[发明专利]一种基于语义分割的产品表面缺陷检测方法、系统

说明书

本发明公开了一种基于语义分割的产品表面缺陷检测方法，包括：采集包含产品表面的样本图片并分为训练样本图片及待检测图片；将所述待检测图片输入经训练样本图片训练的语义分割模型，输出语义分割图片；将所述语义分割图片输入图片合成模型，输出合成图片；利用判断模型计算待检测图片与合成图片的差异，判断待检测图片对应的产品表面是否有缺陷，若有，则输出缺陷所在的区域。本发明的方法引入自监督训练方法，只需要少量有缺陷的样本就能提升缺陷检测精度，结合语义分割算法和生成对抗网络，能准确提取缺陷特征，大大提高产品表面缺陷检测的精度。

技术领域

本发明涉及工业检测和计算机视觉领技术领域，特别涉及一种基于语义分割的产品表面缺陷检测方法、系统。

背景技术

在传统工业制造业生产场景中，质检是生产流程中的关键环节，比如在冰箱、电视、汽车、印刷线路板、芯片和液晶显示器等领域中，对产品的表面状态进行检测是对产品质量进行控制的一种重要手段，判断产品是否存在瑕疵和缺陷，并根据检测结果对产品做相应的处理。

产品的表面缺陷种类众多，例如划痕、污点，磕碰等等，这些缺陷都是需要检出的。传统的零件生产中的检测环节一般通过人工检测的方式进行，这增加了人力负担，并且很多细微的缺陷通过人工检测很难检测出来。因此，通过计算机视觉系统检测产品表面缺陷，以代替人工检测是目前本领域需要解决的问题。

目前，现有技术的检测方法存在需要大量的训练样本，不适用于缺陷类型多样化且缺陷样本量稀少的问题。

发明内容

本发明的目的是克服上述背景技术中不足，提供一种基于语义分割的产品表面缺陷检测方法、系统，可用于解决现有技术中产品表面缺陷检测训练样本很少且容易出现误判导致检测结果不准确的技术问题。

为了达到上述的技术效果，本发明采取以下技术方案：

一种基于语义分割的产品表面缺陷检测方法，包括：

步骤1.采集包含产品表面的样本图片并分为训练样本图片及待检测图片；

步骤2.将所述待检测图片输入经训练样本图片训练的语义分割模型，输出语义分割图片；

步骤3.将所述语义分割图片输入图片合成模型，输出合成图片；

步骤4.利用判断模型计算待检测图片与合成图片的差异，判断待检测图片对应的产品表面是否有缺陷，若有，则输出缺陷所在的区域；

进一步地，所述训练样本图片为不含有缺陷的图片。

进一步地，所述训练样本图片分为标记的训练样本、未标记的训练样本。

本发明的基于语义分割的产品表面缺陷检测方法，实现时，只需将不含缺陷的正常图片作为训练样本，并且只标记部分训练样本，非常适合缺陷样本稀少但正常样本丰富的工业产品表面检测领域，能在缺陷样本不足的情况下大大提高产品表面缺陷检测的精度。

进一步地，所述标记的训练样本为将若干训练样本图片进行语义分割标记后得到的训练样本图片。

进一步地，进入步骤2之前还包括以下操作：

S1.构建一个语义分割模型；

S2.用未标记的训练样本对语义分割模型进行预训练；

S3.用标记的训练样本对经过预训练的语义分割模型进行训练，即得到训练后的语义分割模型。

进一步地，所述预训练的方法包括但不限于自监督训练方法。

进一步地，进入步骤3之前还包括以下操作：

S1.构建一个生成对抗网络模型；

S2.利用标记的训练样本训练生成对抗网络模型，得到所述图片合成模型。