缺陷检测的样本获取方法、训练方法、装置、介质和设备制造方法及图纸

本发明专利技术涉及一种缺陷检测的样本获取方法、训练方法、装置、介质和设备；该方法包括：获取缺陷检测生成的图片及图片的缺陷类别和属性信息；根据所有图片的属性信息构建准训练样本；根据缺陷类别对图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；根据缺陷类别集中图片的属性信息和准训练样本的属性信息进行匹配检测，生成缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。如此，可充分利用缺陷检测的结果，对图片的分类标定工作量少，且不需要人工在线参与，可以支持离线处理，处理速度快；如此，训练样本的生成效率高，可提高获取用于优化分类器参数的分类特征的效率，从而分类器参数的优化效率高。

Sample acquisition method, training method, device, medium and equipment for defect detection

The invention relates to a sample acquisition method, a training method, a device, a medium and a device for defect detection, which includes: obtaining the defect category and attribute information of the pictures and pictures generated by the defect detection, building a quasi training sample according to the attribute information of all the pictures, and classifying the picture according to the defect category, The defect class set is made up of the image of the same defect category; the matching detection is carried out according to the attribute information of the image and the attribute information of the quasi training sample, and the corresponding training sample is used to input the classification algorithm of the machine learning classification to obtain the classification characteristics. In this way, the results of defect detection can be fully utilized, and the workload of classification and calibration of images is less, and no manual online participation is needed. It can support off-line processing and fast processing, so the efficiency of training samples is high, and the efficiency of obtaining classification characteristics used to optimize the classifier parameters can be improved, and the classifier parameters can be obtained. The optimization efficiency is high.

【技术实现步骤摘要】
缺陷检测的样本获取方法、训练方法、装置、介质和设备
本专利技术涉及分类
，特别是涉及一种缺陷检测的样本获取方法、训练方法、装置、介质和设备。
技术介绍
一些产品在生产过程中，通常需要使用自动光学检测设备对产品进行缺陷检测以确保质量的稳定性，具体缺陷以图片格式保存到数据库中，并记录缺陷类别等信息。例如，在偏光片行业，普遍在线上使用自动光学检测设备对卷材进行实时缺陷检测。自动光学检测设备检出的缺陷，一部分为实际的“真”缺陷，一部分为对后续产品无影响的“假”缺陷；准确区分“真”、“假”缺陷以及对“真”缺陷分类，对于产线判定产品良率、推断缺陷发生未知并及时对不良缺陷进行处理有重要的指引作用。为提高自动光学检测设备的缺陷检测准确度，一般需要从缺陷的产品提取不同类别的缺陷的分类特征以不断优化分类器参数。传统的方法是采用在线人工标定法，具体模式为：人工对自动光学检测设备检测出缺陷的产品进行类别标定，然后根据经验观察同一类别的相同点及不同类别之间的相异点得到分类特征，用于逐步迭代优化分类器参数。这种在线人工标定的处理方式依赖于人工操作，标定速度慢，使得分类器参数的优化效率低。
技术实现思路
基于此本文档来自技高网...

【技术保护点】
一种缺陷检测的样本获取方法，其特征在于，包括：获取缺陷检测生成的图片及所述图片的缺陷类别和属性信息；根据所有图片的属性信息构建准训练样本；根据所述缺陷类别对所述图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；根据所述缺陷类别集中图片的属性信息和所述准训练样本的属性信息进行匹配检测，生成所述缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。

【技术特征摘要】
1.一种缺陷检测的样本获取方法，其特征在于，包括：获取缺陷检测生成的图片及所述图片的缺陷类别和属性信息；根据所有图片的属性信息构建准训练样本；根据所述缺陷类别对所述图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；根据所述缺陷类别集中图片的属性信息和所述准训练样本的属性信息进行匹配检测，生成所述缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。2.根据权利要求1所述的缺陷检测的样本获取方法，其特征在于，所述属性信息包括图片ID和特征信息；所述根据所有图片的属性信息构建准训练样本，包括：分别根据各图片的图片ID和特征信息生成所述图片对应的属性文本；将各图片的属性文本合并得到所述准训练样本。3.根据权利要求1所述的缺陷检测的样本获取方法，其特征在于，所述根据所述缺陷类别对所述图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集，包括：获取所述缺陷类别对应的存储地址并作为所述缺陷类别所对应图片的待转移地址；获取所述图片的当前地址，根据同一图片的当前地址和待转移地址生成所述匹配清单；根据所述匹配清单将所述图片从当前地址移动到对应的待转移地址，生成同一地址存放的图片所组成的缺陷类别集。4.根据权利要求3所述的缺陷检测的样本获取方法，其特征在于，所述根据所述匹配清单将所述图片从当前地址移动到对应的待转移地址，生成同一地址存放的图片所组成的缺陷类别集，包括：根据所述匹配清单将所述图片从当前地址移动到对应的待转移地址，生成同一地址存放的图片所组成的初始分类集；接收人工操作指令，根据所述人工操作指令移动所述初始分类集中的图片，得到所述缺陷类别集。5.根据权利要求1所述的缺陷检测的样本获取方法，其特征在于，所述根据所述缺陷类别集中图片的属性信息和所述准训练样本的属性信息进行匹配检测，生成所述缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本，包括：根据所述缺陷类别集的图片的属性信息查找与所述准训练样本的属性信息匹配的属性信息...

【专利技术属性】
技术研发人员：田霖，王晓红，
申请(专利权)人：深圳市盛波光电科技有限公司，
类型：发明
国别省市：广东,44