[发明专利]基于机器学习的表面缺陷检测方法及装置

说明书

本发明公开了一种基于机器学习的表面缺陷检测方法及装置，用以解决现有技术中仅仅依靠设备的标准来对产品表面缺陷进行检测的方式而导致检测结果不够准确的技术问题。所述方法包括：采集N个检测人员对应的检测样本；对所述检测样本进行机器学习，确定检测模型；对目标检测对象的表面图像进行图像分析，获得所述目标检测对象对应的缺陷参数；将所述缺陷参数输入所述检测模型，通过所述检测模型输出检测结果，所述检测结果用于表明所述目标检测对象的表面是否存在缺陷。

技术领域

本申请涉及计算机技术领域，尤其涉及一种表面缺陷检测方法及装置。

背景技术

随着计算机技术，人工智能等科学技术发展，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好更精确地进行表面缺陷检测，更加快速的识别产品表面瑕疵缺陷。

产品表面缺陷检测属于机器视觉技术的一种，就是利用计算机视觉模拟人类视觉的功能，对具体的实物进行图像采集、计算，最终进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品最终的质量优劣。

现有的大多数表面缺陷检测系统中，都比较侧重于对于图像处理方面的技术研发，从设备方面考虑居多。针对产品给出检测的可作为判断的数字量，以blob分析为例，大多数以缺陷区域面积大小和区域长度作为判断标准。这种方式对于有严格检测标准，并表面一致性比较好的产品来说可以很好设定标准。但对于没有严格检测标准，或表面一致性不太好的产品而言，需要依靠检测人员来判断产品是否存在缺陷。所以，现有技术中仅仅依靠设备的标准来对产品表面缺陷进行检测的方式存在检测结果不够准确的技术问题。

发明内容

本申请实施例提供一种表面缺陷检测方法及装置，用以解决现有技术中仅仅依靠设备的标准来对产品表面缺陷进行检测的方式存在检测结果不够准确的技术问题。

本申请实施例提供的具体技术方案如下：

第一方面，本发明实施例提供了一种表面缺陷检测方法，包括：

采集N个检测人员对应的检测样本，所述检测样本中包括对应检测人员确定P个历史检测对象不存在表面缺陷时与所述P个历史检测对象一一对应的P个缺陷参数，以及对应的检测人员确定Q个历史检测对象存在表面缺陷时与所述Q个历史检测对象一一对应的Q个缺陷参数；

对所述检测样本进行机器学习，确定检测模型；

对目标检测对象的表面图像进行图像分析，获得所述目标检测对象对应的缺陷参数；

将所述缺陷参数输入所述检测模型，通过所述检测模型输出检测结果，所述检测结果用于表明所述目标检测对象的表面是否存在缺陷。

可能的实施方式中，对所述检测样本进行机器学习，确定检测模型，包括：

获得所述P个缺陷参数对应的第一期望值以及所述Q个缺陷参数对应的第二期望值；

基于所述第一期望值以及所述第二期望值，确定所述检测模型。

可能的实施方式中，将所述缺陷参数输入所述检测模型，通过所述检测模型输出检测结果，包括：

基于所述检测模型，计算所述缺陷参数与所述第一期望值的第一欧式距离d1以及所述缺陷参数与所述第二期望值的第二欧式距离d2；

基于所述第一欧式距离d1与所述第二欧式距离d2，所述检测模型确定并输出所述检测结果。

可能的实施方式中，基于所述第一欧式距离d1与所述第二欧式距离d2，所述检测模型确定并输出所述检测结果，包括：