[发明专利]一种工业图像表面缺陷检测模型、方法、系统及装置

权利要求书

1.一种工业图像表面缺陷检测模型，其特征在于，所述检测模型通过以下步骤训练得到：

批量获取物体表面含缺陷的图像和无缺陷的图像，得到原始图像数据集；其中，各个所述含缺陷的图像的背景纹理和缺陷类型之间均不同，各个所述无缺陷的图像的背景纹理之间均不同；

对所述原始图像数据集进行预处理，得到测试图像数据集，所述测试图像数据集中的图像尺寸相同；

将所述测试图像数据集导入到基于Inception模块的卷积神经网络中，逐步迭代训练得到工业图像表面缺陷检测模型。

2.根据权利要求1所述的一种工业图像表面缺陷检测模型，其特征在于，所述批量获取物体表面含缺陷的图像和无缺陷的图像这一步骤，其具体包括：

通过纹理模型生成背景纹理不同的物体表面图像，并将物体表面图像分为第一图像集和第二图像集；

获取所述第二图像集，通过缺陷模型在所述第二图像集中的各个图像上生成不同类型的缺陷，得到第三图像集；

批量获取所述第一图像集中的图像作为物体表面无缺陷的图像，批量获取第三图像集中的图像作为物体表面含缺陷的图像。

3.根据权利要求1所述的一种工业图像表面缺陷检测模型，其特征在于，所述对所述原始图像数据集进行预处理这一步骤，其具体包括：

按照图像中物体表面有无缺陷，将所述原始图像数据集分为第一图像数据集和第二图像数据集；其中，所述第一图像数据集中的图像物体表面无缺陷，所述第二图像数据集中的图像物体表面有缺陷；

基于滑窗法对所述第一图像数据集进行预处理，得到第一测试图像数据子集；

基于滑窗法和阈值法对所述第二图像数据集进行预处理，得到第二测试图像数据子集。

4.根据权利要求3所述的一种工业图像表面缺陷检测模型，其特征在于，所述基于滑窗法和阈值法对所述第二图像数据集进行预处理这一步骤，其具体包括：

通过预先设置的滑窗大小和步长，对所述第二图像数据集中的各个图像进行滑动提取，得到各个图像对应的缺陷子图；

获取第二图像数据集中的各个图像中的缺陷面积和其对应的缺陷子图中的缺陷面积；

确定各个缺陷子图中的缺陷面积所占其对应原图中的缺陷面积的比例，并剔除所述比例低于预设阈值的缺陷子图。

5.根据权利要求1-4中任一项所述的一种工业图像表面缺陷检测模型，其特征在于，所述将所述测试图像数据集导入到基于Inception模块的卷积神经网络中这一步骤之前，还包括以下步骤：

将所述测试图像数据集转换成tfrecord格式。

6.根据权利要求5所述的一种工业图像表面缺陷检测模型，其特征在于，所述逐步迭代训练得到工业图像表面缺陷检测模型这一步骤，其具体为：基于小批量梯度下降法对卷积神经网络进行训练，并在其损失函数中加入正则化损失项。

7.一种工业图像表面缺陷检测方法，其特征在于，包括以下步骤：

获取物体表面的图像；

对所述图像进行预处理，得到检测图像数据集；

将所述检测图像数据集导入到训练好的工业图像表面缺陷检测模型中，得到物体表面缺陷的检测结果；

所述工业图像表面缺陷检测模型采用如权利要求1-6中任一项所述的模型。

8.根据权利要求7所述的一种工业图像表面缺陷检测方法，其特征在于，所述将所述检测图像数据导入到训练好的工业图像表面缺陷检测模型中这一步骤之前，还包括以下步骤：

将所述检测图像数据集转换成tfrecord格式。

9.一种工业图像表面缺陷检测系统，其特征在于，包括：

获取模块，用于获取物体表面的图像；

数据预处理模块，用于对所述图像进行预处理，得到测试图像数据集和检测图像数据集；

训练模块，用于基于所述测试图像数据集，训练得到工业图像表面缺陷检测模型；

检测模块，用于将所述检测图像数据集导入到训练好的工业图像表面缺陷检测模型中，得到物体表面缺陷的检测结果。

10.一种工业图像表面缺陷检测装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求7-8中任一项所述的一种工业图像表面缺陷检测方法。