[发明专利]产品表面缺陷检测方法、装置和计算机设备

说明书

本申请公开了产品表面缺陷检测方法及装置、计算机设备及计算机可读介质，该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。该方法及装置利用通过遗传算法压缩处理后的神经网络模型对产品表面进行缺陷检测，具有计算量和存储空间较低的优点，可应用于存储和计算资源都受限的设备。

技术领域

本申请涉及计算机应用技术领域，尤其涉及一种产品表面缺陷检测方法及装置、计算机设备及计算机可读介质。

背景技术

近年来，随着人工智能的发展，神经网络(Neural Network，NN)算法被广泛应用于产品表面缺陷检测领域，例如织物疵点检测、电子零部件表面缺陷检测等。然而，检测效果较好的深度神经网络往往有着数量较大的节点(神经元)和模型参数，不仅计算量大而且在实际部署中模型占据较大一部分空间，限制了其应用于存储和计算资源都受限的设备。

发明内容

鉴于以上问题，本发明的实施例提供一种产品表面缺陷检测方法及装置、计算机设备及计算机可读介质，其用于产品表面缺陷检测的神经网络模型计算量和存储空间较低，可以应用于存储和计算资源都受限的设备。

按照本发明的实施例的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。

按照本发明的实施例的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。

按照本发明的实施例的计算机设备，包括：处理器；以及存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述的方法。

按照本发明的实施例的计算机可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时使得计算机执行前述的方法。

从以上的描述可以看出，本发明的实施例的方案利用通过遗传算法压缩处理后的第一神经网络模型对产品表面进行缺陷检测，具有计算量和存储空间较低的优点，可应用于存储和计算资源都受限的设备。同时，本发明的实施例的方案能够同时兼顾检测准确度和压缩两个方面。

附图说明

图1为按照本发明的一个实施例的产品表面缺陷检测方法的流程图；

图2为按照本发明的一个实施例的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的方法的流程图；

图2a为一神经网络结构的示例图；

图3为按照本发明的一个实施例的产品表面缺陷检测装置的示意图；

图4为按照本发明的一个实施例的计算机设备的示意图；

图5为按照本发明的一个实施例的适于用来实现本发明实施方式的示例性计算机设备的框图。

具体实施方式