【技术实现步骤摘要】
表面缺陷的检测方法、模型训练方法、装置、设备和介质
本申请实施例涉及人工智能计算机视觉、深度学习以及云计算领域,具体涉及图像识别技术。
技术介绍
在工业物品生产的过程中,存在对物品表面的缺陷进行检测的需求,且缺陷检测要求较低的漏检率和过杀率。目前对物品表面缺陷进行检测的方法,或依赖于人工识别,或可以采用自动检测方案。对于采用自动检测方案,由于物品表面的纹理复杂,很容易将物品本身的纹理识别为缺陷,导致物品的过杀率高。过杀是指将正常物品识别为有缺陷的异常物品。
技术实现思路
本申请实施例提供了一种表面缺陷的检测方法、模型训练方法、装置、设备和介质。根据第一方面,提供了一种物品表面缺陷的检测方法,包括:将待测物品表面图像输入缺陷检测模型进行缺陷检测,并获取所述缺陷检测模型输出的缺陷检测结果;根据所述缺陷检测结果,将确定为存在缺陷的缺陷物品表面图像输入图像判别模型,以对所述缺陷物品表面图像是否存在缺陷进行判别;其中,所述图像判别模型为已训练的生成对抗网络模型,所述生成对抗网络模型采用无缺陷的良品物品表面图像进行训练而得到;根据所述图像判别模型的判别结果调整所述缺陷物品表面图像的缺陷检测结果。根据第二方面,提供了一种物品表面缺陷识别模型的训练方法,包括:获取无缺陷的良品物品表面图像,作为判别训练样本;将所述判别训练样本输入生成对抗网络模型进行训练,其中,所述生成对抗网络模型包括生成网络模型和判别网络模型,所述生成网络模型用于基于判别训练样本生成 ...
【技术保护点】
1.一种物品表面缺陷的检测方法,其特征在于,包括:/n将待测物品表面图像输入缺陷检测模型进行缺陷检测,并获取所述缺陷检测模型输出的缺陷检测结果;/n根据所述缺陷检测结果,将确定为存在缺陷的缺陷物品表面图像输入图像判别模型,以对所述缺陷物品表面图像是否存在缺陷进行判别;其中,所述图像判别模型为已训练的生成对抗网络模型,所述生成对抗网络模型采用无缺陷的良品物品表面图像进行训练而得到;/n根据所述图像判别模型的判别结果调整所述缺陷物品表面图像的缺陷检测结果。/n
【技术特征摘要】
1.一种物品表面缺陷的检测方法,其特征在于,包括:
将待测物品表面图像输入缺陷检测模型进行缺陷检测,并获取所述缺陷检测模型输出的缺陷检测结果;
根据所述缺陷检测结果,将确定为存在缺陷的缺陷物品表面图像输入图像判别模型,以对所述缺陷物品表面图像是否存在缺陷进行判别;其中,所述图像判别模型为已训练的生成对抗网络模型,所述生成对抗网络模型采用无缺陷的良品物品表面图像进行训练而得到;
根据所述图像判别模型的判别结果调整所述缺陷物品表面图像的缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,所述缺陷检测模型输出的缺陷检测结果包括:物品表面所包括缺陷的外接矩形框坐标、缺陷的轮廓坐标和缺陷的类别。
3.根据权利要求1所述的方法,其特征在于,根据所述图像判别模型的判别结果调整所述缺陷物品表面图像的缺陷检测结果包括:
如果所述判别结果确定所述缺陷物品表面图像中存在缺陷,则确认所述缺陷检测模型输出的缺陷检测结果;
如果所述判别结果确定所述缺陷物品表面图像中不存在缺陷,则拒绝所述缺陷检测模型输出的缺陷检测结果。
4.根据权利要求1所述的方法,其特征在于,将待测物品表面图像输入缺陷检测模型进行缺陷检测之前,还包括:
如果待测物品表面图像的分辨率与所述缺陷检测模型的输入图像分辨率不一致,则对所述待测物品表面图像进行切分,以匹配所述输入图像分辨率。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述物品为机械加工零件。
6.一种物品表面缺陷识别模型的训练方法,其特征在于,包括:
获取无缺陷的良品物品表面图像,作为判别训练样本;
将所述判别训练样本输入生成对抗网络模型进行训练,其中,所述生成对抗网络模型包括生成网络模型和判别网络模型,所述生成网络模型用于基于判别训练样本生成良品物品表面图像,所述判别网络模型用于对生成的良品物品表面图像进行判别;所述生成对抗网络模型用于在检测阶段对已检测到缺陷的缺陷物品表面图像进行是否存在缺陷的判别。
7.根据权利要求6所述的方法,其特征在于,还包括:
获取至少一类物品表面分别对应的良品物品表面图像,并获取至少一类缺陷图像,所述缺陷图像为物品表面存在缺陷的图像;
根据所述良品物品表面图像和缺陷图像,合并生成缺陷物品表面图像,作为缺陷训练样本;
将所述缺陷训练样本和作为良品训练样本的良品物品表面图像,输入缺陷检测模型进行训练,其中,所述缺陷检测模型用于检测物品表面图像中的缺陷。
8.根据权利要求7所述的方法,其特征在于,根据所述良品物品表面图像和缺陷图像,合并生成缺陷物品表面图像包括:
根据所述良品物品表面图像和缺陷图像,基于非条件生成模型合并生成缺陷物品表面图像。
9.根据权利要求7所述的方法,其特征在于,获取至少一类物品表面分别对应的良品物品表面图像,并获...
【专利技术属性】
技术研发人员:林书妃,朱剑锋,苑鹏程,张滨,韩树民,徐英博,冯原,辛颖,王晓迪,刘静伟,文石磊,章宏武,丁二锐,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。