【技术实现步骤摘要】
本专利技术涉及机器学习，具体涉及一种基于机器学习的缺陷检测方法、装置和电子设备。
技术介绍
1、深度学习算法在图像识别领域取得了巨大的突破。以卷积神经网络为代表的深度学习算法在图像分类、目标检测和图像分割等任务中取得了优异的效果。通过多层卷积和池化操作，卷积神经网络能够有效提取图像的特征表达，实现对图像内容的自动理解和识别。例如，在人脸识别和物体检测方面，深度学习算法已经能够超越人类水平，为社会提供更加便捷和安全的技术支持。
2、ai缺陷检测作为一项智能制造的关键技术，正引领工业生产向着智能制造方向发展，成为智能时代质量控制的新潮流；目前，基于深度学习算法的机器视觉缺陷技术，在工业生产中的质量检测流程中普遍应用。现有的基于深度学习算法的ai缺陷检测方法在工业产品上进行缺陷检测时，存在训练样本少、图片失真的问题；具体为，生产中存在缺陷的工业产品较少或识别难度高，无法大批量获得导致训练样本少；其次，基于工业产品的形状各不相同、拍摄角度不同，进而拍摄的产品图片不同，模型训练时在显卡上训练，产品图片先采用尺寸缩放的方式将产品图片制成...
【技术保护点】
1.一种基于机器学习的缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，获取所述工业产品表面缺陷图像的过程为：
3.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，所述工业产品表面正常图像和工业产品表面缺陷图像进行预处理的过程为：
4.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，所述接收实时拍摄的工业产品表面图像，对所述工业产品表面图像进行预处理，获得待检测表面图像的过程为：
5.根据权利要求2所述的基于机器学习的缺陷检测方法，其特征在于...
【技术特征摘要】
1.一种基于机器学习的缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，获取所述工业产品表面缺陷图像的过程为：
3.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，所述工业产品表面正常图像和工业产品表面缺陷图像进行预处理的过程为：
4.根据权利要求1所述的基于机器学习的缺陷检测方法，其特征在于，所述接收实时拍摄的工业产品表面图像，对所述工业产品表面图像进行预处理，获得待检测表面图像的过程为：
5.根据权利要求2所述的基于机器学习的缺陷检测方法，其特征在于，所述采用标准模板框识别并框选各缺陷的过程为：
6.根据权利要求3所述的基于机器学习的缺陷检测方法，其特征在...
【专利技术属性】
技术研发人员：项强德，
申请(专利权)人：苏州唯景视觉科技有限公司，
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。