[发明专利]一种缺陷图像自动分析的装置及方法

权利要求书

1.一种缺陷图像自动分析的方法，其特征在于，包括如下步骤：

S01：训练得出卷积神经网络模型，具体包括：

S011：建立M个数据集，并将M个数据集分为N个训练数据集和M-N个测试数据集；其中，每个数据集中包括一个缺陷图像和该缺陷图像对应的缺陷类型，M和N均为整数，M≥2，M>N≥1；

S012：标注出每个数据集中缺陷图像中的缺陷区域，提取该缺陷区域中的缺陷特征，保证所述缺陷特征与缺陷类型一一对应；

S013：采用卷积神经网络算法对N个训练数据集进行迭代训练；

S014：采用测试数据集对训练后的卷积神经网络算法进行测试，若测试结果满足缺陷图像分类准确性要求，则将训练和测试之后的卷积神经网络算法输出，即为卷积神经网络模型；若测试结果不满足缺陷图像分类准确性要求，则继续对卷积神经网络算法进行迭代训练；

S02：将上述卷积神经网络模型配置到自动分析装置中，所述自动分析装置包括数据收集模块和数据库；所述数据收集模块将所收集到的图像输入所述卷积神经网络模型中进行识别和分类，并将分类之后的图像及对应的缺陷类型存储在所述数据库中。

2.根据权利要求1所述的一种缺陷图像自动分析的方法，其特征在于，所述卷积神经网络算法为Alexnet、Inception、Xception、ResNet和VGG中的一种或多种。

3.根据权利要求1所述的一种缺陷图像自动分析的方法，其特征在于，所述步骤S02将上述卷积神经网络模型配置到所述数据收集模块中；所述数据收集模块将所收集到的图像传输至所述卷积神经网络模型中进行识别和分类，并将分类之后的图像及对应的缺陷类型传输至数据库中进行存储。

4.根据权利要求1所述的一种缺陷图像自动分析的方法，其特征在于，所述步骤S02将上述卷积神经网络模型配置到所述数据库中；所述数据收集模块将所收集到的图像传输至所述卷积神经网络模型中进行识别和分类，并将分类之后的图像及对应的缺陷类型存储在数据库中。

5.根据权利要求1所述的一种缺陷图像自动分析的方法，其特征在于，所述自动分析装置还包括位于所述数据收集模块和数据库之间的自动分析模块；所述步骤S02将上述卷积神经网络模型配置到所述自动分析模块中；所述数据收集模块将所收集到的图像传输至所述卷积神经网络模型中进行缺陷识别和分类，并将分类之后的图像及对应的缺陷类型传输至所述数据库中进行存储。

6.根据权利要求5所述的一种缺陷图像自动分析的方法，其特征在于，所述数据收集模块收集的图像被存储为Klarf文件和TIFF文件，其中，所述Klarf文件记录该图像的缺陷信息，所述TIFF文件记录该图像；当图像对应的Klarf文件和TIFF文件输入所述自动分析模块时，所述自动分析模块对TIFF文件中的图像进行分类，并将分类结果写入对应的Klarf文件中，再将更新后的Klarf文件和相应的TIFF文件传输至所述数据库中进行存储。

7.根据权利要求1所述的一种缺陷图像自动分析的方法，其特征在于，所述神经网络算法包括输入层、A层卷积层和A层池化层、全连接层以及输出层，其中，A为大于1的整数。

8.一种缺陷图像自动分析的装置，其特征在于，包括数据收集模块和数据库，所述装置中配置有经过训练和测试的卷积神经网络模型，所述卷积神经网络模型用于对图像进行缺陷分类；所述数据收集模块将所收集到的图像传输至所述卷积神经网络模型中进行缺陷识别和分类，并将分类之后的图像及对应的缺陷类型存储在所述数据库中。