[發(fā)明專利]工件質(zhì)檢方法、裝置及計算機(jī)設(shè)備

有效

• 申請?zhí)枺?/td>: 202111223818.6
• 申請日: 2021-10-21
• 公開（公告）號: CN113658183B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計）人: 肖智恒;郭駿;潘正頤;侯大為
• 申請（專利權(quán)）人: 常州微億智造科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 劉松

本發(fā)明涉及工業(yè)質(zhì)檢技術(shù)領(lǐng)域，提供一種工件質(zhì)檢方法、裝置及計算機(jī)設(shè)備，方法包括：獲取待質(zhì)檢工件對應(yīng)的測試圖像及訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；獲取深度Q網(wǎng)絡(luò)的訓(xùn)練樣本；構(gòu)建深度Q網(wǎng)絡(luò)，并基于訓(xùn)練樣本對深度Q網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，以得到神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的狀態(tài)?行為深度Q網(wǎng)絡(luò)模型；將測試圖像輸入深度Q網(wǎng)絡(luò)模型，以得到測試圖像對應(yīng)的至少一個目標(biāo)增強(qiáng)行為；根據(jù)至少一個目標(biāo)增強(qiáng)行為對測試圖像進(jìn)行數(shù)據(jù)增強(qiáng)，并將增強(qiáng)后的測試圖像輸入神經(jīng)網(wǎng)絡(luò)模型，以得到至少一個預(yù)測結(jié)果；根據(jù)至少一個預(yù)測結(jié)果對工件進(jìn)行質(zhì)檢。由此，可以在保證測試效果的同時，大幅度地降低測試時間，從而提高工件質(zhì)檢效率、且提高工件質(zhì)檢的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及工業(yè)質(zhì)檢技術(shù)領(lǐng)域，具體涉及一種工件質(zhì)檢方法、一種工件質(zhì)檢裝置和一種計算機(jī)設(shè)備。

背景技術(shù)

工業(yè)質(zhì)檢，可以理解為對工業(yè)制造、工業(yè)生產(chǎn)中各個流程的工件或者產(chǎn)品進(jìn)行的質(zhì)量檢測，例如可以檢測出產(chǎn)品表面微小的劃痕和凹坑等瑕疵，產(chǎn)品表面微小的劃痕和凹坑等瑕疵就可能會釀成重大的事故，比如航空輪胎等表面缺陷會直接影響使用效果甚至?xí)o乘客帶來不可挽回的損失。可見工業(yè)質(zhì)檢在現(xiàn)代制造業(yè)非常重要。

相關(guān)技術(shù)中，進(jìn)行工件質(zhì)檢時通常將圖片直接輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，而由于圖片具有多種多樣的版本，例如處于翻轉(zhuǎn)版本的圖片，因此，在通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對圖片進(jìn)行預(yù)測時，存在模型預(yù)測準(zhǔn)確性不高、效果差且預(yù)測時間長的問題，從而導(dǎo)致工業(yè)質(zhì)檢準(zhǔn)確性低、質(zhì)檢效果差、效率低的問題。

發(fā)明內(nèi)容

本發(fā)明為解決上述技術(shù)問題之一，提出了如下技術(shù)方案。

本發(fā)明第一方面實(shí)施例提出了一種工件質(zhì)檢方法，包括：獲取待質(zhì)檢工件對應(yīng)的測試圖像及訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；獲取深度Q網(wǎng)絡(luò)的訓(xùn)練樣本，所述訓(xùn)練樣本包括：多個原始圖像、多個原始圖像對應(yīng)的數(shù)據(jù)增強(qiáng)圖像及多個數(shù)據(jù)增強(qiáng)行為；構(gòu)建深度Q網(wǎng)絡(luò)，并基于所述訓(xùn)練樣本對所述深度Q網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，以得到所述神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的狀態(tài)-行為深度Q網(wǎng)絡(luò)模型；將所述測試圖像輸入所述深度Q網(wǎng)絡(luò)模型，以得到所述測試圖像對應(yīng)的至少一個目標(biāo)增強(qiáng)行為；根據(jù)所述至少一個目標(biāo)增強(qiáng)行為對所述測試圖像進(jìn)行數(shù)據(jù)增強(qiáng)，并將增強(qiáng)后的測試圖像輸入所述神經(jīng)網(wǎng)絡(luò)模型，以得到至少一個預(yù)測結(jié)果；根據(jù)所述至少一個預(yù)測結(jié)果對所述工件進(jìn)行質(zhì)檢。

另外，根據(jù)本發(fā)明上述實(shí)施例的工件質(zhì)檢方法還可以具有如下附加的技術(shù)特征。

根據(jù)本發(fā)明的一個實(shí)施例，基于所述訓(xùn)練樣本對所述深度Q網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，以得到所述神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的狀態(tài)-行為深度Q網(wǎng)絡(luò)模型，包括：將多個數(shù)據(jù)增強(qiáng)圖像組成環(huán)境的狀態(tài)空間集合S，，其中，S_t表示t時刻環(huán)境的狀態(tài)，S_t+1表示t+1時刻環(huán)境的狀態(tài)，S_T表示環(huán)境的最終狀態(tài)；將所述多個數(shù)據(jù)增強(qiáng)行為組成智能體的行為空間集合A，，其中，A_k表示第k個數(shù)據(jù)增強(qiáng)行為；基于所述智能體與所述環(huán)境之間的交互，得到所述狀態(tài)-行為深度Q網(wǎng)絡(luò)模型。

根據(jù)本發(fā)明的一個實(shí)施例，基于所述智能體與所述環(huán)境之間的交互，得到所述狀態(tài)-行為深度Q網(wǎng)絡(luò)模型，包括：獲取t時刻的環(huán)境狀態(tài)S_t；將所述t時刻的環(huán)境狀態(tài)S_t輸入所述智能體，以使所述智能體根據(jù)所述t時刻的環(huán)境狀態(tài)S_t執(zhí)行t時刻的數(shù)據(jù)增強(qiáng)行為A_t；在所述智能體執(zhí)行t時刻數(shù)據(jù)增強(qiáng)行為A_t后，所述環(huán)境的狀態(tài)變換至t+1時刻的環(huán)境狀態(tài)S_t+1，同時將t+1時刻的反饋獎勵值反饋給所述智能體，使所述智能體執(zhí)行t+1時刻的數(shù)據(jù)增強(qiáng)行為；獲取每個時刻對應(yīng)的反饋獎勵值，以將各個反饋獎勵值組成反饋獎勵集合R，，其中，R_t表示t時刻對應(yīng)的反饋獎勵值，R_t+1表示t+1時刻對應(yīng)的反饋獎勵值；根據(jù)各個反饋獎勵值確定所述智能體的價值函數(shù)；基于所述價值函數(shù)得到所述狀態(tài)-行為深度Q網(wǎng)絡(luò)模型。