[发明专利]数据增强及装置、数据增强设备和存储介质

说明书

一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。数据增强方法包括获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。可增加出现几率较低的类型的缺陷对应的训练图像的数量，使得具有不同类型的缺陷的训练图像的数量基本相同，在后续通过数量较多的训练图像对目标检测模型进行训练时的训练效果较好，可提升目标检测模型的泛化性能，并提升目标检测模型对缺陷的检测效果。

技术领域

本申请涉及检测技术领域，特别涉及一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。

背景技术

目前，一般通过模板检测算法检测工件的缺陷，但模板检测算法存在过检、识别准确性较低的问题，相较而言，具有更高的检测准确性的神经网络模型则逐渐受到青睐，但目前神经网络模型在训练时，由于不同类型的缺陷的出现几率极度不均衡，导致使用深度学习方法进行晶圆缺陷识别或检测时模型泛化性能比较差，从而直接影响了最后的检测精度。

发明内容

本申请提供了一种数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质。

本申请实施方式的数据增强方法包括获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。

本申请实施方式的数据增强装置包括第一获取模块、识别模块、第二获取模块和融合模块。所述第一获取模块用于获取具有缺陷的第一工件图像；所述识别模块用于识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；所述第二获取模块，用于获取无缺陷的第二工件图像，以作为第二融合图像；所述融合模块，融合所述第一融合图像和所述第二融合图像，以获取训练图像。

本申请实施方式的数据增强设备包括处理器。所述处理器用于：获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。

本申请实施方式的一种包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行所述数据增强方法。所述数据增强方法包括获取具有缺陷的第一工件图像；识别并截取所述第一工件图像中所述缺陷所在的图像区域，以作为第一融合图像；获取无缺陷的第二工件图像，以作为第二融合图像；及融合所述第一融合图像和所述第二融合图像，以获取训练图像。

本申请的数据增强方法、数据增强装置、数据增强设备和非易失性计算机可读存储介质，通过融合具有缺陷的第一工件图像中缺陷所在的图像区域和不具有缺陷的第二工件图像，以生成更多具有缺陷的工件图像，从而获取到足够数量的训练图像，且可增加出现几率较低的类型的缺陷对应的训练图像的数量，使得具有不同类型的缺陷的训练图像的数量基本相同，在后续通过数量较多的训练图像对目标检测模型进行训练时的训练效果较好，可提升目标检测模型的泛化性能，并提升目标检测模型对缺陷的检测效果。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请某些实施方式的数据增强方法的流程示意图；

图2是本申请某些实施方式的数据增强装置的模块示意图；