[发明专利]产品表面缺陷检测方法、装置和计算机设备

权利要求书

1.产品表面缺陷检测方法，包括：

获取包含产品表面的待检测图像；

利用第一神经网络模型对所述待检测图像进行检测，以确定所述待检测图像所包含的产品表面是否存在缺陷；

其中，所述第一神经网络模型是利用遗传算法对已训练好的第二神经网络模型进行压缩处理获得的，所述第二神经网络模型是利用预置的训练样本训练得到的，所述第一神经网络模型基于所述训练样本的精度不低于预设精度。

2.根据权利要求1所述的方法，其中，所述利用遗传算法对已训练好的第二神经网络模型进行压缩处理，包括：

以基于压缩的适应度值为标准，对所述第二神经网络模型所对应的染色体个体执行遗传操作，以产生适应度值最优的染色体个体；

利用所述训练样本对所述适应度值最优的染色体个体所对应的神经网络模型进行训练，以获得所述第一神经网络模型。

3.根据权利要求2所述的方法，其中，所述对所述第二神经网络模型所对应的染色体个体执行遗传操作，以产生适应度值最优的染色体个体，包括：

获取所述第二神经网络模型的结构信息；

根据所述结构信息，对所述第二神经网络模型进行编码，以得到一染色体；

根据所述染色体，进行群体初始化生成初始群体；

计算群体中染色体个体的适应度值；

判断是否达到终止条件；

若未达到所述终止条件，则以适应度值为标准，选择部分适应度值满足要求的染色体个体，执行复制、交叉或变异操作，从而产生新一代群体，然后返回所述计算群体中染色体个体的适应度值步骤；

若达到所述终止条件，则输出所述适应度值最优的染色体个体。

4.根据权利要求3所述的方法，其中，所述计算群体中染色体个体的适应度值，包括：

分别计算所述染色体个体基于精度和基于压缩的适应度值；

相应的，所述以适应度值为标准，选择部分适应度值满足要求的染色体个体，执行复制、交叉或变异操作，从而产生新一代群体，包括：

根据所述基于精度的适应度值，获取所述群体中染色体个体的第一选择概率，根据所述第一选择概率选择第一染色体个体，以及，根据所述基于压缩的适应度值，获取所述群体中染色体个体的第二选择概率，根据所述第二选择概率从所述第一染色体个体中选择第二染色体个体；对所述第二染色体个体执行复制、交叉或变异操作，从而产生新一代群体。

5.产品表面缺陷检测装置，包括：

获取模块，用于获取包含产品表面的待检测图像；

检测模块，用于利用第一神经网络模型对所述待检测图像进行检测，以确定所述待检测图像所包含的产品表面是否存在缺陷；

其中，所述第一神经网络模型是利用遗传算法对已训练好的第二神经网络模型进行压缩处理获得的，所述第二神经网络模型是利用预置的训练样本训练得到的，所述第一神经网络模型基于所述训练样本的精度不低于预设精度。

6.根据权利要求5所述的装置，其中，所述装置还包括：

遗传操作模块，用于以基于压缩的适应度值为标准，对所述待压缩神经网络模型所对应的染色体个体执行遗传操作，以产生适应度值最优的染色体个体；

训练模块，用于利用所述训练样本对所述适应度值最优的染色体个体所对应的神经网络模型进行训练，以获得所述第一神经网络模型。

7.根据权利要求6所述的装置，其中，所述遗传操作模块包括：

获取单元，用于获取所述第二神经网络模型的结构信息；

编码单元，用于根据所述结构信息，对所述第二神经网络模型进行编码，以得到一染色体；

初始化单元，用于根据所述染色体，进行群体初始化生成初始群体；

计算单元，用于计算群体中染色体个体的适应度值；

判断单元，用于判断是否达到终止条件；

遗传操作单元，用于若未达到所述终止条件，则以适应度值为标准，选择部分适应度值满足要求的染色体个体，执行复制、交叉或变异操作，从而产生新一代群体；

输出单元，用于若达到所述终止条件，则输出所述适应度值最优的染色体个体。