[发明专利]一种基于随机缺陷模型的产品外观缺陷检测方法

权利要求书

1.一种基于随机缺陷模型的产品外观缺陷检测方法，包括以下步骤：

针对待检测产品，收集无外观缺陷的良品图片，构成良品图片集；

基于所述良品图片集，利用二维随机介质模型生成满足设定自相关模型参数的自相关模型图；

基于所述自相关模型图生成满足设定缺陷形态参数的缺陷概率分布图片集，该缺陷概率分布图片集表征产品外观的多种缺陷类型；

将所产生的良品图片和缺陷概率分布图进行融合，得到缺陷图片集和对应的标注图片集；

利用所述缺陷图片集和所述标注图片集，训练深度学习神经网络；

利用经训练的深度学习神经网络对待测产品进行外观缺陷检测。

2.根据权利要求1所述的方法，其特征在于，所述自相关模型参数包括随机自相关长度、随机自相关宽度和随机图像尺寸。

3.根据权利要求1所述的方法，其特征在于，根据以下步骤确定所述缺陷概率分布图片集：

设定随机缺陷百分比P和随机极值极性B；

当极值极性B为False时，对自相关模型图Grey_[ran,[x,y]]进行取反，表示为：

Grey_[ran,[x,y]]＝255-Grey_[ran,[x,y]]；

统计自相关模型图Grey_[ran,[x,y]]的灰度分布，表示为His_[i＝0,255]；

遍历His_[i]，当His_[i]大于缺陷百分比P时，记录灰度阈值G_t；

保留自相关模型图Grey_[ran,[x,y]]中所有灰度大于阈值G_t的点，其余填充为黑色，得到严重程度图Grey′_[ran,[x,y]]；

创建与严重程度图大小一致的标注图Grey″_[ran,[x,y]]，并填充为黑色。

4.根据权利要求3所述的方法，其特征在于，将所述随机缺陷百分比设置为P＝Random[0.0,0.5]，将所述随机极值极性设置为B＝Random[0.0,1.0]＞0.5。

5.根据权利要求1所述的方法，其特征在于，将所产生的良品图片和缺陷概率分布图进行融合包括：

进行随机百分比增亮，得到缺陷图：Grey_[def,[x,y]]＝Grey_[nor,[x,y]]+Random[0.7,1]*Grey′_[ran,[x,y]]；

进行随机百分比变暗，得到缺陷图：Grey′_[def,[x,y]]＝Grey_[nor,[x,y]]-Random[0.7,1]*Grey′_[ran,[x,y]]；

其中，Grey_[nor,[x,y]]表示良品图片，Grey′_[ran,[x,]]表示缺陷概率分布图，Random[0.7,1]表示在0.7至1范围内随机取值。

6.根据权利要求1所述的方法，其特征在于，所述自相关模型图具有二维高斯分布或指数分布。

7.根据权利要求1所述的方法，其中，所述缺陷形态参数包括随机位置、随机缺陷百分比和随机极性选择。

8.根据权利要求1所述的方法，其中，所述产品外观的多种缺陷类型包括挫伤、缺损、划痕、毛丝、浅色脏污和深色脏污。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至8中任一项所述的方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述的方法的步骤。