数据增强及装置、数据增强设备和存储介质制造方法及图纸

一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。数据增强方法包括获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。可增加出现几率较低的类型的缺陷对应的训练图像的数量，使得具有不同类型的缺陷的训练图像的数量基本相同，在后续通过数量较多的训练图像对目标检测模型进行训练时的训练效果较好，可提升目标检测模型的泛化性能，并提升目标检测模型对缺陷的检测效果。

【技术实现步骤摘要】
数据增强及装置、数据增强设备和存储介质
本申请涉及检测
，特别涉及一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。
技术介绍
目前，一般通过模板检测算法检测工件的缺陷，但模板检测算法存在过检、识别准确性较低的问题，相较而言，具有更高的检测准确性的神经网络模型则逐渐受到青睐，但目前神经网络模型在训练时，由于不同类型的缺陷的出现几率极度不均衡，导致使用深度学习方法进行晶圆缺陷识别或检测时模型泛化性能比较差，从而直接影响了最后的检测精度。
技术实现思路
本申请提供了一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。本申请实施方式的数据增强方法包括获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。本申请实施方式的数据增强装置包括第一获取模块、识别模块、第二获取模块和融合模块。所述第一获取模块用于获取具有缺陷的第本文档来自技高网...

【技术保护点】
1.一种数据增强方法，其特征在于，包括：/n获取具有缺陷的第一工件图像；/n识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；/n获取无缺陷的第二工件图像，以作为第二融合图像；及/n融合所述第一融合图像和所述第二融合图像，以获取训练图像。/n

【技术特征摘要】
1.一种数据增强方法，其特征在于，包括：
获取具有缺陷的第一工件图像；
识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；
获取无缺陷的第二工件图像，以作为第二融合图像；及
融合所述第一融合图像和所述第二融合图像，以获取训练图像。


2.根据权利要求1所述的数据增强方法，其特征在于，还包括：
在融合所述第一融合图像和所述第二融合图像前，对所述第一融合图像进行变换处理，所述变换处理包括镜像、平移、旋转、剪切和变形中至少一种。


3.根据权利要求1所述的数据增强方法，其特征在于，所述第一融合图像为多个，所述融合所述第一融合图像和所述第二融合图像，以获取训练图像，包括：
从多个所述第一融合图像中选取目标融合图像；及
将所述目标融合图像与所述第二融合图像融合，以获取所述训练图像。


4.根据权利要求1-3任一项所述的数据增强方法，其特征在于，还包括：
将所有所述训练图像作为训练集，输入至目标检测模型进行训练，以使得所述目标检测模型收敛。


5.根据权利要求4所述的数据增强方法，其特征在于，所述将所有所述训练图像作为训练集，输入至目标检测模型进行训练，以使得所述目标检测模型收敛，包括：
标注所述训练图像中与所述第一融合图像对应的所述缺陷的类型和位置，以生成验证图像；
输入所述训练集至所述目标检测模型，以输出检测结果；
根据所述验证图像和所述检测结果确定损失值；及
根据所述损失值调整所述目标检测模型，以使得目标检测模型收敛。


6.根据权利要求5所述的数据增强方法，其特征在于，所述根据所述验证图像和所述检测结果确定损失值，包括：
将所述检测结果中所述缺陷的类型和对应的所述验证图像的所述缺陷的类型进行比对，以确定类型损失值；
将所述检测结果中所...

【专利技术属性】
技术研发人员：陈鲁，肖安七，张嵩，
申请(专利权)人：深圳中科飞测科技股份有限公司，
类型：发明
国别省市：广东;44