陷真實與否有很高要求，無論對于傳統算法還是深度學習，往往為了減低漏檢風險，會將缺陷的檢出參數(如缺陷面積、長寬、對比度等)設置過嚴，因此會導致實際應用中存在大量過殺。

發明內容

本發明提供了一種基于決策樹自動判別真實缺陷與過殺方法，以解決至少一個上述技術問題。

為解決上述問題，作為本發明的一個方面，提供了一種基于決策樹自動判別真實缺陷與過殺方法，包括：

步驟1，準備一組實際生產過程中過殺和真實缺陷的原圖及mask圖，過殺和缺陷兩者數量接近且不低于500個；

步驟2，通過mask圖獲取缺陷形狀、面積、長度、缺陷類別，通過原圖獲取缺陷的對比度、極性，將生成的特征信息保存至文本當中；

步驟3，讀取文本中的缺陷標簽和特征信息，利用決策樹自動獲取缺陷的判別規則；

步驟4，通過缺陷算法得到一組缺陷數據；

步驟5，根據步驟4中的缺陷數據生成缺陷小圖及mask圖，獲取缺陷形狀、面積、長度、對比度、極性及缺陷類別特征信息；

步驟6，將步驟5生成的數據作為輸入，根據步驟3中決策樹生成的判別規則計算當前缺陷屬于過殺還是真實缺陷。

優選地，缺陷形狀主要包括點、細直線、細曲線、面等。

由于采用了上述技術方案，本發明根據已有缺陷和過殺數據特征信息自動判別新產生缺陷是否過殺，算法通用性強，與現有技術中的手動設置缺陷檢出參數相比，可以將缺陷漏檢和過殺風險控制最低，進而達到實際生產要求。

具體實施方式

以下對本發明的實施例進行詳細說明，但是本發明可以由權利要求限定和覆蓋的多種不同方式實施。

本發明的基于決策樹自動判別真實缺陷與過殺方法，事先準備一組過殺和真實缺陷樣本，通過算法獲取缺陷的形狀(點、線、面等)、面積、長度、對比度、極性(從黑到白或從白到黑等)、缺陷類別等缺陷特征信息，然后將這些缺陷特征作為輸入，通過決策樹訓練這些樣本所屬標簽(過殺或真實缺陷)，最后生成一套根據缺陷特征信息自動判別缺陷與否的規則。

本發明中的基于決策樹自動判別真實缺陷與過殺方法包括兩個階段，一個是訓練階段，以利用決策樹自動獲取缺陷的判別規則；第二個階段是實際檢測流程，以根據缺陷特征信息自動判別缺陷與否。

第一階段，訓練流程主要有以下三個步驟：

步驟1：樣本準備階段，準備一組實際生產過程中過殺和真實缺陷的原圖及mask圖，過殺和缺陷兩者數量接近且不低于500個。

步驟2：通過mask獲取缺陷形狀(主要包括點、細直線、細曲線、面等)、面積、長度、缺陷類別，通過原圖獲取缺陷的對比度、極性，將生成的特征信息保存至文本當中。