[发明专利]缺陷检测方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括：

获取待检测产品的图像信息，所述图像信息包括图片信息和轮廓信息；

利用图像分析算法对所述轮廓信息进行分析，得到所述待检测产品的第一检测结果；

利用图像深度学习算法对所述图片信息进行分析，得到所述待检测产品的第二检测结果；

根据所述第一检测结果和所述第二检测结果，得到所述待检测产品的最终检测结果。

2.根据权利要求1所述的缺陷检测方法，其特征在于，所述获取待检测产品的图像信息，包括：

获取所述图片信息；

对所述图片信息进行预处理，得到所述轮廓信息，所述预处理包括图像灰度化处理、二值化处理、膨胀处理、腐蚀处理中的至少一种。

3.根据权利要求1所述的缺陷检测方法，其特征在于，所述利用图像分析算法对所述轮廓信息进行分析，得到所述待检测产品的第一检测结果，包括：

利用图像分析算法将所述轮廓信息划分为缺陷区域和正常区域；

分别计算所述缺陷区域的面积和所述正常区域的面积；

若所述缺陷区域的面积和所述正常区域的面积的比值大于或者等于预设阈值，则所述第一检测结果为不良品；

若所述缺陷区域的面积和所述正常区域的面积的比值小于所述预设阈值，则所述第一检测结果为良品。

4.根据权利要求1所述的缺陷检测方法，其特征在于，所述图像深度学习算法包括图像深度学习严格模型和图像深度学习宽松模型，所述图像深度学习严格模型对缺陷的容忍度低于所述图像深度学习宽松模型对缺陷的容忍度。

5.根据权利要求4所述的缺陷检测方法，其特征在于，当所述第一检测结果为不良品时，所述利用图像深度学习算法对所述图片信息进行分析，得到所述待检测产品的第二检测结果，包括：

将所述图片信息输入所述图像深度学习严格模型，得到所述第二检测结果；

相应的，所述根据所述第一检测结果和所述第二检测结果，得到所述待检测产品的最终检测结果，包括：

若所述第一检测结果为不良品、且所述第二检测结果为不良品，则所述最终检测结果为不良品；

若所述第一检测结果为不良品、且所述第二检测结果为良品，则所述最终检测结果为良品。

6.根据权利要求4所述的缺陷检测方法，其特征在于，当所述第一检测结果为良品时，所述利用图像深度学习算法对所述图片信息进行分析，得到所述待检测产品的第二检测结果，包括：

将所述图片信息输入所述图像深度学习宽松模型，得到所述第二检测结果；

相应的，所述根据所述第一检测结果和所述第二检测结果，得到所述待检测产品的最终检测结果，包括：

若所述第一检测结果为良品、且所述第二检测结果为良品，则所述最终检测结果为良品；

若所述第一检测结果为良品、且所述第二检测结果为不良品，则所述最终检测结果为不良品。

7.根据权利要求4所述的缺陷检测方法，其特征在于，所述缺陷检测方法还包括：

获取历史图像信息；

根据所述历史图像信息，训练得到所述图像深度学习严格模型和所述图像深度学习宽松模型。

8.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括图像处理模块、第一分析模块、第二分析模块和结果分析模块；

所述图像处理模块，用于获取待检测产品的图像信息，所述图像信息包括图片信息和轮廓信息；

所述第一分析模块，用于利用图像分析算法对所述轮廓信息进行分析，得到所述待检测产品的第一检测结果；

所述第二分析模块，用于利用图像深度学习算法对所述图片信息进行分析，得到所述待检测产品的第二检测结果；

所述结果分析模块，用于根据所述第一检测结果和所述第二检测结果，得到所述待检测产品的最终检测结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述缺陷检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述缺陷检测方法的步骤。