【技术实现步骤摘要】
本专利技术涉及缺陷检测，具体涉及一种缺陷输出方法、装置、设备及存储介质。
技术介绍
1、传统缺陷检测技术如自动光学检测通过结合电子影像以及算法对电子影像判断输出缺陷的检测结果。
2、但是自动光学检测的检测覆盖范围较小，检测目标大多数只能是明显缺陷，余下缺陷只能人工检测，且检测标准容易因人而异；另外，算法的可移植能力差，针对不同产品需要重新调试算法进行缺陷的检测，此外，自动光学检测设备的维护成本高，无法应对突发的新缺陷。
3、近年来深度学习领域不断发展，利用深度学习检测模型对缺陷进行检测时无需人工参与，并且深度学习模型针对不同产品只需输入多种产品的样本进行训练即可，不必针对不同产品重新调试检测算法，因此深度学习检测模型可以很大程度上提高产品缺陷检测效率，但是利用深度学习检测模型通过锚框进行缺陷检测时，基于锚框的边框回归公式，锚框只能预测四倍锚框大小范围内的目标，从而使得超过四倍锚框大小范围内的目标无法被预测到。
4、综上所述，现有技术中亟需一种可以对缺陷检测的覆盖范围较大的缺陷检测方式。
>技术实本文档来自技高网...
【技术保护点】
1.一种缺陷输出方法，其特征在于，包括：
2.根据权利要求1所述的缺陷输出方法，其特征在于，在所述将所述目标缺陷图片输入至缺陷检测模型中之前，还包括：
3.根据权利要求2所述的缺陷输出方法，其特征在于，所述将样本数据输入至预设的深度学习模型中进行训练，包括：
4.根据权利要求3所述的缺陷输出方法，其特征在于，所述缺陷检测模型的锚框为对样本数据中的样本点通过锚框聚类算法聚类至少两次得到的，包括：
5.根据权利要求2所述的缺陷输出方法，其特征在于，在所述将样本数据输入至预设的深度学习模型中进行训练之前，还包括：
...
【技术特征摘要】
1.一种缺陷输出方法，其特征在于，包括：
2.根据权利要求1所述的缺陷输出方法，其特征在于，在所述将所述目标缺陷图片输入至缺陷检测模型中之前，还包括：
3.根据权利要求2所述的缺陷输出方法，其特征在于，所述将样本数据输入至预设的深度学习模型中进行训练，包括：
4.根据权利要求3所述的缺陷输出方法，其特征在于，所述缺陷检测模型的锚框为对样本数据中的样本点通过锚框聚类算法聚类至少两次得到的，包括：
5.根据权利要求2所述的缺陷输出方法，其特征在于，在所述将样本数据输入至预设的深度学习模型中进行训练之前...
【专利技术属性】
技术研发人员：蔡传宝，陈高，王斌，
申请(专利权)人：深圳市长盈精密技术股份有限公司，
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。