[發明專利]基于增量自學習的外觀缺陷檢測方法、裝置及存儲設備

在審

• 申請號: 202211422096.1
• 申請日: 2022-11-14
• 公開（公告）號: CN115731171A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 許亮;張歡歡;劉明華;展華益
• 申請（專利權）人: 四川啟睿克科技有限公司;四川長虹電子控股集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/40;G06V10/74;G06V10/764;G06V10/82
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 劉堋

本發明公開了一種基于增量自學習的外觀缺陷檢測方法、裝置及存儲設備，方法包括：構建用于判定外觀是否存在缺陷的二分類網絡，訓練二分類網絡至收斂狀態，得到預訓練網絡；根據預訓練網絡構建正常特征嵌入向量；獲取待檢的外觀圖像，并將其輸入到預訓練網絡，輸出待檢的外觀圖像的置信度，并通過預訓練網絡構建待檢的外觀圖像的待檢特征嵌入向量；將待檢特征嵌入向量與正常特征嵌入向量進行比對，得到比對結果，同時根據比對結果和置信度得到的綜合決策分數，綜合決策待檢的外觀圖像是否存在缺陷；當綜合決策分數小于設定的閾值時，利用待檢特征嵌入向量對正常特征嵌入向量進行增量更新。本發明能夠有效的提升外觀檢測效率和準確性，適用性更強。

技術領域

本發明涉及外觀檢測技術領域，尤其涉及一種基于增量自學習的外觀缺陷檢測方法、裝置及存儲設備。

背景技術

在實際的工業場景中，許多微小的精密器件，需要在生產的過程中對其外觀進行詳細的質量檢測，以免不良產品流入市場。目前主要以人工檢測方式為主，需要工人手持產品，并且在電子顯微鏡下不停地轉動，同時用雙眼從各個角度去目檢其外觀質量是否合格，工作效率極低，且人為主觀性很強導致標準不一致，容易產生漏檢、過檢等情況。因此有必要研發一種能夠有效提升檢測效率和準確性，并且具有較好的通用性的外觀缺陷檢測方法。

發明內容

本發明提供了一種基于增量自學習的外觀缺陷檢測方法、裝置及存儲設備，以解決現有技術中人工檢測方式導致工作效率低下、標準不統一、易產生漏檢、過檢等問題。

本發明采用的技術方案是：提供一種基于增量自學習的外觀缺陷檢測方法，包括：

構建用于判定外觀是否存在缺陷的二分類網絡，訓練所述二分類網絡至收斂狀態，得到預訓練網絡；

根據所述預訓練網絡構建正常特征嵌入向量，所述正常特征嵌入向量部分或全部由所述預訓練網絡部分層的輸出組合形成；

獲取待檢的外觀圖像，并將其輸入到所述預訓練網絡，輸出待檢的外觀圖像的置信度，并通過所述預訓練網絡構建待檢的外觀圖像的待檢特征嵌入向量；

將所述待檢特征嵌入向量與正常特征嵌入向量進行比對，得到比對結果，同時根據所述比對結果和置信度得到的綜合決策分數，綜合決策待檢的外觀圖像是否存在缺陷；

當所述綜合決策分數小于設定的閾值時，利用所述待檢特征嵌入向量對所述正常特征嵌入向量進行增量更新。

進一步的，所述構建正常特征嵌入向量的方法包括：

設定隨機種子，將沒有外觀缺陷的圖像輸入到所述預訓練網絡，隨機選取部分層的輸出，得到第一輸出特征；所述第一輸出特征是將每個通道對應位置的值組合形成正常特征嵌入向量，并求每個通道對應位置的值的均值、方差。

進一步的，所述構建待檢的外觀圖像的待檢特征嵌入向量的方法包括：

設定隨機種子，將待檢的外觀圖像輸入到所述預訓練網絡，隨機選取部分層的輸出，得到第二輸出特征；所述第二輸出特征是將每個通道對應位置的值組合形成待檢特征嵌入向量。

進一步的，所述將所述待檢特征嵌入向量與正常特征嵌入向量進行比對的方法包括：

根據所述均值、方差和所述待檢特征嵌入向量計算馬氏距離，計算公式如下：

其中u表示均值，∑表示方差，x表示待檢特征嵌入向量。

進一步的，所述綜合決策待檢的外觀圖像是否存在缺陷的方法包括：

根據所述置信度和所述馬氏距離加權求和，得到綜合決策分數，如果綜合決策分數小于設定的閾值則判定外觀正常，否則判定其存在缺陷；加權求和公式如下：

score＝λD(x)+(1-λ)C(x)