零部件的检测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种零部件的检测方法、装置、电子设备及存储介质，涉及人工智能中计算机视觉、深度学习和云计算技术领域，具体用于工业质检方面。具体实现方案为：获取待检测零部件的待检测图像，根据待检测图像和预先设置的检测模型，生成待检测零部件的质量检测信息，其中，检测模型是基于次品样本图像、良品样本图像及神经网络模型生成的，且良品样本图像为包括伪缺陷信息的图像，通过结合包括伪缺陷信息的良品样本图像生成检测模型，使得检测模型可以学到良品的零部件的相关特征，从而降低对零部件检测的错误率，提高检测的准确性和可靠性。

【技术实现步骤摘要】
零部件的检测方法、装置、电子设备及存储介质
本申请涉及人工智能中计算机视觉、深度学习和云计算
，具体用于工业质检方面，具体涉及一种零部件的检测方法、装置、电子设备及存储介质。
技术介绍
随着工业现代化程度的提高，机器被广泛地应用于各个行业，如电子、化工、航空航天等，而零部件是机器的基本组成要素。在现有技术中，对零部件的检测的方法为：获取次品零部件，根据次品零部件和神经网络模型生成检测模型，并根据该检测模型对待检测的零部件进行检测。然而专利技术人在实现本申请的过程中，发现至少存在如下问题：检测的误差偏高。
技术实现思路
提供了一种用于降低检测的误差的零部件的检测方法、装置、电子设备、存储介质。根据第一方面，提供了一种零部件的检测方法，包括：获取待检测零部件的待检测图像；根据所述待检测图像和预先设置的检测模型，生成所述待检测零部件的质量检测信息，其中，所述检测模型是基于次品样本图像、良品样本图像及神经网络模型生成的，且所述良品样本图像为包括伪缺陷信息的图像。在本申请实施例中，通过结合包括伪缺陷信息的图像的良品样本图像生成检测模型，可以提高检测的准确性和可靠性的技术效果。根据第二方面，本申请实施例提供了零部件的检测装置，包括：第一获取模块，用于获取待检测零部件的待检测图像；第一生成模块，用于根据所述待检测图像和预先设置的检测模型，生成所述待检测零部件的质量检测信息，其中，所述检测模型是基于次品样本图像、良品样本图像及神经网络模型生成的，且所述良品样本图像为包括伪缺陷信息的图像。根据第三方面，本申请实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例所述的方法。根据第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。根据第五方面，本申请实施例提供了一种工业零部件的缺陷检测方法，包括：获取待检测工业零部件的待检测图像；根据所述待检测图像和预先设置的缺陷检测模型，生成所述待检测零部件的缺陷类型和缺陷位置，其中，所述缺陷检测模型是基于次品样本图像和良品样本图像对神经网络模型进行训练生成的，且所述良品样本图像为包括伪缺陷信息的图像。根据本申请的通过结合包括伪缺陷信息的良品样本图像生成检测模型技术，解决了现有技术中检测的误差偏高的问题，从而降低了对零部件检测的错误率，提高了检测的准确性和可靠性的技术效果。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1为本申请实施例的零部件的检测方法的示例性的系统框架的示意图；图2为本申请一个实施例的零部件的检测方法的流程示意图；图3为本申请实施例的工业零部件的缺陷检测方法的流程示意图；图4为本申请另一实施例的零部件的检测方法的流程示意图；图5为本申请另一实施例的零部件的检测方法的流程示意图；图6为本申请实施例的生成待检测零部件的质量检测信息的流程示意图；图7为本申请一个实施例的零部件的检测装置的示意图；图8为本申请另一实施例的零部件的检测装置的示意图；图9为本申请实施例的电子设备的框图。具体实施方式以下结合附图对本申请实施例的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请实施例的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。请参阅图1，图1为本申请实施例的零部件的检测方法的示例性的系统框架的示意图。如图1所示，系统框架可以包括图像采集装置100，服务器300，以及为图像采集装置100和服务器300提供通信链路的网络200。其中，图像采集装置100可以为硬件，也可以为软件。当图像采集装置100为硬件时，图像采集装置100可以为支持图像采集功能的各种电子设备，如摄像头、摄像机、相机及智能终端(如智能手环和笔记本电脑等)，等等；当图像采集装置100为软件时，该软件可以安装于上述电子设备中，用于实现图像采集功能，且该软件可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做限定。同理，服务器300可以为硬件，也可以为软件。当服务器300为硬件时，服务器300可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；当服务器300为软件时，可以实现成多个软件或软件模块(例如用于提供分布式服务)，也可以实现成单个软件或软件模型，在此不做限定。其中，网络200可以包括各种连接类别，如有线、无线通信链路或者光纤电缆，等等。值得说明地是，图1中的图像采集装置100、网络200及服务器300的数目仅仅是示意性的，根据实际需要，可以具有任意数目的图像采集装置100、网络200及服务器300。在如图1所示的系统框架中，图像采集装置100可以对零部件的图像进行采集，并通过网络200将图像发送至服务器300，服务器300可以基于预先存储的检测模型对图像进行检测，以确定零部件为次品，或者为良品，且当服务器300确定出零部件为次品时，还可以确定出零部件的缺陷类型，如刮痕等，还可以确定出零部件的缺陷位置，如缺陷在零部件中的坐标，等等。其中，图像采集装置100采集的可以为工业制造中的工业零部件的图像。在相关技术中，通常采用的零部件的检测方法为：获取次品零部件，根据次品零部件和神经网络模型生成检测模型，并根据该检测模型对待检测的零部件进行检测。通过相关技术中的方法，存在检测的误差偏高的问题，且在同一位置出现检测误差的可能性尤其偏高。本申请的专利技术人在经过创造性劳动之后，得到了本申请的专利技术构思：在用于训练神经网络模型中的训练样本中增加良品零部件的样本图像，以使得训练得到的检测模型具有良品零部件的检测能力，从而降低检测的误差，提高检测的准确性。下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。根据本申请实施例的一个方面，本申请实施例提供了一种零部件的检测方法，该零部件的检测方法可以应用于如图1所示的系统框架中。请参阅图2，图2为本申请一个实施例的零部件的检测方法的流程示意图。如图2所示，该方本文档来自技高网...

【技术保护点】
1.一种零部件的检测方法，包括：/n获取待检测零部件的待检测图像；/n根据所述待检测图像和预先设置的检测模型，生成所述待检测零部件的质量检测信息，其中，所述检测模型是基于次品样本图像、良品样本图像及神经网络模型生成的，且所述良品样本图像为包括伪缺陷信息的图像。/n

【技术特征摘要】
1.一种零部件的检测方法，包括：
获取待检测零部件的待检测图像；
根据所述待检测图像和预先设置的检测模型，生成所述待检测零部件的质量检测信息，其中，所述检测模型是基于次品样本图像、良品样本图像及神经网络模型生成的，且所述良品样本图像为包括伪缺陷信息的图像。


2.根据权利要求1所述的方法，还包括：
分别获取所述次品样本图像和所述良品样本图像；
对所述次品样本图像和所述良品样本图像分别进行切图，生成训练集；
根据所述训练集对所述神经网络模型进行训练，生成所述检测模型。


3.根据权利要求2所述的方法，其中，所述对所述次品样本图像和所述良品样本图像分别进行切图，生成训练集包括：
基于次品样本的不同表面对所述次品样本图像进行切图，生成次品样本训练图像；
基于良品样本的不同表面对所述良品样本图像进行切图，生成良品样本训练图像；
所述训练集包括所述次品样本训练图像和所述良品样本训练图像。


4.根据权利要求3所述的方法，还包括：
获取历史检测记录中，被误判为次品的零部件；
根据所述被误判为次品的零部件在所述良品样本训练图像上生成所述伪缺陷信息。


5.根据权利要求4所述的方法，其中，所述根据所述被误判为次品的零部件在所述良品样本训练图像上生成伪缺陷信息包括：
确定所述被误判为次品的零部件的缺陷的位置信息；
根据所述位置信息在所述良品样本训练图像上生成所述伪缺陷信息。


6.根据权利要求3所述的方法，还包括：
对所述训练集中的各图像进行相同分辨率处理。


7.根据权利要求1至6中任一项所述的方法，还包括：
基于所述待检测零部件的不同表面对所述待检测图像进行切图，生成多个目标图像；
以及所述根据所述待检测图像和预先设置的检测模型，生成所述待检测零部件的质量检测信息包括：根据多个所述目标图像和所述检测模型，生成所述质量检测信息。


8.根据权利要求7所述的方法，其中，所述根据多个所述目标图像和所述检测模型，生成所述质量检测信息包括：
根据多个所述目标图像和所述检测模型，生成各所述目标图像各自对应的检测信息；
对各所述检测信息进行去重处理，生成所述质量检测信息。


9.根据权利要求8所述的方法，其中，所述检测信息包括初始缺陷类型和初始缺陷位置，所述对各所述检测信息进行去重处理，生成所述质量检测信息包括：
根据各所述初始缺陷位置确定缺陷在所述待检测图像中的各映射位置；
对各所述映射位置进行去重处理，生成目标缺陷位置；
对各所述目标图像的初始缺陷类型进行去重处理，生成目标缺陷类型，所述质量检测信息包括所述目标缺陷位置和所述目标缺陷类型。


10.一种零部件的检测装置，包括：
第一获取模块，用于获取待检测零部件的待检测图像；
第一生成模块，用于根据所述待检测图像和预先设置的...

【专利技术属性】
技术研发人员：林书妃，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