工件缺陷检测方法和装置制造方法及图纸

本发明专利技术提供了一种工件缺陷检测方法和装置，其中，所述方法包括以下步骤：获取第一数据集，其中，第一数据集为已有的标注缺陷图像；根据第一数据集构建基础目标检测模型；获取第二数据集，其中，第二数据集为待测工件的未标注缺陷图像；根据第一数据集、第二数据集和基础目标检测模型得到目标损失函数；根据第一数据集、第二数据集、基础目标检测模型和目标损失函数构建最终目标检测模型；根据最终目标检测模型对待测工件进行缺陷检测。本发明专利技术能够降低训练数据的获取难度、以及检测模型的训练成本，并且能够自适应待测工件的缺陷检测工作，此外还具有较高的检测精度。此外还具有较高的检测精度。此外还具有较高的检测精度。

【技术实现步骤摘要】
工件缺陷检测方法和装置


[0001]本专利技术涉及工业质检
，具体涉及一种工件缺陷检测方法和一种工件缺陷检测装置。

技术介绍

[0002]在工业质检领域中，为了检测产品的缺陷，需要搜集大量的图片数据并进行标注以构建相应的检测模型，需要耗费大量的人力物力；此外，当实际生产中难以获得大量可信任的标注图片数据时，也将导致构建的检测模型的检测精度较低。
[0003]然而，在工业质检领域中，有许多缺陷类型非常常见，例如碰伤、划伤、压伤等，如果针对每个新工件重新构建检测模型，显然会浪费已有的检测资源；如果将已有的检测模型直接迁移到新工件进行缺陷检测，会因为领域偏移导致已有的检测模型难以适应新工件的缺陷检测任务，因此，如何充分利用已有检测资源适应新工件的缺陷检测，并解决难以获得大量可信任的标注图片数据的难题是工业质检领域中亟需解决的。

技术实现思路

[0004]本专利技术为解决上述技术问题，提供了一种工件缺陷检测方法，能够降低训练数据的获取难度、以及检测模型的训练成本，并且能够自适应待测工件的缺陷检测工作，此外还具有较高的检测精度。
[0005]本专利技术采用的技术方案如下：一种工件缺陷检测方法，包括以下步骤：获取第一数据集，其中，所述第一数据集为已有的标注缺陷图像；根据所述第一数据集构建基础目标检测模型；获取第二数据集，其中，所述第二数据集为待测工件的未标注缺陷图像；根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数；根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型；根据所述最终目标检测模型对所述待测工件进行缺陷检测。
[0006]根据本专利技术的一个实施例，所述基础目标检测模型为YOLO模型。
[0007]根据本专利技术的一个实施例，所述根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数，具体包括以下步骤：获取所述基础目标检测模型的特征层的维度和特征矩阵；获取所述第一数据集的第一输入图像像素数和所述第二数据集的第二输入图像像素数；根据所述第一输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第一数据集的第一特征协方差矩阵；根据所述第二输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第二数据集的第二特征协方差矩阵；根据所述第一特征协方差矩阵、所述第二特征协方差矩阵和所述基础目标检测模型的特征层的维度构建目标损失函数。其中，所述第一特征协方差矩阵的具体表达式为：
其中，C
S
表示所述第一特征协方差矩阵，公式下标S表示所述第一数据集，上标T表示转置矩阵，表示所述第一数据集的第一输入图像像素数，表示所述第一数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述第二特征协方差矩阵的具体表达式为：其中，C
T
表示所述第二特征协方差矩阵，公式下标T表示所述第二数据集，上标T表示转置矩阵，表示所述第二数据集的第二输入图像像素数，表示所述第二数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述目标损失函数的表达式为：其中，表示所述目标损失函数，d表示所述基础目标检测模型的特征层的维度，表示矩阵范数的平方。
[0008]根据本专利技术的一个实施例，所述根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型，具体包括以下步骤：将所述目标损失函数设置于所述基础目标检测模型的特征层中，以构建二次目标检测模型；将所述第一数据集和所述第二数据集输入至所述二次目标检测模型中，以训练得到所述最终目标检测模型。
[0009]一种工件缺陷检测装置，包括：第一获取模块，所述第一获取模块用于获取第一数据集，其中，所述第一数据集为已有的标注缺陷图像；第一训练模块，所述第一训练模块用于根据所述第一数据集构建基础目标检测模型；第二获取模块，所述第二获取模块用于获取第二数据集，其中，所述第二数据集为待测工件的未标注缺陷图像；处理模块，所述处理模块用于根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数；第二训练模块，所述第二训练模块用于根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型；检测模块，所述检测模块用于根据所述最终目标检测模型对所述待测工件进行缺陷检测。
[0010]根据本专利技术的一个实施例，所述基础目标检测模型为YOLO模型。
[0011]根据本专利技术的一个实施例，所述处理模块具体用于：获取所述基础目标检测模型的特征层的维度和特征矩阵；获取所述第一数据集的第一输入图像像素数和所述第二数据集的第二输入图像像素数；根据所述第一输入图像像素数、所述基础目标检测模型的特征
层的特征矩阵构建所述第一数据集的第一特征协方差矩阵；根据所述第二输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第二数据集的第二特征协方差矩阵；根据所述第一特征协方差矩阵、所述第二特征协方差矩阵和所述基础目标检测模型的特征层的维度构建目标损失函数。其中，所述第一特征协方差矩阵的具体表达式为：其中，C
S
表示所述第一特征协方差矩阵，公式下标S表示所述第一数据集，上标T表示转置矩阵，表示所述第一数据集的第一输入图像像素数，表示所述第一数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述第二特征协方差矩阵的具体表达式为：其中，C
T
表示所述第二特征协方差矩阵，公式下标T表示所述第二数据集，上标T表示转置矩阵，表示所述第二数据集的第二输入图像像素数，表示所述第二数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述目标损失函数的表达式为：其中，表示所述目标损失函数，d表示所述基础目标检测模型的特征层的维度，表示矩阵范数的平方。
[0012]根据本专利技术的一个实施例，所述第二训练模块具体用于：将所述目标损失函数设置于所述基础目标检测模型的特征层中，以构建二次目标检测模型；将所述第一数据集和所述第二数据集输入至所述二次目标检测模型中，以训练得到所述最终目标检测模型。
[0013]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的工件缺陷检测方法。
[0014]一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的工件缺陷检测方法。
[0015]本专利技术的有益效果如下：1）、本专利技术能够通过待测工件的未标注缺陷图像得到对应的最终目标检测模型，能够降低训练数据的获取难度、以及检测模型的训练成本；2）、本专利技术通过在基础目标检测模型中引入新建的目标损失函数以构建最终目标检测模型，能够使得最终目标检测模型适应待测工件的缺陷检测工作，并且具有较高的检测精度。
附图说明
[0016]图1为本专利技术实施例的工件缺陷检测方法的流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工件缺陷检测方法，其特征在于，包括以下步骤：获取第一数据集，其中，所述第一数据集为已有的标注缺陷图像；根据所述第一数据集构建基础目标检测模型；获取第二数据集，其中，所述第二数据集为待测工件的未标注缺陷图像；根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数；根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型；根据所述最终目标检测模型对所述待测工件进行缺陷检测，所述根据所述第一数据集、所述第二数据集和所述基础目标检测模型得到目标损失函数，具体包括以下步骤：获取所述基础目标检测模型的特征层的维度和特征矩阵；获取所述第一数据集的第一输入图像像素数和所述第二数据集的第二输入图像像素数；根据所述第一输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第一数据集的第一特征协方差矩阵；根据所述第二输入图像像素数、所述基础目标检测模型的特征层的特征矩阵构建所述第二数据集的第二特征协方差矩阵；根据所述第一特征协方差矩阵、所述第二特征协方差矩阵和所述基础目标检测模型的特征层的维度构建目标损失函数，其中，所述第一特征协方差矩阵的具体表达式为：其中，C
S
表示所述第一特征协方差矩阵，公式下标S表示所述第一数据集，上标T表示转置矩阵，表示所述第一数据集的第一输入图像像素数，表示所述第一数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述第二特征协方差矩阵的具体表达式为：其中，C
T
表示所述第二特征协方差矩阵，公式下标T表示所述第二数据集，上标T表示转置矩阵，表示所述第二数据集的第二输入图像像素数，表示所述第二数据集在所述基础目标检测模型的特征层对应的特征矩阵，1代表所有值都为1的列向量，所述目标损失函数的表达式为：其中，表示所述目标损失函数，d表示所述基础目标检测模型的特征层的维度，表示矩阵范数的平方。2.根据权利要求1所述的工件缺陷检测方法，其特征在于，所述基础目标检测模型为
YOLO模型。3.根据权利要求2所述的工件缺陷检测方法，其特征在于，所述根据所述第一数据集、所述第二数据集、所述基础目标检测模型和所述目标损失函数构建最终目标检测模型，具体包括以下步骤：将所述目标损失函数设置于所述基础目标检测模型的特征层中，以构建二次目标检测模型；将所述第一数据集和所述第二数据集输入至所述二次目标检测模型中，以训练得到所述最终目标检测模型。4.一种工件缺陷检测装置，其特征在于，包括：第一获取模块，所述第一获取模块用于获取第一数据集，其中，所述第一数据集为已有的标注缺陷图像；第一训练模块，所述第一训练模块用于根据所述第一数据集构建基础目标检测模...

【专利技术属性】
技术研发人员：唐恺，张志琦，赵何，
申请(专利权)人：江苏智云天工科技有限公司，
类型：发明
国别省市：