一种缺陷检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供了一种缺陷检测方法、装置、电子设备及存储介质，所述方法包括：获取已标注的图像样本，建立数据集，所述图像样本由两个图像块组成且所述图像样本的标注为同类或不同类，所述图像块具有基于多个颜色空间确定的特征向量；构建基于打分网络的缺陷检测模型结构；根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型；获取待检测的木板照片，所述木板照片基于所述多个颜色空间确定每个像素点的特征向量；根据所述缺陷检测模型，获取所述木板照片每个像素点的量化分数；根据每个像素点的所述量化分数，识别木板的缺陷。这样，只需要提供一种颜色缺陷对应的图像样本，即可对该缺陷进行检测，大大精简了工作量。量。量。

【技术实现步骤摘要】
一种缺陷检测方法、装置、电子设备和存储介质


[0001]本专利技术涉及图片识别
，具体而言，涉及一种缺陷检测方法、装置、电子设备和存储介质。

技术介绍

[0002]颜色缺陷识别和颜色缺陷检测是工业制造领域质检环节的常见环节，其目的是将：制造品的颜色划分为某一属类，采用相对应的生产工艺进行加工处理，确保产品颜色一致或按颜色分为多个类别进行销售；发现制造品上某些非正常的颜色分布，如不均匀、脏污等，对其进行相应的处理避免颜色品相差的制造品流入市场；某些制造品的颜色特性与某些缺陷相关，检测颜色特性能否辅助检测相关缺陷。现有的颜色缺陷检测，一般包括深浅检测、颜色检测、双色检测、蓝变检测、矿物线检测、色差检测。
[0003]针对上述缺陷，现有检测的具体方式，一般是针对不同的缺陷，单独设计不同的检测模型，进行单独训练和检测；但是这对于现有的颜色缺陷而言，工作量太过于复杂。
[0004]有鉴于此，提供一种可以分别用于多种颜色缺陷检测的缺陷检测方案。

技术实现思路

[0005]本专利技术解决的问题是现有的多种颜色缺陷检测，需要单独设计检测模型和检测方法，太过于复杂。
[0006]为解决上述问题，本专利技术首先提供一种缺陷检测方法，其包括：
[0007]获取已标注的图像样本，建立数据集，所述图像样本由两个图像块组成且所述图像样本的标注为同类或不同类，所述图像块具有基于多个颜色空间确定的特征向量；
[0008]构建基于打分网络的缺陷检测模型结构；
[0009]根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型；
[0010]获取待检测的木板照片，所述木板照片基于所述多个颜色空间确定每个像素点的特征向量；
[0011]根据所述缺陷检测模型，获取所述木板照片每个像素点的量化分数；
[0012]根据每个像素点的所述量化分数，识别木板的缺陷。
[0013]优选地，所述缺陷检测模型结构包括打分网络和差分层，所述数据集包括训练集和验证集；
[0014]所述根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型，包括：
[0015]遍历所述训练集，根据所述打分网络，获得所述图像样本的两个图像块中每个图像块的颜色得分；
[0016]根据两个图像块的颜色得分，通过所述差分层确定所述图像样本的颜色分差；
[0017]根据所述图像样本的颜色分差和标注，通过损失函数计算损失值；
[0018]通过所述损失值更新所述缺陷检测模型结构的参数；
[0019]遍历所述验证集，根据当前更新的所述缺陷检测模型结构，确定所述验证集中所述图像样本的颜色分差；
[0020]根据所述验证集中图像样本的颜色分差和标注，统计所述颜色分差的准确率；
[0021]根据所述准确率对所述缺陷检测模型结构进行迭代，得到所述缺陷检测模型。
[0022]优选地，所述多个颜色空间包括RGB颜色空间、HSV颜色空间、HLS颜色空间、Lab颜色空间、Luv颜色空间、YCrCb颜色空间和XYZ颜色空间中的至少三个。
[0023]优选地，所述图像块的颜色得分，处于零对称的区间【
‑
10,10】内。
[0024]优选地，所述获取已标注的图像样本，包括：
[0025]采集多个木板照片，不同木板照片的深浅程度不同；
[0026]从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；
[0027]若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。
[0028]优选地，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：
[0029]获取进行深浅分类的类别数目；
[0030]根据所述类别数目对所述量化分数所对应的零对称区间进行等分；
[0031]根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；
[0032]根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的深浅类别。
[0033]优选地，所述获取已标注的图像样本，包括：
[0034]采集多个木板照片，不同木板照片的颜色不同；
[0035]从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；
[0036]若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。
[0037]优选地，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：
[0038]获取进行颜色分类的类别数目；
[0039]根据所述类别数目对所述量化分数所对应的零对称区间进行等分；
[0040]根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；
[0041]根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的颜色类别。
[0042]优选地，所述获取已标注的图像样本，包括：
[0043]采集多个木板照片，所述木板照片中的木板上具有两种色调且两种色调之间具有明显分界；
[0044]从每个木板照片中切出多个图像块，将同一个木板照片中的所述图像块随机两两组合为图像样本；
[0045]若所述图像样本的两个图像块来自同一个木板照片中的相同色调区域，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自同一个木板照片中的不同色调区域，则将所述图像样本标注为不同类。
[0046]优选地，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：
[0047]根据所述木板照片每个像素点的量化分数和坐标，通过聚类将其划分为两个类
别；
[0048]根据类别中像素点的量化分数，分别计算两个类别的平均量化分数，确定两个类别的平均量化分差；
[0049]在两个类别的所述平均量化分差大于第一预设阈值时，确定所述木板照片具有双色缺陷。
[0050]优选地，所述根据每个像素点的所述量化分数，识别木板的缺陷，还包括：
[0051]根据像素点的量化分数，生成所述木板照片的量化分数图；
[0052]根据所述像素点的类别，通过边缘检测算法在所述量化分数图上检测出直线，作为双色缺陷的分界线；
[0053]根据所述分界线，确定所述木板照片中双色的宽度。
[0054]优选地，所述获取已标注的图像样本，包括：
[0055]采集多个木板照片，所述木板照片中的木板上具有蓝变且不同木板照片的蓝变程度不一致；
[0056]从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；
[0057]若所述图像样本的两个图像块均来自非蓝变区域或者均来自蓝变区域且蓝变程度一致，则将所述图像样本标注为同类，否则，将所述图像样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括：获取已标注的图像样本，建立数据集，所述图像样本由两个图像块组成且所述图像样本的标注为同类或不同类，所述图像块具有基于多个颜色空间确定的特征向量；构建基于打分网络的缺陷检测模型结构；根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型；获取待检测的木板照片，所述木板照片基于所述多个颜色空间确定每个像素点的特征向量；根据所述缺陷检测模型，获取所述木板照片每个像素点的量化分数；根据每个像素点的所述量化分数，识别木板的缺陷。2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型结构包括打分网络和差分层，所述数据集包括训练集和验证集；所述根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型，包括：遍历所述训练集，根据所述打分网络，获得所述图像样本的两个图像块中每个图像块的颜色得分；根据两个图像块的颜色得分，通过所述差分层确定所述图像样本的颜色分差；根据所述图像样本的颜色分差和标注，通过损失函数计算损失值；通过所述损失值更新所述缺陷检测模型结构的参数；遍历所述验证集，根据当前更新的所述缺陷检测模型结构，确定所述验证集中所述图像样本的颜色分差；根据所述验证集中图像样本的颜色分差和标注，统计所述颜色分差的准确率；根据所述准确率对所述缺陷检测模型结构进行迭代，得到所述缺陷检测模型。3.根据权利要求1所述的方法，其特征在于，所述多个颜色空间包括RGB颜色空间、HSV颜色空间、HLS颜色空间、Lab颜色空间、Luv颜色空间、YCrCb颜色空间和XYZ颜色空间中的至少三个。4.根据权利要求2所述的方法，其特征在于，所述图像块的颜色得分，处于零对称的区间【
‑
10,10】内。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述获取已标注的图像样本，包括：采集多个木板照片，不同木板照片的深浅程度不同；从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。6.根据权利要求5所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：获取进行深浅分类的类别数目；根据所述类别数目对所述量化分数所对应的零对称区间进行等分；根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的深浅类别。7.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述获取已标注的图像样本，
包括：采集多个木板照片，不同木板照片的颜色不同；从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。8.根据权利要求7所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：获取进行颜色分类的类别数目；根据所述类别数目对所述量化分数所对应的零对称区间进行等分；根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的颜色类别。9.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述获取已标注的图像样本，包括：采集多个木板照片，所述木板照片中的木板上具有两种色调且两种色调之间具有明显分界；从每个木板照片中切出多个图像块，将同一个木板照片中的所述图像块随机两两组合为图像样本；若所述图像样本的两个图像块来自同一个木板照片中的相同色调区域，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自同一个木板照片中的不同色调区域，则将所述图像样本标注为不同类。10.根据权利要求9所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：根据所述木板照片每个像素点的量化分数和坐标，通过聚类将其划分为两个类别；根据类别中像素点的量化分数，分别计算两个类别的平均量化分数，确定两个类别的平均量化分差；在两个类别的所述平均量化分差大于第一预设阈值时，确定所述木板照片具有双色缺陷。11.根据权利要求10所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，还包括：根据像素...

【专利技术属性】
技术研发人员：王福伟，王建凯，刘秋荣，陈曦，麻志毅，
申请(专利权)人：浙江省北大信息技术高等研究院，
类型：发明
国别省市：