[发明专利]一种小样本缺陷分类方法和装置

说明书

本发明公开了一种小样本缺陷分类方法和装置。该方法包括：对待测目标进行部件分离，按照分离后的部件将待测目标的原图像分割成至少两个包含有不同部件的子图像；对应每个子图像以及原图像，分别建立小样本分类模型，借助对应的分类模型，获得每个子图像的分类结果和原图像的分类结果，分类结果包括缺陷类别和对应的类别概率；根据所有子图像和原图像的分类结果，确定并输出待测目标的缺陷类别。本申请通过将待测目标进行部件分离，使用分离后的部件与待测目标本身作为多个分支分别进行缺陷分类，能够降低缺陷识别的复杂度，从而提高了缺陷识别的准确度，克服了小样本情况下传统缺陷分类方法结果不稳定的问题。

技术领域

本发明涉及工业产品的缺陷检测技术领域，特别涉及一种小样本缺陷分类方法和装置。

背景技术

在精密产品的制造过程中，工艺的不稳定、机械定位精度不够高、以及厂房内的环境因素等经常会使生产出来的产品具有各种形态的缺陷(不良)。传统方法中，产品的缺陷检测一般通过人工检验来完成，人力需求大，劳动强度大，容易因疲劳造成检验质量的波动。随着技术条件的不断成熟，基于人工智能的产品自动缺陷分类方法正成为传统精密制造业向智能制造转变的重要一环。

然而，在产品的制造前期，不良样本(产品)通常很少，现有的分类算法也难以达到产线的要求，经常存在漏检的问题。

发明内容

鉴于现有技术缺陷检测样本少、存在漏检的问题，提出了本发明的一种小样本缺陷分类方法和装置，以便克服上述问题。

为了实现上述目的，本发明采用了如下技术方案：

依据本发明的一个方面，提供了一种小样本缺陷分类方法，该方法包括：

对待测目标进行部件分离，按照分离后的部件将待测目标的原图像分割成至少两个包含有不同部件的子图像；

对应每个子图像以及原图像，分别建立小样本分类模型，借助对应的分类模型，获得每个子图像的分类结果和原图像的分类结果，所述分类结果包括缺陷类别和对应的类别概率；

根据所有子图像和原图像的分类结果，确定并输出待测目标的缺陷类别。

可选地，所述对待测目标进行部件分离，按照分离后的部件将待测目标的原图像分割成至少两个包含有不同部件的子图像，包括：

根据不同部件的功能不同，将待测目标的原图像按照功能进行分割；和/或，根据不同部件的位置不同，将待测目标的原图像按照位置进行分割；和/或，根据不同部件的表观特征不同，将待测目标的原图像按照表观特征进行分割。

可选地，所述方法包括：

将待测目标分离为由对目标功能起主要作用的主要部件和由对目标功能起次要作用的次要部件构成，将待测目标原图像按照主要部件和次要部件分割成各子图像；和/或，

确定不同部件的上下相对、左右相对、前后相对和边框与中央区域相对中的一种或多种位置关系，将待测目标原图像按照该位置关系分割成各子图像；和/或，

确定不同部件的颜色或纹理特征，将待测目标原图像按照颜色或纹理特征分割成各子图像。

可选地，所述对待测目标进行部件分离，按照分离后的部件将待测目标的原图像分割成至少两个包含有不同部件的子图像，包括：

将待测目标的原图像分割成分别包含不同部件的前景图像和背景图像。

可选地，所述对待测目标进行部件分离，按照分离后的部件将待测目标的原图像分割成至少两个包含有不同部件的子图像，包括：

利用训练样本训练Unet算法模型，通过训练后的Unet算法模型分割所述原图像；