[发明专利]零部件的异常检测方法及装置

权利要求书

1.一种零部件的异常检测方法，其特征在于，包括：

获取第一零部件的正常样本以及异常样本，其中，所述正常样本包括：所述第一零部件的第一图片，所述异常样本包括：与所述第一零部件处于不同位置的第二零部件的第二图片；

使用所述正常样本以及所述异常样本对孪生神经网络模型进行训练，其中，所述孪生神经网络模型用于确定输入到所述孪生神经网络模型中的正常样本与异常样本的相似度；

使用训练完成后的所述孪生神经网络模型检测输入到所述孪生神经网络模型的第三图片中的第一零部件是否存在异常。

2.根据权利要求1所述的方法，其特征在于，所述使用所述正常样本以及所述异常样本对孪生神经网络模型进行训练，包括：

将多组训练数据输入到所述孪生神经网络模型中，使用所述多组训练数据对所述孪生神经网络模型进行训练，其中，所述多组训练数据至少包括第一组训练数据和第二组训练数据，其中，所述第一组训练数据包括第一正常样本以及第一异常样本，所述第二组训练数据包括第二正常样本以及第三正常样本。

3.根据权利要求1所述的方法，其特征在于，所述使用训练完成后的所述孪生神经网络模型检测输入到所述孪生神经网络模型的第三图片中的第一零部件是否存在异常，包括：

获取所述第一图片以及第三图片；

将所述第一图片以及第三图片输入到所述训练完成后的孪生神经网络模型中，获取所述孪生神经网络模型对所述第一图片和所述第三图片分析后得到的相似度；

根据所述孪生神经网络模型对所述第一图片和所述第三图片分析后得到的相似度确定所述第三图片中的第一零部件是否存在异常。

4.根据权利要求3所述的方法，其特征在于，所述根据所述孪生神经网络模型对所述第一图片和所述第三图片分析后得到的相似度确定所述第三图片中的第一零部件是否存在异常，包括：

在所述相似度小于第一阈值的情况下，确定所述第三图片中的第一零件存在异常；

在所述相似度大于第二阈值的情况下，确定所述第三图片中的第一零件未存在异常。

5.一种零部件的异常检测装置，其特征在于，包括：

获取模块，用于获取第一零部件的正常样本以及异常样本，其中，所述正常样本包括：所述第一零部件的第一图片，所述异常样本包括：与所述第一零部件处于不同位置的第二零部件的第二图片；

训练模块，用于使用所述正常样本以及所述异常样本对孪生神经网络模型进行训练，其中，所述孪生神经网络模型用于确定输入到所述孪生神经网络模型中的正常样本与异常样本的相似度；

检测模块，用于使用训练完成后的所述孪生神经网络模型检测输入到所述孪生神经网络模型的第三图片中的第一零部件是否存在异常。

6.根据权利要求5所述的装置，其特征在于，所述训练模块，包括：

训练单元，用于将多组训练数据输入到所述孪生神经网络模型中，使用所述多组训练数据对所述孪生神经网络模型进行训练，其中，所述多组训练数据至少包括第一组训练数据和第二组训练数据，其中，所述第一组训练数据包括第一正常样本以及第一异常样本，所述第二组训练数据包括第二正常样本以及第三正常样本。

7.根据权利要求5所述的装置，其特征在于，所述检测模块，包括：

获取单元，用于获取所述第一图片以及第三图片；

输入单元，用于将所述第一图片以及第三图片输入到所述训练完成后的孪生神经网络模型中，获取所述孪生神经网络模型对所述第一图片和所述第三图片分析后得到的相似度；

确定单元，用于根据所述孪生神经网络模型对所述第一图片和所述第三图片分析后得到的相似度确定所述第三图片中的第一零部件是否存在异常。

8.根据权利要求7所述的装置，其特征在于，所述确定单元，包括：

第一确定子单元，用于在所述相似度小于第一阈值的情况下，确定所述第三图片中的第一零件存在异常；

第二确定子单元，用于在所述相似度大于第二阈值的情况下，确定所述第三图片中的第一零件未存在异常。