一种基于模板图像的缺陷分类方法技术

本发明专利技术公开一种基于模板图像的缺陷分类方法，包括以下步骤：准备OK模板图；准备样本缺陷图像、样本OK图像、参照模板图；逐一计算样本缺陷图像或样本OK图像同参照模板图的灰度差，对应生成差分图像，合成差分样本；对所有差分样本做分类标注，输入卷积神经网络模型训练至模型收敛，形成新的模型；采集待测产品图像，生成初步缺陷图像、新的差分图像。通过上述方式，本发明专利技术提供一种基于模板图像的缺陷分类方法，在采用一个通用模型解决缺陷分类问题的基础上，通过模型的二次迭代以及差分图像的二次生成来规避不同图像背景具有较大差异而导致的模型不适用问题，从而避免多次训练，充分提高缺陷类别检测的可靠性。

【技术实现步骤摘要】

本专利技术涉及自动光学检测领域，尤其涉及一种基于模板图像的缺陷分类方法。

技术介绍

1、传统缺陷分类方法通过缺陷特征进行分类，例如灰度、对比度等，实施难度较大，由于各类缺陷的灰度较为相近，导致分类准确率较低。随着产品种类的增加，每一类产品都需要设置不同的标准，进而大大影响了操作人员的使用；由于不同产品的图案样式不同，采用深度学习需要针对每一类产品进行训练，每类产品部署一个网络进行分类，训练以及使用效率极低。

2、cn112884744a提出对缺陷进行标注，采用深度学习模型进行训练，采用训练完成的模型进行检测，可以大大降低误检，但是产品种类不同，会导致训练模型不同，即现场需要根据不同产品训练不同的网络并加以部署。

3、cn114913110a提出在原有检测模型的基础上，继续增加训练样本，可以对模型进行修正，提高准确性，实现小样本的训练，当更换产品类型时，无需重新建立学习模型，根据少量样本对模型进行迭代，更新学习模型，提高模型复用性；但在实际应用中，产品类型之间差异较大，当采用新产品的少量样本对模型进行迭代时，不同种类产品背景差异大导致本文档来自技高网...

【技术保护点】

1.一种基于模板图像的缺陷分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模板图像的缺陷分类方法，其特征在于，所述灰度均值的获取方法用以下公式得到：

3.根据权利要求1所述的基于模板图像的缺陷分类方法，其特征在于，所述步骤二识别出缺陷的方法包括但不限于模板比对方法或阈值分割方法。

4.根据权利要求1所述的基于模板图像的缺陷分类方法，其特征在于，所述步骤二和六还包括以下方法：

【技术特征摘要】

1.一种基于模板图像的缺陷分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模板图像的缺陷分类方法，其特征在于，所述灰度均值的获取方法用以下公式得到：

3.根据权利要求1所述的...

【专利技术属性】
技术研发人员：卢亚宾，张乾坤，李鑫昌，牛广升，
申请(专利权)人：有为图像技术苏州有限公司，
类型：发明
国别省市：