瑕疵检测方法、电子装置及存储介质制造方法及图纸

本发明专利技术提供一种瑕疵检测方法，包括：将待检测的多个产品图像划分为线性图像或非线性图像；根据多个降维算法对经过图像划分的所述产品图像进行降维处理而得到多个降维数据；确定多个所述降维数据中的最佳降维数据；将所述最佳降维数据输入高斯混合模型而得到所述产品图像的评分数据；将所述评分数据与阈值进行比对，判断所述评分数据是否小于所述阈值；及当所述评分数据小于所述阈值时，确定所述产品图像中存在瑕疵。本发明专利技术还提供一种电子装置及存储介质。本发明专利技术在数据处理过程中无需进行卷积特征的提取，简化了运算过程，避免丢失信息，从而有效提高了瑕疵检测的准确度。从而有效提高了瑕疵检测的准确度。从而有效提高了瑕疵检测的准确度。

【技术实现步骤摘要】
瑕疵检测方法、电子装置及存储介质


[0001]本专利技术涉及外观检测
，尤其涉及一种瑕疵检测方法、电子装置及存储介质。

技术介绍

[0002]随着科学技术的发展，基于深度学习的神经网络模型，例如卷积神经网络，广泛应用于人工智能领域，可以实现各种功能的自动化，例如调制数据、图像数据等数据的自动化检测及分类。在对图像数据中的瑕疵信号进行检测时，通常需要根据数据集训练卷积神经网络，并对训练过程中的最后一层卷积层进行特征提取，然后进行后续的瑕疵信号检测。然而，当原始图像数据的相似性较高时，提取的特征的相似性也会较高而不易分类，从而降低瑕疵信号的检测准确度。

技术实现思路

[0003]有鉴于此，有必要提供一种瑕疵检测方法、电子装置及存储介质，对于待检测的图像数据直接进行降维处理，并结合高斯混合模型进行瑕疵检测，以提高检测准确度。
[0004]本专利技术的第一方面提供一种瑕疵检测方法，所述方法包括：
[0005]将待检测的多个产品图像划分为线性图像或非线性图像；
[0006]根据多个降维算法对经过图像划分的所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瑕疵检测方法，其特征在于，所述方法包括：将待检测的多个产品图像划分为线性图像或非线性图像；根据多个降维算法对经过图像划分的所述产品图像进行降维处理而得到多个降维数据；确定多个所述降维数据中的最佳降维数据；将所述最佳降维数据输入高斯混合模型而得到所述产品图像的评分数据；将所述评分数据与阈值进行比对，判断所述评分数据是否小于所述阈值；及当所述评分数据小于所述阈值时，确定所述产品图像中存在瑕疵。2.如权利要求1所述的瑕疵检测方法，其特征在于，所述方法还包括：当所述评分数据大于或等于所述阈值时，确定所述产品图像中不存在瑕疵。3.如权利要求1所述的瑕疵检测方法，其特征在于，所述将待检测的多个产品图像划分为线性图像或非线性图像包括：对待检测的所述产品图像进行归一化处理；将所述产品图像的像素值输入线性评分函数而得到线性图像及非线性图像的分类分值；判断所述线性图像的分类分值是否大于所述非线性图像的分类分值；当判定所述线性图像的分类分值大于所述非线性图像的分类分值时，将所述产品图像划分为线性图像；及当所述线性图像的分类分值不大于所述非线性图像的分类分值时，将所述产品图像划分为非线性图像。4.如权利要求1所述的瑕疵检测方法，其特征在于，所述根据多个降维算法对经过图像划分的所述产品图像进行降维处理而得到多个降维数据包括：当所述产品图像为线性图像时，分别采用主成分分析算法及随机投影算法对所述产品图像进行降维；及当所述产品图像为非线性图...

【专利技术属性】
技术研发人员：林子甄，蔡东佐，郭锦斌，
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：