[发明专利]瑕疵检测方法、孪生神经网络训练方法、装置及电子设备

说明书

本申请提供一种瑕疵检测方法、孪生神经网络训练方法、装置及电子设备，瑕疵检测方法包括获取与预设的标准印刷图片像素对齐的待检测图片，按照预设网格对待检测图片进行网格分割，得到待检测网格图片。进而检测对应于同一网格的待检测网格图片和标准网格图片的相似度，进而基于各网格所对应的相似度，确定出相似度低于预设相似度阈值的目标网格，而目标网格在待检测图片中对应的区域即为瑕疵区域。基于本申请实施例所提供的方案，相对于传统的人工缺陷检测方法而言，可以实现机械自动化检测，无需人来进行肉眼检测，具有低成本、高效率、检测准确度高、可持续作业的特点，可以满足工业生产中对于印刷内容的检测需求。

技术领域

本申请涉及缺陷检测技术领域，具体而言，涉及一种瑕疵检测方法、孪生神经网络训练方法、装置及电子设备。

背景技术

随着经济的发展，带包装的商品所具有的印刷外观差异性越来越丰富，印刷内容千差万别，印刷信息也越来越丰富，但这也对印刷质量的控制形成了巨大挑战。

而传统的人工缺陷检测方法，为通过人工肉眼来进行印刷质量的检测，其具有高成本、低效率、主观性强、易疲劳等缺点，无法满足工业生产的需求。

发明内容

本申请实施例的目的在于提供一种瑕疵检测方法、孪生神经网络训练方法、装置及电子设备，用以实现满足工业生产中对于印刷内容的检测需求。

本申请实施例提供了一种瑕疵检测方法，包括：获取与预设的标准印刷图片像素对齐的待检测图片；按照预设网格，对所述待检测图片进行网格分割，得到待检测网格图片；检测对应于同一网格的待检测网格图片和标准网格图片的相似度；所述标准网格图片为按照所述预设网格对所述标准印刷图片进行网格分割后得到的图片；根据各网格所对应的所述待检测网格图片和标准网格图片的相似度，确定出相似度低于预设相似度阈值的目标网格；所述目标网格在所述待检测图片中对应的区域为瑕疵区域。

在上述实现过程中，按照预设网格对待检测图片进行网格分割，将分割得到的待检测网格图片中，对应于同一网格的待检测网格图片和标准网格图片进行相似度计算，从而基于各网格所对应的待检测网格图片和标准网格图片的相似度，即可确定出待检测图片中各网格所对应的位置处是否存在瑕疵。理论上，若待检测图片中不存在瑕疵，那么待检测图片的内容理论上应当与标准印刷图片一致，从而各个网格所对应的待检测网格图片和标准网格图片的相似度应该很高。相反，若待检测图片中不存在瑕疵，那么待检测图片在存在瑕疵的待检测网格图片和标准网格图片的相似度即会相对于不存在瑕疵的待检测网格图片所对应的相似度低，基于此，即可有效确定出哪些待检测网格图片中存在瑕疵(即可以确定出目标网格)，从而基于目标网格确定出的瑕疵在待检测网格图片中的位置，实现瑕疵检测。基于本申请实施例所提供的方案，相对于传统的人工缺陷检测方法而言，可以实现机械自动化检测，无需人来进行肉眼检测，具有低成本、高效率、检测准确度高、可持续作业的特点，可以满足工业生产中对于印刷内容的检测需求。

进一步地，所述检测对应于同一网格的待检测网格图片和标准网格图片的相似度，包括：将对应于同一网格的待检测网格图片和标准网格图片输入到训练好的孪生神经网络中。

在上述实现过程中，通过孪生神经网络实现对于同一网格的待检测网格图片和标准网格图片的相似度计算。孪生神经网络可以很好的区分出两幅图片，并输出两幅图片的相似度。对于本申请实施例的方案而言，网格分割后得到的待检测网格图片和标准网格图片相对较小，通过孪生神经网络可以准确提取中待检测网格图片和标准网格图片中的特征，从而确定出两幅图片的相似度，对于相似度的测算结果更为准确可靠。

进一步地，在检测对应于同一网格的待检测网格图片和标准网格图片的相似度之前，所述方法还包括：获取所述标准印刷图片；按照所述预设网格，对所述标准印刷图片进行网格分割，得到标准网格图片。

进一步地，在按照预设网格，对所述待检测图片进行网格分割之前，所述方法还包括：获取所述标准印刷图片；将所述待检测图片和所述标准印刷图片像素对齐。