本申请涉及产品检测技术领域，本申请提供一种产品外观缺陷全检测方法、装置及可读存储介质，通过获取用户提供的产品外观缺陷，根据产品外观缺陷匹配产品外观的成像方案，获取用户提供的产品外观的缺陷检测标准，并获取根据成像方案对产品外观进行成像的成像效果，根据产品外观缺陷、产品外观的缺陷检测标准以及成像效果，匹配出用于检测产品外观缺陷的深度学习检测模型，对深度学习检测模型进行训练，并根据深度学习检测模型的输出，对深度学习检测模型进行迭代优化，根据产品外观缺陷的成像方案、产品外观的缺陷检测标准以及迭代优化后的深度学习检测模型，对产品外观缺陷进行在线全检测，从而提升产品外观检测的检测效率和精度，减少误检和漏检情况的发生。减少误检和漏检情况的发生。减少误检和漏检情况的发生。
【技术实现步骤摘要】
产品外观缺陷全检测方法、装置及可读存储介质
[0001]本申请属产品检测
，尤其涉及一种产品外观缺陷全检测方法、装置及可读存储介质。
技术介绍
[0002]在工业制造中，一般都会涉及对工业产品外观进行检测。目前，产品外观检测通常都由检测方根据专业经验，对产品外观的一些特定区域进行检测，而且很多检测还在依靠人工检测。随着工业制造中外观瑕疵检测技术的发展以及客户需求越来越多、越来越高，检测需求朝着高效率、高精度的方向延伸，人工检测往往会耗费过多的时间，且检测效率偏低，另外，人工长时间检测会导致视觉疲劳，又会导致产品的误检和漏检的情况频发。
[0003]综上所述，现有产品外观检测技术存在检测效率低，检测精度低，误检和漏检的情况频发等技术问题。
[0004]申请内容
[0005]针对上述现有技术存在的不足，本申请提供一种产品外观缺陷全检测方法、装置及可读存储介质，以提升产品外观检测的检测效率和精度，减少误检和漏检情况的发生。
[0006]第一方面，本申请提供一种产品外观缺陷全检测方法，包括以下步骤：
[0007]获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案；
[0008]获取用户提供的产品外观的缺陷检测标准，并获取根据所述成像方案对产品外观进行成像的成像效果；
[0009]根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型；
[0010]对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化；
[0011]根据所述产品外观缺陷的成像方案、所述产品外观的缺陷检测标准以及迭代优化后的所述深度学习检测模型，对所述产品外观缺陷进行在线全检测。
[0012]进一步，所述获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案，包括：
[0013]获取用户提供的产品外观缺陷，根据所述产品外观缺陷确定产品外观的成像方式和图像采集顺序；
[0014]根据所述成像方式和所述图像采集顺序，搭建产品外观的图像采集平台，以采集产品外观所有区域的图像，得到所述产品外观的成像方案。
[0015]进一步，所述根据所述产品外观缺陷确定产品外观的成像方式和图像采集顺序，包括：
[0016]根据所述产品外观缺陷确定所述产品外观缺陷出现在产品外观的位置；
[0017]根据所述产品外观缺陷出现在产品外观的位置，划分出产品外观的拍照区域，并
确定产品外观各个区域的成像方式；
[0018]根据所述产品外观的拍照区域，确认产品外观所有区域的图像采集顺序。
[0019]进一步，所述根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型，包括：
[0020]根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型的数量；
[0021]确定每个所述深度学习检测模型对所述产品外观缺陷进行检测的产品外观检测区域，以得到所述深度学习检测模型的分布。
[0022]进一步，所述对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化，包括：
[0023]在产品的图像采集平台上采集产品的外观图像，对图像中产品的缺陷进行标注以得到产品外观缺陷标注数据；
[0024]使用所述产品外观缺陷标注数据对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化。
[0025]进一步，所述深度学习检测模型为CNN、RNN、GAN、CAM、DRL以及VAE中的任意一种。
[0026]进一步，所述根据所述产品外观缺陷的成像方案、所述产品外观的缺陷检测标准以及迭代优化后的所述深度学习检测模型，对所述产品外观缺陷进行在线全检测，包括：
[0027]根据所述产品外观缺陷的成像方案，采集产品外观的图像；
[0028]对采集到的所述产品外观的图像进行裁剪，以得到待检测的目标区域的图像；
[0029]将所述待检测的目标区域的图像输入深度学习检测模块，预测输出缺陷结果数据；
[0030]根据所述产品外观的缺陷检测标准，确定缺陷所需要提取的特征数据；
[0031]根据所述产品外观的缺陷检测标准，并结合缺陷提取的所述特征数据，以得到缺陷检出的评估模块，并通过所述缺陷结果数据的量化指标，设定各个缺陷检出的量化评估阈值；
[0032]通过所述评估模块和所述量化评估阈值，对产品外观的合格状态进行判定。
[0033]进一步，所述缺陷结果数据包括缺陷的概率分数，缺陷的位置信息、缺陷的大小信息以及缺陷掩码。
[0034]第二方面，本申请提供一种产品外观缺陷全检测装置，包括：
[0035]成像方案匹配模块，用于获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案；
[0036]检测标准和成像效果获取模块，用于获取用户提供的产品外观的缺陷检测标准，并获取根据所述成像方案对产品外观进行成像的成像效果；
[0037]深度学习检测模型匹配模块，用于根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型；
[0038]深度学习检测模型训练和优化模块，用于对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化；
[0039]产品外观缺陷在线全检测模块，用于根据所述产品外观缺陷的成像方案、所述产品外观的缺陷检测标准以及迭代优化后的所述深度学习检测模型，对所述产品外观缺陷进
行在线全检测。
[0040]第三方面，本申请提供一种可读存储介质，所述可读存储介质储存计算机程序，所述计算机程序在处理器运行时实现上述任一项所述的产品外观缺陷全检测方法。
[0041]本申请与现有技术相比，其有益效果如下：
[0042]本申请提供一种产品外观缺陷全检测方法、装置及可读存储介质，通过获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案，获取用户提供的产品外观的缺陷检测标准，并获取根据所述成像方案对产品外观进行成像的成像效果，根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型，对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化，根据所述产品外观缺陷的成像方案、所述产品外观的缺陷检测标准以及迭代优化后的所述深度学习检测模型，对所述产品外观缺陷进行在线全检测，从而提升产品外观检测的检测效率和精度，减少误检和漏检情况的发生。
附图说明
[0043]此处所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种产品外观缺陷全检测方法，其特征在于，包括以下步骤：获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案；获取用户提供的产品外观的缺陷检测标准，并获取根据所述成像方案对产品外观进行成像的成像效果；根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型；对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化；根据所述产品外观缺陷的成像方案、所述产品外观的缺陷检测标准以及迭代优化后的所述深度学习检测模型，对所述产品外观缺陷进行在线全检测。2.如权利要求1所述的产品外观缺陷全检测方法，其特征在于，所述获取用户提供的产品外观缺陷，根据所述产品外观缺陷匹配产品外观的成像方案，包括：获取用户提供的产品外观缺陷，根据所述产品外观缺陷确定产品外观的成像方式和图像采集顺序；根据所述成像方式和所述图像采集顺序，搭建产品外观的图像采集平台，以采集产品外观所有区域的图像，得到所述产品外观的成像方案。3.如权利要求2所述的产品外观缺陷全检测方法，其特征在于，所述根据所述产品外观缺陷确定产品外观的成像方式和图像采集顺序，包括：根据所述产品外观缺陷确定所述产品外观缺陷出现在产品外观的位置；根据所述产品外观缺陷出现在产品外观的位置，划分出产品外观的拍照区域，并确定产品外观各个区域的成像方式；根据所述产品外观的拍照区域，确认产品外观所有区域的图像采集顺序。4.如权利要求1所述的产品外观缺陷全检测方法，其特征在于，所述根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型，包括：根据所述产品外观缺陷、所述产品外观的缺陷检测标准以及所述成像效果，匹配出用于检测所述产品外观缺陷的深度学习检测模型的数量；确定每个所述深度学习检测模型对所述产品外观缺陷进行检测的产品外观检测区域，以得到所述深度学习检测模型的分布。5.如权利要求1所述的产品外观缺陷全检测方法，其特征在于，所述对所述深度学习检测模型进行训练，并根据所述深度学习检测模型的输出，对所述深度学习检测模型进行迭代优化，包括：在产品的图像采集平台上采集产品的外观图像，对图像中产品的缺陷进行标注以得到产品外观缺陷标注数据；使用所述产品外观缺陷标注数据对所述深度学习检...
【专利技术属性】
技术研发人员：周志刚，张强，陈志忠，王逊，
申请(专利权)人：深圳市玻尔智造科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。