一种基于transformer模型的铆钉缺陷检测方法及系统技术方案

本发明专利技术提供一种基于transformer模型的铆钉缺陷检测方法及系统，包括以下步骤：获取待检测产品表面的原始图片，并将所述原始图像输入transformer模型；通过所述transformer模型生成含有各个区域像素值的掩码图；根据所述各个区域的像素值确定各个区域的缺陷概率；将所述缺陷概率高的区域与所述原始图片进行对应；根据对应结果确定所述原始图片内的缺陷；本发明专利技术的有益效果为：通过将获取的产品表面的原始图像输入transformer模型，然后经过transformer模型对原始图片机械能处理，根据处理结果生成含有各个区域像素值的掩码图，根据各个区域的像素值得出各个区域的缺陷概率，再将所述缺陷概率高的区域与所述原始图片进行对应，然后根据对应结果确定所述原始图片内的缺陷。的缺陷。的缺陷。

【技术实现步骤摘要】
一种基于transformer模型的铆钉缺陷检测方法及系统


[0001]本专利技术涉及铆钉缺陷检测
，特别是涉及一种基于transformer模型的铆钉缺陷检测方法及系统。

技术介绍

[0002]随着对工业产品质量要求的日益提高，产品表面缺陷检测成了生产加工的重要环节，由于生产环境中不可控因素的干扰，产品表面缺陷难以量化，铆钉是一种社会需求量极高的一种紧固件，一架飞机就需要大约两百万个铆钉，需求量如此之高的铆钉，加上其缺陷往往比较小，所以检测起来就比较困难。
[0003]现有部分生产企业的铆钉缺陷检测采用的是人工目视检测法，该方法对工人的本身要求较高，需要具备丰富的缺陷识别经验，并且需要长时间的持续单一的运作，具有效率低，成本高的缺点；还有光学电磁技术检测法：基于光学技术或者电磁信号处理来实现缺陷检测，这类技术通常受其表面的粗糙程度影响较大；还有传统机器视觉检测算法：传统的机器学习算法以其能够提供稳定可靠的检测方案被广泛使用，但是随着缺陷种类的增加，其在面对一些难以量化的缺陷时候，算法设计困难甚至束手无策；还有基于深度学习CNN算法的缺陷检测：基于CNN算法的劣势在于缺乏长距离特征捕获的能力，在工业领域中，图像分辨率往往过大，基于CNN的缺陷检测无法充分利用到图像的一些全局信息。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于transformer模型的铆钉缺陷检测方法及系统，用于解决现有技术中对于产品的缺陷检测能力较低的问题。
[0005]本专利技术的实施方式提供了一种基于transformer模型的铆钉缺陷检测方法，包括以下步骤：获取待检测产品表面的原始图片，并将所述原始图像输入transformer模型；通过所述transformer模型生成含有各个区域像素值的掩码图；根据所述各个区域的像素值确定各个区域的缺陷概率；将所述缺陷概率高的区域与所述原始图片进行对应；根据对应结果确定所述原始图片内的缺陷。
[0006]本专利技术的实施方式还提供了一种基于transformer模型的铆钉缺陷检测系统，包括：获取模块，用于获取待检测产品表面的原始图片，并将所述原始图像输入transformer模型；处理模块，用于通过所述transformer模型生成含有各个区域像素值的掩码图，根据所述各个区域的像素值确定各个区域的缺陷概率；对应模块，用于将所述缺陷概率高的区域与所述原始图片进行对应，根据对应结果确定所述原始图片内的缺陷。
[0007]本专利技术的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的基于transformer模型的铆钉缺陷检测方法。
[0008]本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于transformer模型的铆钉缺陷检测方法。
[0009]本专利技术实施方式相对于现有技术而言，主要区别及其效果在于：通过将获取的产品表面的原始图像输入transformer模型，然后经过transformer模型对原始图片进行处理，根据处理结果生成含有各个区域像素值的掩码图，根据各个区域的像素值得出各个区域的缺陷概率，再将所述缺陷概率高的区域与所述原始图片进行对应，然后根据对应结果确定所述原始图片内的缺陷，从而可以高精度对产品表面进行缺陷检测，代替人工检测方案或者传统的视觉检测以及经典的深度学习CNN算法，减轻了工作人员的劳动强度。
[0010]作为进一步改进，在所述获取待检测产品的表面原始图片，并将所述表面原始图像输入transformer模型之前，包括：获取含有各种缺陷的产品表面图片，并提取所述产品表面图片中含有各种缺陷的区域；计算出所述含有各种缺陷的区域的像素值，并对像素值进行标注；利用标注好的像素值训练transformer模型。
[0011]上述方案通过使用含有各种缺陷的产品表面图片训练transformer模型，从而可以利用transformer模型对待检测产品表面的原始图片进行检测，自然语言处理中经典的Transformer模型应用在了工业缺陷检测领域，并且对其网络结构进行了针对性的修改，从而使其更适合工业缺陷的检测。
[0012]作为进一步改进，所述通过所述transformer模型生成对应所述原始图像的掩码图，包括：对获取待检测产品表面的原始图片进行编码处理；根据编码处理结果生成低分辨率的特征图；对所述低分辨率的特征图进行解码处理；根据解码处理生成含有各个区域像素值的掩码图。
[0013]作为进一步改进，所述对获取待检测产品表面的原始图片进行编码处理，根据编码处理结果生成低分辨率的特征图，包括：将所述原始图片分成多个区域；多次提取多个区域内的普通特征和显著性特征；根据提取的普通特征和显著性特征生成特征图；压缩所述特征图的分辨率，根据压缩结果生成低分辨率的特征图。
[0014]作为进一步改进，在所述对所述低分辨率的特征图进行解码处理，根据解码处理生成含有各个区域像素值的掩码图，包括：提升低分辨率的特征图的分辨率，根据提升结果生成高分别率的特征图；根据高分辨率的特征图生成含有各个区域像素值的掩码图。
[0015]上述方案通过多次提取多个区域内的普通特征和显著性特征，然后将提取的普通特征和显著性特征生成特征图，并压缩特征图的分辨率，然后再提高特征图的分辨率，使得本方案具有较高的全局特征提取能力，并对缺陷的分割效果较好，检测出缺陷的能力较强。
[0016]作为进一步改进，所述根据所述各个区域的像素值确定各个区域的缺陷概率，包括：根据所述各个区域的像素值与预设阈值之间的差值确认各个区域的缺陷概率的高低，其中，该区域像素值与预设阈值之间的差值越小，则该区域的缺陷概率越高。
[0017]作为进一步改进，在所述根据所述各个区域的像素值确定各个区域的缺陷概率之前，包括：根据所述掩码图的参数对掩码图进行筛选，根据筛选结果得到符合条件的掩码图。
[0018]上述方案根据该掩码图的参数对掩码图进行筛选，并且根据筛选结果得到符合条件的掩码图，从而可以避免一些异常检测情况的出现，防止产品的一些正常区域被误判成缺陷区域，从而能够最大程度的降低过检。
附图说明
[0019]图1显示为本专利技术第一实施方式中的基于transformer模型的铆钉缺陷检测方法流程图；
[0020]图2显示为本专利技术第二实施方式中的基于transformer模型的铆钉缺陷检测方法流程图；
[0021]图3显示为本专利技术第三实施方式中的基于transformer模型的铆钉缺陷检测方法流程图；
[0022]图4显示为本专利技术第三实施方式中的基于transformer模型的铆钉缺陷检测系统示意图；
[0023]图5显示为本专利技术第四实施方式中的电子设备示意图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于transformer模型的铆钉缺陷检测方法，其特征在于，包括以下步骤：获取待检测产品表面的原始图片，并将所述原始图像输入transformer模型；通过所述transformer模型生成含有各个区域像素值的掩码图；根据所述各个区域的像素值确定各个区域的缺陷概率；将所述缺陷概率高的区域与所述原始图片进行对应；根据对应结果确定所述原始图片内的缺陷。2.根据权利要求1所述的一种基于transformer模型的铆钉缺陷检测方法，其特征在于：在所述获取待检测产品的表面原始图片，并将所述表面原始图像输入transformer模型之前，包括：获取含有各种缺陷的产品表面图片，并提取所述产品表面图片中含有各种缺陷的区域；计算出所述含有各种缺陷的区域的像素值，并对像素值进行标注；利用标注好的像素值训练transformer模型。3.根据权利要求1所述的一种基于transformer模型的铆钉缺陷检测方法，其特征在于：所述通过所述transformer模型生成对应所述原始图像的掩码图，包括：对获取待检测产品表面的原始图片进行编码处理；根据编码处理结果生成低分辨率的特征图；对所述低分辨率的特征图进行解码处理；根据解码处理生成含有各个区域像素值的掩码图。4.根据权利要求3所述的一种基于transformer模型的铆钉缺陷检测方法，其特征在于：所述对获取待检测产品表面的原始图片进行编码处理，根据编码处理结果生成低分辨率的特征图，包括：将所述原始图片分成多个区域；多次提取多个区域内的普通特征和显著性特征；根据提取的普通特征和显著性特征生成特征图；压缩所述特征图的分辨率，根据压缩结果生成低分辨率的特征图。5.根据权利要求3所述的一种基于transformer模型的铆钉缺陷检测方法，其特征在于：在所述对所述低分辨率的特征图进行解码处理，根据解码处理生...

【专利技术属性】
技术研发人员：岳来鹏，魏伟，刘鑫，
申请(专利权)人：上海岳展精密科技有限公司，
类型：发明
国别省市：