缺陷检测方法、系统和装置制造方法及图纸

本申请实施例公开了缺陷检测方法、系统和装置。该方法可应用于云计算领域，具体地，该方法的一具体实施方式包括：在多个拍摄条件下拍摄的图像，分别输入目标检测模型，得到从该目标检测模型输出的多个第一检测结果；对于该在多个拍摄条件下拍摄的图像中的各个图像，基于该目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，若判断有缺陷，将该图像作为疑似缺陷图像；将该疑似缺陷图像输入预先训练的神经网络模型进行检测，得到第二检测结果。本申请实施例能够通过快速的无监督模型，筛选出疑似缺陷图像，从而减少输入神经网络模型的图像的数量，提高缺陷检测的效率。

Defect detection methods, systems and devices

【技术实现步骤摘要】
缺陷检测方法、系统和装置
本申请实施例涉及计算机
，具体涉及互联网
，尤其涉及缺陷检测方法、系统和装置。
技术介绍
在传统的制造业的生产活动中，产品的状态检测比如外观状态的检测，是制造厂商控制出货质量的重要环节。传统的厂商会通过产品的状态检测，确定产品是否存在瑕疵和缺陷，从而判断生产的笔记本是否是合格品。当前对笔记本进行质量检测的方式包括人工检测和光学仪器检测。其中的人工检测的效率低且精度差。光学仪器的检测规则往往是固化到机器中的，如果检测规则发生变化比如检测对象发生变化，哪怕只是微小的变化，都需要对光学仪器进行硬件升级。该过程需要耗时耗力，执行难度较大。
技术实现思路
本申请实施例提出了缺陷检测方法、系统和装置。第一方面，本申请实施例提供了一种缺陷检测方法，包括：获取对目标物品在多个拍摄条件下拍摄的图像；将在多个拍摄条件下拍摄的图像，分别输入目标检测模型，得到从目标检测模型输出的多个第一检测结果，其中，目标检测模型包括无监督模型，第一检测结果用于表征图像呈现的目标物品是否有缺陷；对于在多个拍摄条本文档来自技高网...

【技术保护点】
1.一种缺陷检测方法，所述方法包括：/n获取对目标物品在多个拍摄条件下拍摄的图像；/n将所述在多个拍摄条件下拍摄的图像，分别输入目标检测模型，得到从所述目标检测模型输出的多个第一检测结果，其中，所述目标检测模型包括无监督模型，所述第一检测结果用于表征图像呈现的所述目标物品是否有缺陷；/n对于所述在多个拍摄条件下拍摄的图像中的各个图像，基于所述目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，若判断有缺陷，将该图像作为疑似缺陷图像；/n将所述疑似缺陷图像输入预先训练的神经网络模型进行检测，得到第二检测结果，其中，所述第二检测结果用于表征所述疑似缺陷图像呈现的目标物品...

【技术特征摘要】
1.一种缺陷检测方法，所述方法包括：
获取对目标物品在多个拍摄条件下拍摄的图像；
将所述在多个拍摄条件下拍摄的图像，分别输入目标检测模型，得到从所述目标检测模型输出的多个第一检测结果，其中，所述目标检测模型包括无监督模型，所述第一检测结果用于表征图像呈现的所述目标物品是否有缺陷；
对于所述在多个拍摄条件下拍摄的图像中的各个图像，基于所述目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，若判断有缺陷，将该图像作为疑似缺陷图像；
将所述疑似缺陷图像输入预先训练的神经网络模型进行检测，得到第二检测结果，其中，所述第二检测结果用于表征所述疑似缺陷图像呈现的目标物品是否有缺陷。


2.根据权利要求1所述的方法，其中，所述拍摄条件包括拍摄角度和/或光照。


3.根据权利要求1所述的方法，其中，所述目标检测模型包括互不相同的至少两个目标检测模型。


4.根据权利要求3所述的方法，其中，所述对于所述在多个拍摄条件下拍摄的图像中的各个图像，基于所述目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，包括：
响应于针对该图像所述至少两个目标检测模型分别输出的第一检测结果中，表征所述目标物品有缺陷的第一检测结果的数量，大于或等于表征所述目标物品没有缺陷的第一检测结果的数量，判断该图像呈现的目标物品有缺陷。


5.根据权利要求3所述的方法，其中，所述对于所述在多个拍摄条件下拍摄的图像中的各个图像，基于所述目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，包括：
将所述至少两个目标检测模型分别输出的针对该图像的第一检测结果，输入结果汇总模型，得到该图像呈现的目标物品是否有缺陷，其中，所述结果汇总模型用于表征所述至少两个目标检测模型针对图像输出的第一检测结果，与图像呈现的目标物品是否有缺陷的对应关系。


6.根据权利要求3所述的方法，其中，所述对于所述在多个拍摄条件下拍摄的图像中的各个图像，基于所述目标检测模型输出的针对该图像的第一检测结果，判断该图像呈现的目标物品是否有缺陷，包括：
获取针对该图像所述至少两个目标检测模型分别输出的第一检测结果所对应的预设数值和权重，其中，表征所述目标物品有缺陷的第一检测结果所对应的预设数值，和表征所述目标物品没有缺陷的第一检测结果所对应的预设数值不同；
对于至少两个目标检测模型分别输出的第一检测结果所对应的预设数值进行加权，得到加权和；
响应于确定所述加权和大于或等于预设加权和阈值，判断该图像呈现的目标物品有缺陷。


7.根据权利要求1所述的方法，其中，在所述得到第二检测结果之后，所述方法还包括：
响应于各个所述疑似缺陷图像中，存在至少一个疑似缺陷图像的第二检测结果表征疑似缺陷图像呈现的目标物品有缺陷，确定所述目标物品有缺陷。


8.根据权利要求1所述的方法，其中，所述神经网络模型为可变形卷积网络；
所述第二检测结果包括缺陷信息和该缺陷信息的置信度，其中，所述缺陷信息包括缺陷类别和缺陷位置。


9.根据权利要求8所述的方法，其中，所述神经网络模型为对训练后的神经网络模型进行再次训练后得到的；
通过以下步骤对训练后的神经网络模型进行再次训练：
获取样本图像，其中，所述样本图像与在先训练得到所述神经网络模型的图像中的缺陷信息不同；
利用所述样本图像训练所述神经网络模型。


10.根据权利要求1所述的方法，其中，所述方法还包括：
对于每个所述疑似缺陷图像，确定将该疑似缺陷图像分割为的至少两个子图像，其中，所述子图像的数量大于预设数量阈值；以及
所述将所述疑似缺陷图像输入预先训练的神经网络模型进行检测，得到第二检测结果，包括：
将所述至少两个子图像分别输入所述神经网络模型，得到对所述至少两个子图像中的各个子图像的检测结果，其中，所述各个子图像的检测结果包括缺陷信息和该缺陷信息的置信度，所述缺陷信息包括缺陷类别和缺陷位置；
响应于各个子图像中的任意子图像的检测结果中的缺陷信息的置信度大于或等于预设置信度阈值，生成用于表征所述疑似缺陷图像呈现的目标物品有缺陷的第二检测结果。


11.一种缺陷检测系统，所述系统包括缺陷检测模块；
所述缺陷检测模块，用于执行如权利要求1-10之一所述的方法。


12.根据权利要求11所述的系统，其中，所述系统还包括采集模块、控制模块和分料模块；
所述采集模块，用于采集对标物品在多个拍摄条件下拍摄的图像；
所述控制模块，用于获取所述采集模块采集的图像，并发送给缺陷检测模块；
所述缺陷检测模块，还用于基于针对各个疑似缺陷图像的第二检测结果，确定检测结论，所述检测结论用于表征所述目标物品是否有缺陷；
所述控制模块，还用于根据所述检测结论，生成分料指令，将所...

【专利技术属性】
技术研发人员：苏业，矫函哲，聂磊，刘明浩，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11