[发明专利]缺陷检测方法、装置、设备及可读存储介质

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以下步骤：

将原图像与模板图像进行图像通道拼接，获取拼接多通道图像；

根据自定义感兴趣区域框，对所述拼接多通道图像进行裁切，获取裁切图像；

对所述裁切图像进行数据增强处理获取训练样本数据；

根据所述训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型；

将待检测图像与模板图像进行图像通道拼接，获取待检测多通道输入图像；

若所述待检测多通道输入图像存在可疑缺陷位置信息，则通过切分区域框对所述待检测多通道输入图像进行切分；

若所述待检测多通道输入图像不存在可疑缺陷位置信息，则通过等分或增加切分线切分所述待检测多通道输入图像；

将所述切分后的待检测多通道输入图像输入所述训练后的神经网络模型，获取缺陷概率信息；

若所述切分后的待检测多通道输入图像的缺陷概率信息中存在缺陷概率大于预设阈值，则输出所述待检测图像为残次品；

当所述切分后的待检测多通道输入图像的缺陷概率信息中的各缺陷概率均小于预设阈值，则输出所述待检测图像为良品。

2.如权利要求1所述的缺陷检测方法，其特征在于，所述根据自定义感兴趣区域框，对所述拼接多通道图像进行裁切，获取裁切图像的步骤包括：

根据所述拼接多通道图像的缺陷区域确定所述自定义感兴趣区域框的区域尺寸；

从所述拼接多通道图像中选择预设数目的像素点；

以所述像素点为区域中心，以所述区域尺寸的自定义感兴趣区域框对所述拼接多通道图像进行裁切，获取裁切图像。

3.如权利要求1所述的缺陷检测方法，其特征在于，所述根据所述训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型的步骤包括：

设置神经网络模型的训练参数；

将所述样本数据输入所述神经网络模型，根据所述训练参数对所述神经网络模型训练，获取神经网络的网络参数；

根据所述网络参数设置并保存训练后的神经网络模型。

4.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括：

拼接模块，用于将原图像与模板图像进行图像通道拼接，获取拼接多通道图像；

裁切模块，用于根据自定义感兴趣区域框，对所述拼接多通道图像进行裁切，获取裁切图像；

数据增强模块，用于对所述裁切图像进行数据增强处理获取训练样本数据；

训练模块，用于根据所述训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型；

检测模块，用于将待检测图像与模板图像进行图像通道拼接，获取待检测多通道输入图像；

若所述待检测多通道输入图像存在可疑缺陷位置信息，则通过切分区域框对所述待检测多通道输入图像进行切分；

若所述待检测多通道输入图像不存在可疑缺陷位置信息，则通过等分或增加切分线切分所述待检测多通道输入图像；

将所述切分后的待检测多通道输入图像输入所述训练后的神经网络模型，获取缺陷概率信息；

若所述切分后的待检测多通道输入图像的缺陷概率信息中存在缺陷概率大于预设阈值，则输出所述待检测图像为残次品；

当所述切分后的待检测多通道输入图像的缺陷概率信息中的各缺陷概率均小于预设阈值，则输出所述待检测图像为良品。

5.一种缺陷检测设备，其特征在于，所述缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的缺陷检测程序，所述缺陷检测程序被所述处理器执行时实现如权利要求1至3中任一项所述的缺陷检测方法的步骤。

6.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的缺陷检测方法的步骤。