本發(fā)明涉及工業(yè)生產(chǎn)檢測(cè)，尤其涉及一種產(chǎn)品缺陷檢測(cè)方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、在工業(yè)產(chǎn)品的生產(chǎn)環(huán)境中，由于生產(chǎn)工藝的嚴(yán)格性，使得大量產(chǎn)品處于合格水平之上。由于生產(chǎn)環(huán)境下的異常情況的多樣性及復(fù)雜性，可能會(huì)導(dǎo)致不同類型的缺陷產(chǎn)品的產(chǎn)出，但產(chǎn)出的產(chǎn)品數(shù)量也是極少量，故對(duì)于缺陷產(chǎn)品的數(shù)據(jù)采集階段也難以涵蓋所有潛在的異常場(chǎng)景。此時(shí)有關(guān)缺陷產(chǎn)品的數(shù)據(jù)難以具有較大的參考作用，使得現(xiàn)有對(duì)產(chǎn)品缺陷的檢測(cè)方法缺乏缺陷產(chǎn)品數(shù)據(jù)的支撐，難以做到對(duì)產(chǎn)品缺陷檢測(cè)的精準(zhǔn)度。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供一種產(chǎn)品缺陷檢測(cè)方法、裝置、設(shè)備及介質(zhì)。

2、本發(fā)明提供一種產(chǎn)品缺陷檢測(cè)方法，包括：

3、獲取待檢測(cè)的產(chǎn)品圖像；

4、將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像；

5、其中，所述缺陷檢測(cè)模型為基于正常樣本圖像及基于正常樣本圖像模擬得到的異常樣本圖像通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到，用于定位產(chǎn)品圖像上缺陷的模型。

6、根據(jù)本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法，所述缺陷檢測(cè)模型包括匹配層，相應(yīng)地，將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像，包括：

7、將所述產(chǎn)品圖像輸入到匹配層，由所述匹配層提取所述產(chǎn)品圖像的圖像特征，將所述產(chǎn)品圖像的圖像特征與預(yù)存儲(chǔ)的正常樣本圖像集中的正常樣本圖像的圖像特征進(jìn)行特征匹配，獲取所述產(chǎn)品圖像中的第一差異區(qū)域，其中，所述第一差異區(qū)域的特征與正常樣本圖像的特征之間匹配度達(dá)到第一判斷值，所述第一差異區(qū)域作為缺陷位置。

8、根據(jù)本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法，所述缺陷檢測(cè)模塊還包括分析層，相應(yīng)地，將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像，包括：

9、將所述產(chǎn)品圖像中的差異區(qū)域的特征輸入到分析層，由所述分析層采用注意力機(jī)制在多維度特征通道上進(jìn)行特征變換，將變換后的特征與預(yù)存儲(chǔ)的正常樣本圖像集中的正常樣本圖像的圖像特征進(jìn)行特征匹配，從所述產(chǎn)品圖像中的第一差異區(qū)域中獲取所述產(chǎn)品圖像中的第二差異區(qū)域，其中，所述第二差異區(qū)域的特征與正常樣本圖像的特征之間匹配度達(dá)到第二判斷值，所述第二差異區(qū)域作為缺陷位置。

10、根據(jù)本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法，基于正常樣本圖像模擬得到的異常樣本圖像，包括：

11、根據(jù)所述正常樣本圖像得到前景掩碼圖像；前景掩碼圖像包含產(chǎn)品輪廓；

12、根據(jù)所述前景掩碼圖像和隨機(jī)噪聲圖像得到局部異常掩碼圖像；

13、根據(jù)所述局部異常掩碼圖像和所述正常樣本圖像得到第一融合圖像，所述第一融合圖像表征產(chǎn)品圖像區(qū)域內(nèi)含有異常點(diǎn)；

14、根據(jù)所述局部異常掩碼圖像、紋理異常圖像和結(jié)構(gòu)異常圖像得到第二融合圖像，所述第二融合圖像表征異常點(diǎn)的位置分布情況；所述紋理異常圖像為紋理數(shù)據(jù)集中的紋理圖像，所述結(jié)構(gòu)異常圖像為基于對(duì)紋理異常圖像進(jìn)行結(jié)構(gòu)調(diào)整得到的圖像；

15、根據(jù)所述第一融合圖像和所述第二融合圖像得到模擬后的異常樣本圖像。

16、根據(jù)本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法，所述根據(jù)所述局部異常掩碼圖像、紋理異常圖像和結(jié)構(gòu)異常圖像得到第二融合圖像，包括：

17、根據(jù)所述局部異常掩碼圖像和所述紋理異常圖像得到紋理異常融合圖像；

18、根據(jù)所述局部異常掩碼圖像和所述結(jié)構(gòu)異常圖像得到結(jié)構(gòu)異常融合圖像；

19、獲取預(yù)設(shè)的透明度因子，根據(jù)所述透明度因子、紋理異常融合圖像和結(jié)構(gòu)異常融合圖像得到第二融合圖像。

20、根據(jù)本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法，所述方法還包括構(gòu)建缺陷檢測(cè)模型，包括：

21、從正常樣本圖像集中選出第一數(shù)目的正常樣本圖像；

22、將第一數(shù)目的正常樣本圖像的圖像特征與正常樣本圖像集中的剩余正常樣本圖像的圖像特征、模擬得到的異常樣本圖像集中的各個(gè)異常樣本圖像的圖像特征進(jìn)行特征匹配，得到多個(gè)第一匹配度，并基于第一匹配度構(gòu)建第一判斷值與正常的圖像特征、異常的圖像特征的對(duì)應(yīng)關(guān)系；

23、在多維度特征通道上對(duì)正常樣本圖像集中的剩余正常樣本圖像的圖像特征、模擬得到的異常樣本圖像集中的各個(gè)異常樣本圖像的圖像特征進(jìn)行特征變換，將變換后的特征與第一數(shù)目的正常樣本圖像的圖像特征進(jìn)行特征匹配，得到多個(gè)第二匹配度，并基于第二匹配度構(gòu)建第二判斷度與正常的圖像特征、異常的圖像特征的對(duì)應(yīng)關(guān)系。

24、本發(fā)明還提供一種產(chǎn)品缺陷檢測(cè)裝置，包括：

25、獲取模塊，用于獲取待檢測(cè)的產(chǎn)品圖像；

26、檢測(cè)模塊，用于將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像；

27、其中，所述缺陷檢測(cè)模型為基于正常樣本圖像及基于正常樣本圖像模擬得到的異常樣本圖像通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到，用于定位產(chǎn)品圖像上缺陷的模型。

28、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種產(chǎn)品缺陷檢測(cè)方法。

29、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種產(chǎn)品缺陷檢測(cè)方法。

30、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種產(chǎn)品缺陷檢測(cè)方法。

31、本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法、裝置、設(shè)備及介質(zhì)，通過(guò)基于正常樣本圖像及基于正常樣本圖像模擬得到的異常樣本圖像訓(xùn)練得到模型，對(duì)待檢測(cè)的產(chǎn)品圖像進(jìn)行缺陷位置的定位，能夠提升對(duì)工業(yè)產(chǎn)品異常檢測(cè)的精度，有效地適應(yīng)工業(yè)環(huán)境中復(fù)雜多變的異常檢測(cè)需求。

技術(shù)特征：

1.一種產(chǎn)品缺陷檢測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的產(chǎn)品缺陷檢測(cè)方法，其特征在于，所述缺陷檢測(cè)模型包括匹配層，相應(yīng)地，將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像，包括：

3.根據(jù)權(quán)利要求2所述的產(chǎn)品缺陷檢測(cè)方法，其特征在于，所述缺陷檢測(cè)模塊還包括分析層，相應(yīng)地，將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像，包括：

4.根據(jù)權(quán)利要求1所述的產(chǎn)品缺陷檢測(cè)方法，其特征在于，基于正常樣本圖像模擬得到的異常樣本圖像，包括：

5.根據(jù)權(quán)利要求4所述的產(chǎn)品缺陷檢測(cè)方法，其特征在于，所述根據(jù)所述局部異常掩碼圖像、紋理異常圖像和結(jié)構(gòu)異常圖像得到第二融合圖像，包括：

6.根據(jù)權(quán)利要求1所述的產(chǎn)品缺陷檢測(cè)方法，其特征在于，所述方法還包括構(gòu)建缺陷檢測(cè)模型，包括：

7.一種產(chǎn)品缺陷檢測(cè)裝置，其特征在于，包括：

8.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一權(quán)利要求所述產(chǎn)品缺陷檢測(cè)方法。

9.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一權(quán)利要求所述產(chǎn)品缺陷檢測(cè)方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求?1-6?任一項(xiàng)所述產(chǎn)品缺陷檢測(cè)方法。

技術(shù)總結(jié)
本發(fā)明提供一種產(chǎn)品缺陷檢測(cè)方法、裝置、設(shè)備及介質(zhì)，該方法包括：獲取待檢測(cè)的產(chǎn)品圖像；將所述產(chǎn)品圖像輸入到缺陷檢測(cè)模型中，得到由所述缺陷檢測(cè)模型輸出的定位出缺陷位置的結(jié)果圖像；其中，所述缺陷檢測(cè)模型為基于正常樣本圖像及基于正常樣本圖像模擬得到的異常樣本圖像通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到，用于定位產(chǎn)品圖像上缺陷的模型。本發(fā)明提供的一種產(chǎn)品缺陷檢測(cè)方法、裝置、設(shè)備及介質(zhì)，通過(guò)基于正常樣本圖像及基于正常樣本圖像模擬得到的異常樣本圖像訓(xùn)練得到模型，對(duì)待檢測(cè)的產(chǎn)品圖像進(jìn)行缺陷位置的定位，能夠提升對(duì)工業(yè)產(chǎn)品異常檢測(cè)的精度，有效地適應(yīng)工業(yè)環(huán)境中復(fù)雜多變的異常檢測(cè)需求。

技術(shù)研發(fā)人員：王鋼,張玉貴
受保護(hù)的技術(shù)使用者：浙大寧波理工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15