【技术实现步骤摘要】
本申请涉及缺陷检测，提供一种缺陷检测方法、装置、设备及存储介质。
技术介绍
1、众所周知，缺陷检测任务是现有工业面板制造产线上十分普遍且重要的一环，目前，为了保证产品的良率、提升缺陷检测的速度和准确率，在现有技术中，常常采用“人工神经网络”或者“传统计算机视觉”的方式来替代“人工”进行缺陷检测工作，例如，使用卷积神经网络对面板缺陷数据进行大规模训练建模，并基于训练后的模型进一步对实际场景中的面板缺陷进行预测判断。
2、目前，在工业界中，常使用yolov5模型来进行图像的目标检测工作，以大幅度的提升缺陷检测的准确率和召回率，但该方式也有一定的弊端，例如，面对数量较大的训练集时，yolov5模型为了保证精度不得不使用大模型进行训练，进而，导致训练往往耗时较长。此外，yolov5模型作为一种监督学习模型，在面对未出现过的大面积异常缺陷时，容易发生漏检的现象。
3、因此，如何避免缺陷漏检是目前亟待解决的问题。
技术实现思路
1、本申请实施例提供一种缺陷检测方法、装置、设备及...
【技术保护点】
1.一种缺陷检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在将原始图像输入训练后的目标检测模型中进行缺陷预测，预测所述原始图像中是否存在第一类缺陷之后，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，在确定所述置信度是否超过预设的置信度阈值之后，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，所述若确定所述原始图像中存在第二类缺陷，则输出所述第二类缺陷的名称和坐标信息，包括：
5.如权利要求4所述的方法，其特征在于，在确定所述第二类缺陷的尺寸是否超过预设的尺寸阈值之后，
【技术特征摘要】
1.一种缺陷检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在将原始图像输入训练后的目标检测模型中进行缺陷预测，预测所述原始图像中是否存在第一类缺陷之后，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，在确定所述置信度是否超过预设的置信度阈值之后，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，所述若确定所述原始图像中存在第二类缺陷，则输出所述第二类缺陷的名称和坐标信息，包括：
5.如权利要求4所述的方法，其特征在于，在确定所述第二类缺陷的尺寸是否超过预设的尺寸阈值之后，所述方法包括：
6.如权利要求1所述的方法，其特征在于，在若确定所述原始图像中不存在第一类缺陷，则将所述原始图像输入训练后的无监督异常检测模型中进行异常缺陷检测，确定所述原始图像中是否存在第二类缺陷之后，所述方法还包括：
7.如权利要求...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：成都数之联科技股份有限公司，
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。