缺陷检测方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114155244A(43)申请公布日2022.03.08(21)申请号202210123306.0(22)申请日2022.02.10(71)申请人北京阿丘科技有限公司地址100089北京市海淀区上地东路1号院1号楼6层601A-02号(72)发明人黄耀胡中慧(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287代理人冯会(51)Int.Cl.G06T7/00(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称缺陷检测方法、装置、设备及存储介质(57)摘要本发明属于检测技术领域，公开了一种缺陷检测方法、装置、设备及存储介质。该方法包括：获取无缺陷图像和目标检测图像；根据预设缺陷样本生成模型对所述无缺陷图像进行缺陷生成，得到仿真缺陷样本；根据所述仿真缺陷样本对所述目标检测图像进行缺陷检测，得到缺陷检测结果。通过上述方式，根据预设缺陷样本生成模型和无缺陷图像进行缺陷生成得到仿真缺陷样本，通过大量仿真缺陷样本图像对缺陷样本图像集进行增广，增大了缺陷样本数量，利用数量增加后的缺陷样本对目标检测图像进行检测识别，提高了小样本缺陷检测时的精度。CN114155244ACN114155244A权利要求书1/2页1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括：获取无缺陷图像和目标检测图像；根据预设缺陷样本生成模型对所述无缺陷图像进行缺陷生成，得到仿真缺陷样本；根据所述仿真缺陷样本对所述目标检测图像进行缺陷检测，得到缺陷检测结果。2.如权利要求1所述的缺陷检测方法，其特征在于，所述根据预设缺陷样本生成模型对所述无缺陷图像进行缺陷生成，得到仿真缺陷样本，包括：提取所述无缺陷图像中的缺陷位置和缺陷形状；根据预设缺陷样本生成模型、缺陷位置以及缺陷型状进行缺陷生成，得到仿真缺陷样本。3.如权利要求1所述的缺陷检测方法，其特征在于，所述根据预设缺陷样本生成模型对所述无缺陷图像进行缺陷生成，得到仿真缺陷样本之前，还包括：获取训练缺陷图像；对所述训练缺陷图像进行图像预处理，得到标注缺陷图像；根据所述标注缺陷图像和所述训练缺陷图像进行模型训练，得到预设缺陷样本生成模型。4.如权利要求3所述的缺陷检测方法，其特征在于，所述对所述训练缺陷图像进行图像预处理，得到标注缺陷图像，包括：提取所述训练缺陷图像中的初始缺陷位置和初始缺陷形状；根据所述初始缺陷位置和所述初始缺陷形状对所述训练缺陷图像进行图像预处理，得到标注缺陷图像。5.如权利要求3所述的缺陷检测方法，其特征在于，所述根据所述标注缺陷图像和所述训练缺陷图像进行模型训练得到预设缺陷样本生成模型，包括：输入所述标注缺陷图像至缺陷生成器，得到初始生成图像；输入所述初始生成图像和所述训练缺陷图像至缺陷判别器，得到目标函数；根据所述目标函数和所述缺陷生成器得到预设缺陷样本生成模型。6.如权利要求5所述的缺陷检测方法，其特征在于，所述输入所述初始生成图像和所述训练缺陷图像至缺陷判别器，得到目标函数，包括：输入所述初始生成图像和所述训练缺陷图像至缺陷判别器，得到缺陷生成概率；根据所述缺陷生成概率确定对抗损失和L1损失；根据所述对抗损失和所述L1损失得到目标函数。7.如权利要求5所述的缺陷检测方法，其特征在于，所述根据所述目标函数和所述缺陷生成器得到预设缺陷样本生成模型，包括：根据缺陷优化器对所述目标函数进行训练，得到所述目标函数的训练次数；当所述训练次数达到预设轮次时，根据所述缺陷生成器得到预设缺陷样本生成模型。8.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括：获取模块，用于获取无缺陷图像和目标检测图像；生成模块，用于根据预设缺陷样本生成模型对所述无缺陷图像进行缺陷生成，得到仿真缺陷样本；检测模块，用于根据所述仿真缺陷样本对所述目标检测图像进行缺陷检测，得到缺陷2CN114155244A权利要求书2/2页检测结果。9.一种缺陷检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的缺陷检测程序，所述缺陷检测程序配置为实现如权利要求1至7中任一项所述的缺陷检测方法。10.一种存储介质，其特征在于，所述存储介质上存储有缺陷检测程序，所述缺陷检测程序被处理器执行时实现如权利要求1至7任一项所述的缺陷检测方法。3CN114155244A说明书1/8页缺陷检测方法、装置、设备及存储介质技术领域[0001]本发明涉及检测技术领域，尤其涉及一种缺陷检测方法、装置、设备及存储介质。背景技术[0002]随着深度学习的不断发展，图像分类、目标检测、物体分割等任务取得了飞跃进步。深度学习技术在机器视觉领域的应用使得缺陷检测，相较于