缺陷检测方法及装置、电子装置及计算机可读存储介质制造方法及图纸

一种缺陷检测方法，所述缺陷检测方法包括：获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。本案还提供一种缺陷检测装置、一种电子装置及一种计算机可读存储介质，可避免缺陷的确定的误差。差。差。

Defect detection method and device, electronic device and computer readable storage medium

【技术实现步骤摘要】
缺陷检测方法及装置、电子装置及计算机可读存储介质


[0001]本专利技术涉及缺陷检测
，具体涉及一种缺陷检测方法及装置、电子装置及计算机可读存储介质。

技术介绍

[0002]目前的缺陷检测方法为将测试样本输入至训练好的自编码器来获得与所述测试样本对应的重构图像，并根据所述重构图像与所述测试样本之间的差异来确定所述测试样本是否有缺陷。但是，因为所述测试样本中会存在较多的杂讯，使得所述缺陷的确定有误差。

技术实现思路

[0003]鉴于此，有必要提供一种缺陷检测方法及装置、电子装置及计算机可读存储介质，可避免缺陷的确定的误差。
[0004]本申请的第一方面提供一种缺陷检测方法，所述缺陷检测方法包括：
[0005]获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；
[0006]载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；
[0007]将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
[0008]较佳地，所述自编码器及所述自回归网络为增加有自回归网络的所述自编码器的架构。
[0009]较佳地，所述将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果包括：
[0010]将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出概率值；
[0011]根据所述概率值输出测试结果。
[0012]较佳地，所述自回归网络的输出层为softmax层。
[0013]较佳地，所述自回归网络包括依序连接的7x7卷积核、多个残差模块、多个1x1卷积层及所述softmax层。
[0014]较佳地，若所述概率值趋近于0，所述测试结果为所述测试样本不存在缺陷；
[0015]若所述概率值趋近于1，所述测试结果为所述测试样本存在缺陷。
[0016]较佳地，所述缺陷检测方法还包括：
[0017]获取正常训练样本；
[0018]将所述正常训练样本输入至所述自编码器来对所述正常训练样本进行编码得到训练编码特征；
[0019]将所述训练编码特征输入至所述自回归网络进行训练来产生所述自编码器及所述自回归网络的训练权重。
[0020]本申请的第二方面提供一种缺陷检测装置，所述缺陷检测装置包括：
[0021]训练权重获取模块，用于获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；
[0022]测试编码模块，用于载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；
[0023]输出模块，用于将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
[0024]本申请的第三方面提供一种电子装置，所述电子装置包括一个或多个处理器及存储器，所述处理器用于执行所述存储器中存储的至少一个指令时实现如上任意一项所述的缺陷检测方法。
[0025]本申请的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行以实现如上任意一项所述的缺陷检测方法。
[0026]本案通过获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重，载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征，将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种，可直接利用测试样本的精华来确定所述测试样本是否存在缺陷，不是直接利用测试样本来确定所述测试样本是否存在缺陷，且无需与测试样本进行比较，从而避免了所述测试样本中的杂讯，可避免缺陷的确定的误差。
附图说明
[0027]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1是本专利技术实施例一提供的缺陷检测装置的方框图。
[0029]图2是本专利技术实施例二提供的缺陷检测装置的方框图。
[0030]图3是本专利技术实施例三提供的缺陷检测方法的流程图。
[0031]图4是本专利技术实施例四提供的缺陷检测方法的流程图。
[0032]图5是本专利技术实施例五提供的电子装置的方框图。
[0033]如下具体实施方式将结合上述附图进一步说明本专利技术。
[0034]主要元件符号说明
[0035]缺陷检测装置
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
10，20
[0036]训练权重获取模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
101，204
[0037]测试编码模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
102，205
[0038]输出模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
103，206
[0039]训练样本获取模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
201
[0040]训练编码模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
202
[0041]训练权重产生模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
203
[0042]电子装置
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ5[0043]存储器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
51
[0044]处理器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
52
[0045]计算机程序
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
53
[0046]如下具体实施方式将结合上述附图进一步说明本专利技术。
具体实施方式
[0047]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0048]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0049]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员本文档来自技高网...

【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，所述缺陷检测方法包括：获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。2.如权利要求1所述的缺陷检测方法，其特征在于：所述自编码器及所述自回归网络为增加有自回归网络的所述自编码器的架构。3.如权利要求1所述的缺陷检测方法，其特征在于，所述将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果包括：将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出概率值；根据所述概率值输出测试结果。4.如权利要求3所述的缺陷检测方法，其特征在于：所述自回归网络的输出层为softmax层。5.如权利要求4所述的缺陷检测方法，其特征在于：所述自回归网络包括依序连接的7x7卷积核、多个残差模块、多个1x1卷积层及所述softmax层。6.如权利要求3所述的缺陷检测方法，其特征在于：若所述概率值趋近于0，所述测试结果为所述测试样本不存在缺陷；若所述概率值趋近于1...

【专利技术属性】
技术研发人员：蔡东佐，郭锦斌，林子甄，简士超，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：