电容缺陷检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公布了提供一种电容缺陷检测方法，包括：获取待检测图像，所述待检测图像包括待检测电容；将所述待检测图像进行随机切块，得到若干个图像块；将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，得到电容缺陷检测结果，所述预先训练好的电容缺陷检测模型包括用于对所述待检测图像进行第一特征提取操作的第一网络、用于对所述图像块进行第二特征提取操作的第二网络以及用于特征解码的解码网络。通过第一特征提取操作对待检测图像进行全局特征提取，和通过第二特征提取操作对图像块进行局部特征提取，可以从局部特征挖掘出电容缺陷的信息表征，从而提高了电容缺陷的检测准确度。

【技术实现步骤摘要】
电容缺陷检测方法、装置、电子设备及存储介质
本专利技术涉及人工智能领域，更具体的说，是涉及一种电容缺陷检测方法、装置、电子设备及存储介质。
技术介绍
随着我国工业的发展壮大，各行各业对电子元器件的需求也越来越大。电容作为使用最普遍的电子元器件之一，各大生产厂家面对其日益增长的市场需求，早已实现了电容规模化、批量化生产。但是对于电容器外观缺陷，生产厂家多采用人工检测，效率低下，出错率高，成本也日益增加。近年来，机器视觉技术日益成熟，在工业自动化方面发挥着举足轻重的作用。机器视觉技术可以应用在物品外观缺陷的检测中，能够模拟人眼进行外观缺陷检测，效率更高，准确性更加可靠，同时成本更低，有效提升生产效率。物品表面缺陷检测的方法多种多样，传统的基于机器视觉的表面缺陷检测方法已经得到广泛的研究和应用，但这些方法还是存在很多不足的地方。主要难点在于，不同的检测任务背景纹理各异，缺陷种类多且不规则，基于结构和模板匹配的方法难以应对复杂的背景；统计学方法和基于特征分类的方法很难设计出能够有效区分缺陷模式和正常模式的特征算子，而在电容器检测任务中，陷分割任务中可能本文档来自技高网...

【技术保护点】
1.一种电容缺陷检测方法，其特征在于，所述方法包括：/n获取待检测图像，所述待检测图像包括待检测电容；/n将所述待检测图像进行随机切块，得到若干个图像块；/n将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，得到电容缺陷检测结果，所述预先训练好的电容缺陷检测模型包括用于对所述待检测图像进行第一特征提取操作的第一网络、用于对所述图像块进行第二特征提取操作的第二网络以及用于特征解码的解码网络。/n

【技术特征摘要】
1.一种电容缺陷检测方法，其特征在于，所述方法包括：
获取待检测图像，所述待检测图像包括待检测电容；
将所述待检测图像进行随机切块，得到若干个图像块；
将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，得到电容缺陷检测结果，所述预先训练好的电容缺陷检测模型包括用于对所述待检测图像进行第一特征提取操作的第一网络、用于对所述图像块进行第二特征提取操作的第二网络以及用于特征解码的解码网络。


2.如权利要求1所述的电容缺陷检测方法，其特征在于，所述将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，包括：
通过所述第一网络对所述待检测图像进行第一特征提取操作，得到所述待检测图像在所述第一网络中不同深度时提取出的第一特征与第二特征，所述第一特征的提取深度小于所述第二特征的提取深度。


3.如权利要求2所述的电容缺陷检测方法，其特征在于，所述将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，还包括：
通过所述第二网络对所述图像块进行第二特征提取操作，得到所述图像块对应的第三特征。


4.如权利要求3所述的电容缺陷检测方法，其特征在于，所述将所述待检测图像与所述图像块输入预先训练好的电容缺陷检测模型中进行缺陷进行特征提取和特征解码，还包括：
通过所述解码网络对所述第一特征、第二特征与所述第三特征进行特征融合，得到待解码特征，并对所述待解码特征进行特征解码。


5.如权利要求4所述的电容缺陷检测方法，其特征在于，所述将所述第一特征、第二特征与所述第三特征进行特征融合，得到待解码特征，对所述待解码特征进行解码，还包括：
对所述第二特征进行第一上采样，得到与所述第一特征尺度相同的第一上采样特征，并将所述第一特征与所述第一上采样特征进行第一融合，得到第一融合特征；
对所述第一融合特征进行第二上采样，得到所述第三特征尺度相同的第二上采样特征，并将所述第三特征与所述第二上采样特征进行第二融...

【专利技术属性】
技术研发人员：朱焱，姜浩，王少军，蔡权雄，牛昕宇，
申请(专利权)人：山东产研鲲云人工智能研究院有限公司，
类型：发明
国别省市：山东;37