[发明专利]一种产品缺陷检测方法、装置、电子设备及存储介质

说明书

本发明公开了一种产品缺陷检测方法、装置、电子设备及存储介质，所述方法包括：获取包含待检测产品的第一图像，将所述第一图像输入预先训练完成的缺陷检测模型；基于所述缺陷检测模型，确定所述待检测的产品是否存在缺陷。由于在本发明实施例中，电子设备预先训练完成有缺陷检测模型，针对待检测的产品，将包含该产品的第一图像输入到缺陷检测模型中，基于缺陷检测模型检测该产品是否存在缺陷，并输出相应的结果。本发明实施例提供的方案不需要人工干预，并且不受光线以及产品类型的影响，因此，节省了大量的人力资源，并且具备较高的检测效率和准确率。

技术领域

本发明涉及产品缺陷检测技术领域，尤其涉及一种产品缺陷检测方法、装置、电子设备及存储介质。

背景技术

随着信息与智能化社会的到来，工业产品和精密零件生产逐渐走向智能化生产，极大地提高了生产力，并且应用场景增多，也就催生很多相关企业，而工业产品的精密程度对于工业生产起到很重要的作用，如果有不合格的产品可能会对生产造成无法预估的影响。因此，对产品的缺陷检测变得尤为重要。

现有技术中对产品进行缺陷检测时，一般是通过人工及传统工具的观测，这样就为工人带来很多繁冗的工作量，并且精度难于保证，效率低下，对于大批量产品，浪费大量人力物力。为了提高效率，节省人力，现有技术中还提供了通过分析图像中灰度值与阈值进行比较的结构，来检测是否存在缺陷，该方法存在的问题是，只能检测表面光滑的产品是否存在缺陷，局限性较大，并且由于光线等原因，也会造成检测不准确的问题。

因此，现有技术中的产品缺陷检测方案存在检测效率和准确率较低的问题。

发明内容

本发明实施例提供了一种产品缺陷检测方法、装置、电子设备及存储介质，用以解决现有技术中的产品缺陷检测方案检测效率和准确率较低的问题。

本发明实施例提供了一种产品缺陷检测方法，所述方法包括：

获取包含待检测产品的第一图像，将所述第一图像输入预先训练完成的缺陷检测模型；

基于所述缺陷检测模型，确定所述待检测的产品是否存在缺陷。

进一步地，所述缺陷检测模型的训练过程包括：

将训练集中的每个第二图像输入缺陷检测模型，得到每个缺陷检测图像；根据所述每个缺陷检测图像和每个第二图像对应的标注图像，确定模型训练误差，经过预设的时间或预设的迭代次数后，将误差最小的模型作为训练完成的缺陷检测模型。

进一步地，所述将训练集中的每个第二图像输入缺陷检测模型，得到每个缺陷检测图像包括：

将训练集中的每个第二图像输入到至少两个单一检测模型，对所述至少两个单一检测模型进行训练；

去除训练完成的所述至少两个单一检测模型的输入层和全连接层；

将训练集中的每个第二图像输入到至少两个单一检测模型，对所述至少两个单一检测模型产生的检测特征图进行合并，并传输至所述缺陷检测模型的全连接层，得到每个缺陷检测图像。

进一步地，所述至少两个单一检测模型包括InceptionResNetV2模型，VGG16模型，DenseNet模型，ResNet模型中的至少两个。

进一步地，所述根据所述每个缺陷检测图像和每个第二图像对应的标注图像，确定模型训练误差包括：

根据公式：确定每个像素点的误差；根据所述每个像素点的误差，确定模型训练误差；

式中，p_t为缺陷检测图像中像素点的像素值，所述像素值为未进行二值化的像素值，y为像素点的标注信息，当y＝1时表明该像素点为背景像素点，当y＝0时表明该像素点为缺陷像素点，α为加权常数。