[发明专利]表面缺陷检测模型训练方法、表面缺陷检测方法及系统

权利要求书

1.一种表面缺陷检测模型训练方法，其特征在于，所述方法包括：

获取产品的正常图片和与产品无关的外部图片；

将所述正常图片和所述外部图片输入到基于深度神经网络的表面缺陷检测模型中，对所述基于深度神经网络的表面缺陷检测模型进行训练，得到表面缺陷检测模型；

将所述正常图片和所述外部图片输入到基于深度神经网络的表面缺陷检测模型中，对所述基于深度神经网络的表面缺陷检测模型进行训练，得到表面缺陷检测模型的步骤包括：

将所述正常图片和所述外部图片输入到基于深度神经网络的表面缺陷检测模型中；

通过所述基于深度神经网络的表面缺陷检测模型分别对所述正常图片和所述外部图片进行特征提取，得到所述正常图片的特征图和所述外部图片的特征图，并由所述正常图片的特征图映射得到所述正常图片的距离矩阵以及由所述外部图片的特征图映射得到所述外部图片的距离矩阵；其中，所述正常图片的特征图映射得到的距离矩阵中的各个距离值能够被包围在以o为球心，以r为半径的球的范围内，所述外部图片的特征图映射得到的距离矩阵中的各个距离值在以o为球心，以r为半径的球的范围外；r为基于所述正常图片的特征图映射得到的距离矩阵中的距离值确定；

根据所述正常图片的距离矩阵和所述外部图片的距离矩阵设定损失函数；

使用所述损失函数对所述基于深度神经网络的表面缺陷检测模型进行训练，得到表面缺陷检测模型。

2.根据权利要求1所述的表面缺陷检测模型训练方法，其特征在于，训练过程对应的损失函数的表达式为：

其中，loss_i为损失函数，W为距离矩阵的宽，H为距离矩阵的高，Y_i为第i张图片的标签，Y_i＝1表示正常图片，Y_i＝0表示非正常图片，F_i，j为距离矩阵上第i，j位置处的值。

3.一种表面缺陷检测方法，其特征在于，所述方法利用如权利要求1～2中任一项所述的表面缺陷检测模型训练方法训练得到的表面缺陷检测模型，所述方法包括：

采集待检测的目标产品的图片；

将所述目标产品的图片输入到所述表面缺陷检测模型中，以确定所述目标产品的表面是否存在缺陷，若存在缺陷，则定位到缺陷的区域。

4.根据权利要求3所述的表面缺陷检测方法，其特征在于，将所述目标产品的图片输入到所述表面缺陷检测模型中，以确定所述目标产品的表面是否存在缺陷，若存在缺陷，则定位到缺陷的区域的步骤包括：

将所述目标产品的图片输入到所述表面缺陷检测模型中；

通过所述表面缺陷检测模型对所述目标产品的图片进行特征提取，得到所述目标产品的图片的特征图为F_w,h,c；其中，w为宽，h为高，c为通道；

由所述目标产品的特征图F映射得到所述目标产品的距离矩阵D_i,j为：

D_i,j＝||F_w，h，c:||₂；

由所述目标产品的特征图F映射得到所述目标产品到正常产品距离D表示为：

D＝∑_w，h||F_w，h，c:||₂/W×H；

判断所述目标产品的距离中值是否在设定范围内；

若是，则确定所述目标产品的表面不存在缺陷；

若否，则确定所述目标产品的表面存在缺陷，并定位到缺陷的区域。

5.根据权利要求4所述的表面缺陷检测方法，其特征在于，定位到缺陷的区域的步骤包括：

根据距离矩阵进行缺陷定位；

判断所述目标产品的距离矩阵中各个位置i,j的距离值是否在设定范围内；

若是，则确定所述目标产品的表面上i,j对应的图像块不存在缺陷；

若否，则确定所述目标产品的表面上i,j对应的图像块存在缺陷。