[发明专利]缺陷检测的样本获取方法、训练方法、装置、介质和设备

说明书

本发明涉及一种缺陷检测的样本获取方法、训练方法、装置、介质和设备；该方法包括：获取缺陷检测生成的图片及图片的缺陷类别和属性信息；根据所有图片的属性信息构建准训练样本；根据缺陷类别对图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；根据缺陷类别集中图片的属性信息和准训练样本的属性信息进行匹配检测，生成缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。如此，可充分利用缺陷检测的结果，对图片的分类标定工作量少，且不需要人工在线参与，可以支持离线处理，处理速度快；如此，训练样本的生成效率高，可提高获取用于优化分类器参数的分类特征的效率，从而分类器参数的优化效率高。

技术领域

本发明涉及分类技术领域，特别是涉及一种缺陷检测的样本获取方法、训练方法、装置、介质和设备。

背景技术

一些产品在生产过程中，通常需要使用自动光学检测设备对产品进行缺陷检测以确保质量的稳定性，具体缺陷以图片格式保存到数据库中，并记录缺陷类别等信息。例如，在偏光片行业，普遍在线上使用自动光学检测设备对卷材进行实时缺陷检测。自动光学检测设备检出的缺陷，一部分为实际的“真”缺陷，一部分为对后续产品无影响的“假”缺陷；准确区分“真”、“假”缺陷以及对“真”缺陷分类，对于产线判定产品良率、推断缺陷发生未知并及时对不良缺陷进行处理有重要的指引作用。

为提高自动光学检测设备的缺陷检测准确度，一般需要从缺陷的产品提取不同类别的缺陷的分类特征以不断优化分类器参数。传统的方法是采用在线人工标定法，具体模式为：人工对自动光学检测设备检测出缺陷的产品进行类别标定，然后根据经验观察同一类别的相同点及不同类别之间的相异点得到分类特征，用于逐步迭代优化分类器参数。这种在线人工标定的处理方式依赖于人工操作，标定速度慢，使得分类器参数的优化效率低。

发明内容

基于此，有必要针对传统的分类器参数优化效率低的问题，提供一种可提高分类器参数优化效率的缺陷检测的样本获取方法、训练方法、装置、介质和设备。

一种缺陷检测的样本获取方法，包括：

获取缺陷检测生成的图片及所述图片的缺陷类别和属性信息；

根据所有图片的属性信息构建准训练样本；

根据所述缺陷类别对所述图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；

根据所述缺陷类别集中图片的属性信息和所述准训练样本的属性信息进行匹配检测，生成所述缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。

一种缺陷检测的样本获取装置，包括：

图片汇整模块，用于获取缺陷检测生成的图片及所述图片的缺陷类别和属性信息；

准训练样本生成模块，用于根据所有图片的属性信息构建准训练样本；

分类标定模块，用于根据所述缺陷类别对所述图片进行分类标定，得到相同缺陷类别的图片所组成的缺陷类别集；

匹配检测模块，用于根据所述缺陷类别集中图片的属性信息和所述准训练样本的属性信息进行匹配检测，生成所述缺陷类别集对应的、用于输入机器学习分类算法以获取分类特征的训练样本。