[发明专利]一种用于机器视觉缺陷检测的深度学习模型训练方法

权利要求书

1.一种负样本扩增方法，其特征在于，包括以下步骤：首先，提取少量负样本中的缺陷信息；然后，对缺陷信息进行扩增处理，得到人工缺陷信息；最后，将人工缺陷信息随机融入大量正样本中，形成大量人工负样本。

2.根据权利要求1所述的负样本扩增方法，其特征在于，每个负样本缺陷信息均有与之对应的缺陷标记数据。

3.根据权利要求1或2所述的负样本扩增方法，其特征在于，所述缺陷信息扩增处理方式包括但不限于放大、缩小、旋转、高斯模糊、均值模糊、USM锐化、拉普拉斯锐化、加入椒盐噪声中的一种或多种。

4.一种用于机器视觉缺陷检测的深度学习模型训练方法，基于少量缺陷产品外观图像和大量正常产品外观图像进行模型训练，其特征在于，采用权利要求1-3任意一项所述的负样本扩增方法对少量缺陷产品外观图像进行样本扩增，具体包括如下步骤：

S1，将缺陷产品外观图像中的缺陷部分截取出来，形成缺陷图像；

S2，对缺陷图像进行扩增处理，形成大量人工缺陷图像；

S3，通过图像融合的方式将人工缺陷图像融入到正常产品外观图像中的随机位置，形成人工缺陷产品外观图像；

S4，将人工缺陷产品外观图像列入训练样本集用于模型训练。

5.根据权利要求4所述的一种用于机器视觉缺陷检测的深度学习模型训练方法，其特征在于，所述步骤S3中，采用的图像融合方式为将缺陷图像中标记为缺陷部分的像素直接复制到正常产品外观图像中。