【技术实现步骤摘要】
本专利技术涉及机器视觉，具体涉及一种缺陷检测方法及装置、模型迁移方法及装置。
技术介绍
1、在机器视觉领域，基于深度学习的检测技术应用广泛。在采用深度学习技术进行工业图像的缺陷检测时，需要有针对性地对生产的各种产品收集足量的缺陷样本并人工打上相应标注，用这些缺陷样本训练模型以达到检测的目的。但通常数据收集困难，标注成本高(需要花费大量人力)，造成生产企业的数据成本居高不下。在真实的工业生产场景中，对于同一产品或者相似产品，由于成像设备、拍摄环境、光照条件或产品本身的微小变化等因素的差异，导致训练的模型无法实现迁移或者快速迁移，是生产制造企业在使用深度检测技术的痛点问题，主要体现在以下两个方面：
2、(1)同一产品：在实际的工业生产中，对于同一产品，可以由不同产线生产，但由于光照、成像环境等因素的改变，导致不同产线上产品图像的数据分布存在微小差异(即“域偏移”问题)，数据无法实现通用化，形成“产线-数据-模型”的严格对应模式，例如：在a产线收集的数据以及所训练的模型，无法迁移到b产线或者其他产线，特别是对于企业在扩产时，先期投...
【技术保护点】
1.一种缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的缺陷检测方法，其特征在于，所述利用所述源域图像和相应的去噪标注，以及具有相应的缺陷标注的目标域图像和相应的缺陷标注和/或所述第二目标域扩充图像和相应的伪标注，对所述基线模型和所述去噪器进行训练，包括：
3.如权利要求2所述的缺陷检测方法，其特征在于，所述去噪器的表达式为：
4.如权利要求2所述的缺陷检测方法，其特征在于，还包括：
5.如权利要求4所述的缺陷检测方法，其特征在于，所述第一目标域预测结果包括第一预测多类别分数图p1，所述第一预测多类别分数图p1中...
【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的缺陷检测方法，其特征在于，所述利用所述源域图像和相应的去噪标注，以及具有相应的缺陷标注的目标域图像和相应的缺陷标注和/或所述第二目标域扩充图像和相应的伪标注，对所述基线模型和所述去噪器进行训练，包括：
3.如权利要求2所述的缺陷检测方法，其特征在于，所述去噪器的表达式为：
4.如权利要求2所述的缺陷检测方法，其特征在于，还包括：
5.如权利要求4所述的缺陷检测方法，其特征在于，所述第一目标域预测结果包括第一预测多类别分数图p1，所述第一预测多类别分数图p1中的元素用于表示所述具有相应的缺陷标注的目标域图像中的对应像素点属于各个分类类别的概率；所述分类类别中的至少一个分类类别用于表示缺陷；
6.如权利要求2所述的缺陷检测方法，其特征在于，所述源域预测结果包括所述源域图像属于各个分类类别的概率；所述分类类别中的至少一个分类类别用于表示缺陷；
7.如权利要求2所述的缺陷检测方法，其特征在于，所述第二目标域预测结果包括第二预测多类别分数图p2，所述第二预测多类别分数图p2中的元素用于表示所述不具有相应的缺陷标注的目标域图像中的对应像素点属于各个分类类别的概率；所述分类类别中的至少一个分类类别用于表示缺陷；
8.如权利要求2至7中任一项所述的缺陷检测方法，其特征在于...
【专利技术属性】
技术研发人员：曾利宏，杨洋，黄淦，翟爱亭，
申请(专利权)人：深圳市华汉伟业科技有限公司，
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。