【技术实现步骤摘要】
本公开涉及智能质检，尤其涉及工件的缺陷样本生成方法、装置、设备以及存储介质。
技术介绍
1、在智能制造领域中，以深度学习为代表的人工智能技术大量用于工业产品表面缺陷检测应用，大幅提高制造业的生产效率和生产质量。但是，基于深度学习的缺陷检测模型通常需要收集大量带缺陷的工件样本，通过对大量带缺陷的工件样本的学习，才能使得神经网络能够有较好的拟合和泛化能力。但在实际的工业生产中，带缺陷的工件是非常稀少的，这就需要我们去仿造大量的带缺陷的工件，以此来满足神经网络算法的训练需求。
2、目前针对缺陷样本的模拟生成，主要有人工伪造和图像处理两种方法。人工伪造就是通过物理方法，人为损坏产品而生成带缺陷的样本。这种方法，极大的消耗人力、物力，同时仿造出来的缺陷数量有限、多样性不足，从而影响模型在部署应用时对未知缺陷的泛化能力。利用图像处理模拟缺陷样本，大多是利用相关软件对缺陷进行抠图、复制处理得到的。一般通过简单的复制和粘贴的方式把缺陷区域抠取出来，再粘贴到无缺陷产品的图像中。这类普通的图像处理技术生成的缺陷图像质量很差，如：缺陷区域与产品图...
【技术保护点】
1.一种工件的缺陷样本生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述缺陷样本生成模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述缺陷区域，对所述无缺陷样本图片中的无缺陷区域进行直方图匹配处理，生成目标缺陷样本图片，包括：
4.根据权利要求2所述的方法，其特征在于，所述计算所述初始样本图片与所述真实缺陷样本图片之间的损失值，包括：
5.根据权利要求4所述的方法，其特征在于，所述损失值满足预设条件，包括：
6.根据权利要求2所述的方法，其特征在于，神经网...
【技术特征摘要】
1.一种工件的缺陷样本生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述缺陷样本生成模型的训练过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述缺陷区域，对所述无缺陷样本图片中的无缺陷区域进行直方图匹配处理，生成目标缺陷样本图片，包括：
4.根据权利要求2所述的方法，其特征在于，所述计算所述初始样本图片与所述真实缺陷样本图片之间的损失值，包括：
5...
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。