基于正常样本辅助特征提取的注塑件瑕疵检测方法、装置及介质制造方法及图纸

本发明专利技术公开了一种基于正常样本辅助特征提取的注塑件瑕疵检测方法、装置、计算机设备和存储介质，该方法包括：获取训练数据集，构建网络模型；利用网络模型对训练数据集中有瑕疵图像和无瑕疵图像进行特征提取，得到瑕疵样本特征和正常样本特征；进而对两者进行特征融合，得到不同尺度的融合特征图；然后对融合特征图进行处理，生成瑕疵候选框；最后对瑕疵候选框进行瑕疵特征识别，得到预测结果；根据预测结果和训练数据集中人工标注的瑕疵信息，训练网络模型；将待测的注塑件图像输入训练好的网络模型，完成瑕疵的检测与分类。本发明专利技术能够提取注塑件图像中精确的瑕疵区域特征，获得准确的瑕疵类型识别与目标位置，为注塑机制备工艺提供指导性意见。艺提供指导性意见。艺提供指导性意见。

【技术实现步骤摘要】
基于正常样本辅助特征提取的注塑件瑕疵检测方法、装置及介质


[0001]本专利技术涉及深度学习应用
，具体涉及一种基于正常样本辅助特征提取的注塑件瑕疵检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着现代工业制造能力的不断进步，以注塑成型为主要生产方式的塑料注塑件被广泛的使用。注塑件的外观品质往往受到注塑材料、注塑成型机以及成型环境等多种因素的影响，从而产生各种各样的瑕疵，如缺料、缩水和气泡等。这些不良缺陷都可能会使注塑产品在使用过程中出现问题，从而给生产带来极大的浪费，既影响了生产效率，也增加了产品的成本。因此，必须对注塑件进行外观缺陷检测。
[0003]现阶段市场中的注塑件的瑕疵检测都是依靠人工进行操作，工作强度大，且检测稳定性难以保证。因此，迫切需要在注塑件生产过程中提高对注塑件的瑕疵检测能力，进而可以对制作工艺进行预警与改进，提升注塑件的产品品质。
[0004]近年来，人工智能领域已经被提到国家重点建设的范围。这预示着人工智能与制作工业的结合是我国朝着智能化方向发展的必然趋势，对推动行业朝智能化、自动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于正常样本辅助特征提取的注塑件瑕疵检测方法，其特征在于，所述方法包括：获取训练数据集，所述训练数据集包括正常样本数据集和瑕疵样本数据集；构建网络模型，所述网络模型包括瑕疵样本特征提取子网络、正常样本特征提取子网络、特征金字塔子网络、区域生成子网络和瑕疵分类子网络；其中，利用所述瑕疵样本特征提取子网络对所述瑕疵样本数据集中的有瑕疵图像进行特征提取，得到瑕疵样本特征；利用所述正常样本特征提取子网络对所述正常样本数据集中的无瑕疵图像进行特征提取，得到正常样本特征；利用所述特征金字塔子网络对所述瑕疵样本特征与所述正常样本特征进行特征融合，得到多张不同尺度的融合特征图；利用所述区域生成子网络对所述融合特征图进行处理，生成瑕疵目标候选框集合；利用所述瑕疵分类子网络对所述瑕疵目标候选框集合中的瑕疵特征进行识别，得到所述网络模型的预测结果；根据所述预测结果和所述瑕疵样本数据集中的人工标注的瑕疵信息，优化所述网络模型的损失函数，得到训练好的网络模型；将待测的注塑件图像输入所述训练好的网络模型，完成瑕疵的检测与分类。2.根据权利要求1所述的注塑件瑕疵检测方法，其特征在于，所述瑕疵样本特征包括四个不同尺寸的特征图，分别为所述瑕疵样本特征提取子网络中第二个特征提取层到第五个特征提取层输出的特征图；所述正常样本特征包括所述正常样本特征提取子网络中第四个特征提取层与第五个特征提取层输出的特征图f4′
、f5′
；所述利用所述特征金字塔子网络对所述瑕疵样本特征与所述正常样本特征进行特征融合，得到多张不同尺度的融合特征图，包括：将所述瑕疵样本特征提取子网络中第四、五个特征提取层输出的特征图f4、f5，分别与所述特征图f4′
、f5′
按元素相减，得到差异特征图f4″
、f5″
；将所述瑕疵特征提取子网络中第二、三特征提取层输出的特征图f2、f3与所述差异特征f4″
、f5″
输入所述特征金字塔子网络，所述特征金字塔子网络对f2、f3、f4″
、f5″
进行特征融合，输出多张不同尺度的特征图，作为融合特征图；其中，所述特征金字塔子网络包括多个上采样操作层。3.根据权利要求1所述的注塑件瑕疵检测方法，其特征在于，所述区域生成子网络包括预处理层、先验框二分类层以及先验框位置调整层；所述利用所述区域生成子网络对所述融合特征图进行处理，生成瑕疵目标候选框集合，包括：将所述融合特征图依次输入所述预处理层，所述预处理层根据所述融合特征图的尺寸相应地生成不同尺寸的先验框，用于粗略检测瑕疵目标的位置；其中，所述融合特征图包括多张特征图；将所述先验框输入所述先验框二分类层，生成先验框的置信度；将所述先验框输入所述先验框位置调整层，生成先验框的偏移量；根据所述置信度，挑选出置信度较高的先验框；根据所述偏移量对置信度较高的先验框进行位置偏差调整，输出瑕疵目标候选框集合。4.根据权利要求3所述的注塑件瑕疵检测方法，其特征在于，所述瑕疵分类子网络包括
瑕疵特征处理模块、瑕疵分类模块和候选框调整模块；所述利用所述瑕疵分类子网络对所述瑕疵目标候选框集合中的瑕疵特征进行识别，得到所述网络模型的预测结果，包括：将所述瑕疵目标候选框集合中任一瑕疵目标候选框对应到所述特征金字塔子网络输出的融合特征图上，将对应的融合特征图和所述瑕疵目标候选框经过ROI Pooling操作后，得到瑕疵特征图；将所述瑕疵特征图输入所述瑕疵特征处理模块；将所述瑕疵特征处理模块的输出特征输入所述瑕疵分类模块，用于对所述瑕疵目标候选框进行分类，得到瑕疵的类别；将所述瑕疵特征处理模块的输出特征输入所述候选框调整模块，生成瑕疵目标候选框的偏移量，用于对所述瑕疵目标候选框的位置进行调整，得到优化后的瑕疵位置。5.根据权利要求4所述的注塑件瑕疵检测方法，其特征在于，所述根据所述预测结果和所述瑕疵样本数据集中的人工标注的瑕疵信息，优化所述网络模型的损失函数，得到训练好的网络模型，包括：利用所述正常样本训练集与瑕疵样本训练集对所述正常样本特征提取子网络进行训练，得到训练好的正常样本...

【专利技术属性】
技术研发人员：谢巍，陈健锐，余孝源，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：