一种表面缺陷数据合成与评估方法及电子设备、储存介质技术

本发明专利技术公开了一种表面缺陷数据合成与评估方法及电子设备、储存介质。该方法利用工业产品缺陷的源数据，对数据生成模型进行训练，并得到合成的缺陷生成数据；将所述合成的缺陷生成数据输入到综合性能评价指标模型，计算所述合成的缺陷生成数据的性能参数值；将所述性能参数值输入至缺陷替代性评价模型，计算最终的替代性评估值；将所述替代性评估值进行可视化呈现。本发明专利技术基于内容生成多种类缺陷数据，完善缺陷样本的多样性，并制定生成缺陷数据替代性评估指标，克服当前数据生成领域无标准化评判数据性能方法的瓶颈。评判数据性能方法的瓶颈。评判数据性能方法的瓶颈。

【技术实现步骤摘要】
一种表面缺陷数据合成与评估方法及电子设备、储存介质


[0001]本专利技术涉及计算机智能化
，特别是涉及一种表面缺陷数据合成与评估方法及电子设备、储存介质。

技术介绍

[0002]近年来，基于深度学习的机器视觉取得了显著的成果，将深度学习应用于表面缺陷检测和缺陷分割已经成为工业领域的研究热点。深度学习在计算机视觉领域取得如此大的成果主要在于大量的、注释性良好且多样化的数据可利用性。
[0003]自动视觉缺陷检测旨在自动检测和识别各种图像缺陷，这在制造业和建筑业等不同行业都有很高的要求。虽然自动视觉缺陷检测已经研究了多年，但它仍然是一项具有挑战性的任务，它的一个关键挑战在于真实训练数据难获取：
[0004]一方面，收集大量有标记的缺陷样本昂贵又耗时，由于缺陷样本的可重用性和可转移性差，在处理各种新的缺陷检测任务时，经常需要重新收集和标记缺陷样本；另一方面，收集缺陷样本不仅仅是努力和成本的问题，在许多情况下，缺陷样本非常少，可用的数量远远满足不了要求，大规模缺陷样本的可用性已成为高效设计和开发各种自动化缺陷检测系统的瓶颈之一。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种表面缺陷数据合成与评估方法，其特征在于，包括：利用工业产品缺陷的源数据，对数据生成模型进行训练，并得到合成的缺陷生成数据；将所述缺陷生成数据输入到综合性能评价指标模型，计算所述缺陷生成数据的性能参数值；将所述性能参数值输入至缺陷替代性评价模型，计算最终的替代性评估值；将所述替代性评估值进行可视化呈现。2.根据权利要求1所述的表面缺陷数据合成与评估方法，其特征在于，所述缺陷生成数据包括可视化的图像数据和/或视频数据，得到合成的缺陷生成数据之后，还包括对可视化的所述缺陷生成数据中的低质量样本进行去除。3.根据权利要求2所述的表面缺陷数据合成与评估方法，其特征在于，将所述缺陷生成数据输入到综合性能评价指标模型之前，还包括分别读取真实的工业产品缺陷的源数据及其对应的缺陷生成数据，然后，将读取的数据进行帧数对齐和/或分辨率对齐操作。4.根据权利要求1所述的表面缺陷数据合成与评估方法，其特征在于，所述综合性能评价指标模型中包括性能指标的性能参数值：数据生成模型的复杂度、数据生成模型的效率、缺陷生成数据的分辨率、峰值信噪比、特征相似度、样本的逼真度和/或结构相似性。5.根据权利要求4所述的表面缺陷数据合成与评估方法，其特征在于，计算所述缺陷生成数据对应的性能参数值的实现步骤，包括性能参数化和参数指数化。6.根据权利要求1所述的表面缺陷数据合成与评估方法，其特征在于，构建所述缺陷替代性评价模型的步骤包括：第一步，构建生成...

【专利技术属性】
技术研发人员：徐明亮，卢洋，杨龙飞，姜晓恒，郝航，陈林慧，
申请(专利权)人：郑州大学，
类型：发明
国别省市：