[发明专利]一种检测产品缺陷的方法及装置

权利要求书

1.一种检测产品缺陷的方法，其特征在于，包括：

获取待检测产品的深度图像，将所述深度图像转换为平面灰度图像；

将所述平面灰度图像输入到预先构建的深度学习网络，得到所述待检测产品的缺陷检测结果，其中，通过如下步骤构建所述深度学习网络；

获取样品的样品深度图像，将所述样品深度图像转换为样品平面灰度图像；

依据所述样品包含的缺陷特征，对所述样品对应的样品平面灰度图像进行标注，根据标注的样品平面灰度图像，将所述标注的样品平面灰度图像划分为训练集以及测试集；

以所述训练集中标注的样品平面灰度图像的缺陷区域作为深度学习训练网络的输入，以该缺陷区域对应的缺陷类型作为所述深度学习训练网络的输出，对所述深度学习训练网络进行训练；

以所述测试集中标注的样品平面灰度图像的缺陷区域作为训练的深度学习训练网络的输入，获取所述训练的深度学习训练网络的输出结果，与以该缺陷区域对应的缺陷类型进行比对，获取所述训练的深度学习训练网络的网络精度；

若所述网络精度小于预先设置的精度阈值，依据所述训练集对所述训练的深度学习训练网络继续训练，直至所述训练的深度学习训练网络的网络精度不小于所述精度阈值，得到所述深度学习网络。

2.如权利要求1所述的方法，其特征在于，所述依据所述样品包含的缺陷，对所述样品对应的样品平面灰度图像标注，包括：

分析所述样品包含的缺陷区域，提取该缺陷区域的缺陷特征，依据预先构建的缺陷类型与缺陷特征的对应关系，确定每一缺陷特征对应的缺陷类型；

在所述样品对应的样品平面灰度图像的缺陷区域进行确定的缺陷类型标注。

3.如权利要求1所述的方法，其特征在于，所述根据标注的样品平面灰度图像，将所述标注的样品平面灰度图像划分为训练集以及测试集，包括：

针对每一标注的样品平面灰度图像，统计该标注的样品平面灰度图像的缺陷类型数量，若统计的缺陷类型数量超过预设的缺陷类型数阈值，将该标注的样品平面灰度图像置于训练集中，否则，将该标注的样品平面灰度图像置于测试集中。

4.如权利要求3所述的方法，其特征在于，所述训练集中还包含有无缺陷的样品平面灰度图像，所述测试集中还包含有无缺陷的样品平面灰度图像。

5.如权利要求1所述的方法，其特征在于，在将所述样品深度图像转换为样品平面灰度图像之后，依据所述样品包含的缺陷，对所述样品对应的样品平面灰度图像进行标注之前，所述方法还包括：

对所述样品平面灰度图像进行预处理。

6.如权利要求5所述的方法，其特征在于，所述预处理包括：噪声抑制预处理、图像形态学预处理以及旋转变换预处理。

7.如权利要求1至6任一项所述的方法，其特征在于，在对所述样品对应的样品平面灰度图像进行标注之后，根据标注的样品平面灰度图像，将所述标注的样品平面灰度图像划分为训练集以及测试集之前，所述方法还包括：

统计所述样品平面灰度图像包含的所有缺陷区域面积，计算所述所有缺陷区域面积与所述样品平面灰度图像的面积的比值；

若所述比值小于预先设置的比例阈值，对所述样品平面灰度图像进行分割，删除分割的不包含缺陷区域的分割图像。

8.如权利要求7所述的方法，其特征在于，分割得到的每一分个图像中，包含整数个缺陷区域。