【技术实现步骤摘要】
一种基于度量学习的屏蔽罩类外观缺陷检测方法
[0001]本专利技术实施例涉及屏蔽罩类外观缺陷检测
，尤其涉及一种基于度量学习的屏蔽罩类外观缺陷检测方法、计算机可读存储介质及数据处理装置。
技术介绍
[0002]随着国家工业化水平的不断发展，日常生产生活中用到的诸多物品、配件都由工业生产线制造。在工业生产过程中，生产环境的变化，机械误差，坯料的质量等种种因素有概率导致生产出的产品包含多种瑕疵(例如压伤、划伤、异物、异色、尺寸差异等)，由于这些缺陷会影响产品性能或降低用户体验，因此工业外观缺陷检测方法需要在出厂前将其检出。尽管在过去的十几年中，工业产品生产有了极大的进步且生产需求日益增加，但对相关工业产品的缺陷检测仍依赖人工完成，现在主流的人工目视检测不仅效率低下，而且检测标准主观因素大，严重制约工业制造的自动化进程，并且人工在线缺陷检测不但会使成本上升，也对人力资源提出了考验。
[0003]现有的基于深度学习的外观缺陷检测技术很少且不成熟，在面对工厂质检部门频繁变更工艺、缺陷标准时，模型更新需要花费大量时间且性能...
【技术保护点】
【技术特征摘要】
1.一种基于度量学习的屏蔽罩类外观缺陷检测方法，其特征在于，包括以下步骤：步骤S1，选取正样本X
p
、锚点样本X
a
及负样本X
n
；步骤S2，经过神经网络分别提取三个样本的样本特征f
p
、f
a
、f
n
；步骤S3，将提取的样本特征f
p
、f
a
、f
n
通过反向计算Triplet Loss；步骤S4，若Triplet Loss不为0，则对神经网络的权重值进行更新，并执行步骤S2；步骤S5，若Triplet Loss为0，则完成对神经网络的权重值的更新；步骤S6，检测样本经过神经网络提取样本特征，并将该样本特征与预备好的缺陷样本库里的样本特征进行比对，从而确定该检测样本的缺陷程度。2.如权利要求1所述的基于度量学习的屏蔽罩类外观缺陷检测方法，其特征在于，所述步骤S3中，Triplet Loss的计算公式如下：Triplet Loss＝MAX(0,D(anchor,posi...
【专利技术属性】
技术研发人员：胡炳彰，令狐彬，许鹏，周璠，卫峥，卞哲，
申请(专利权)人：东莞中科迪宏人工智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。