产品缺陷检测方法和装置制造方法及图纸

本发明专利技术提供了一种产品缺陷检测方法和装置，其中，所述方法包括以下步骤：构建可变形卷积缺陷检测模型；获取待检测产品的图像数据；均衡处理图像数据以得到样本数据；根据样本数据训练可变形卷积缺陷检测模型；采用训练后可变形卷积缺陷检测模型对待检测产品进行缺陷检测。本发明专利技术能够保证样本数据的均衡性，从而能够防止可变形卷积缺陷检测模型的过度训练，此外，还能够增强可变形卷积缺陷检测模型的泛化能力和鲁棒性，进而能够提升可变形卷积缺陷检测模型的跨平台性能。检测模型的跨平台性能。检测模型的跨平台性能。

【技术实现步骤摘要】
产品缺陷检测方法和装置


[0001]本专利技术涉及缺陷检测
，具体涉及一种产品缺陷检测方法和一种产品缺陷检测装置。

技术介绍

[0002]深度学习应用在手机表面缺陷检测的训练过程中，既要考虑到不同缺陷样本类别的不均衡性，同时也要考虑到模型的泛化能力。不同的手机项目一般需要构建新的检测模型，并重新进行训练，导致模型的泛化能力较弱，此外，不同的手机表面纹理、颜色都不一样，如何建立泛化能力较强的模型面临较大的挑战。

技术实现思路

[0003]本专利技术为解决上述技术问题，提供了一种产品缺陷检测方法，能够保证样本数据的均衡性，从而能够防止可变形卷积缺陷检测模型的过度训练，此外，还能够增强可变形卷积缺陷检测模型的泛化能力和鲁棒性，进而能够提升可变形卷积缺陷检测模型的跨平台性能。
[0004]本专利技术采用的技术方案如下：一种产品缺陷检测方法，包括以下步骤：构建可变形卷积缺陷检测模型；获取待检测产品的图像数据；均衡处理所述图像数据以得到样本数据；根据所述样本数据训练所述可变形卷积缺陷检测模型；采用训练后所述可变形卷积缺陷检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品缺陷检测方法，其特征在于，包括以下步骤：构建可变形卷积缺陷检测模型；获取待检测产品的图像数据；均衡处理所述图像数据以得到样本数据；根据所述样本数据训练所述可变形卷积缺陷检测模型；采用训练后所述可变形卷积缺陷检测模型对所述待检测产品进行缺陷检测。2.根据权利要求1所述的产品缺陷检测方法，其特征在于，所述可变形卷积缺陷检测模型包括第一检测模块、第二检测模块、第三检测模块和第四检测模块，所述第二检测模块分别与所述第一检测模块和所述第三检测模块相连，所述第二检测模块和所述第三检测模块通过ROI Align网络连接所述第四检测模块，其中，所述第一检测模块为残差网络，具体包括第一梯度、第二梯度、第三梯度和第四梯度，并且所述第一梯度、所述第二梯度、所述第三梯度和所述第四梯度均由层叠残差网络构成；所述第二检测模块为FPN网络；所述第三检测模块为RPN网络；所述第四检测模块为Head网络。3.根据权利要求2所述的产品缺陷检测方法，其特征在于，所述层叠残差网络包括第一类层叠残差网络和第二类层叠残差网络，其中，所述第一类层叠残差网络包含DCL网络，所述第二类层叠残差网络不包含DCL网络。4.根据权利要求3所述的产品缺陷检测方法，其特征在于，其中，所述第一梯度包括三个所述第二类层叠残差网络；所述第二梯度包括四个所述第一类层叠残差网络；所述第三梯度包括六个所述第一类层叠残差网络；所述第四梯度包括三个所述第一类层叠残差网络。5.根据权利要求4所述的产品缺陷检测方法，其特征在于，所述待检测产品包括多个项目平台产品，所述图像数据包括所述多个项目平台产品的图像数据...

【专利技术属性】
技术研发人员：卞庆林，郭骏，潘正颐，侯大为，倪文渊，
申请(专利权)人：常州微亿智造科技有限公司，
类型：发明
国别省市：