[发明专利]一种AOI缺陷检测方法

权利要求书

1.一种AOI缺陷检测方法，其特征在于，包括以下步骤：

建立缺陷检测模型，所述缺陷检测模型包括生成器网络和判别器网络，所述缺陷检测模型用于获得缺陷相关信息，所述缺陷相关信息包括输入样本的异常得分、和/或异常区域的具体位置信息；

利用正样本建立训练集，利用所述训练集训练所述生成器网络和所述判别器网络；

利用训练获得的所述生成器网络和所述判别器网络更新所述缺陷检测模型，获得更新后的缺陷检测模型；

采集待检测面板图像；

将所述待检测面板图像输入至所述更新后的缺陷检测模型中，进行缺陷检测，并获得所述待检测面板的所述缺陷相关信息。

2.根据权利要求1所述的AOI缺陷检测方法，其特征在于，所述异常区域的具体位置信息包括异常区域轮廓、和/或异常区域边界框。

3.根据权利要求1所述的AOI缺陷检测方法，其特征在于，所述生成器网络采用Unet结构，输入图像经过N层（N=1）下采样、N层上采样处理后得到重构图像；

所述下采样包括三个子处理过程，依次为LeakyRelu层、卷积层、批归一化层；所述上采样包括三个子处理过程，依次为Relu层、转置卷积层、批归一化层。

4.根据权利要求1所述的AOI缺陷检测方法，其特征在于，所述判别器网络的输入图像经过N（N=1）层下采样、特征提取、卷积处理后得到输出得分；

所述下采样、所述特征提取均包括三个子处理过程，依次为LeakyRelu层、卷积层、批归一化层；所述卷积处理包括两个子处理过程，依次为卷积层、sigmoid层。

5.根据权利要求2所述的AOI缺陷检测方法，其特征在于，所述缺陷检测模型包括依次连接的异常GAN前向模块和特征信息提取模块；

所述异常GAN前向模块包括依次连接的生成器网络和判别器网络，用于获得输入样本的异常得分和残差图；

所述特征信息提取模块包括依次连接的残差图开闭操作模块、异常区域轮廓提取模块、轮廓过滤模块，用于根据残差图获得异常区域轮廓和异常区域边界框。

6.根据权利要求1所述的AOI缺陷检测方法，其特征在于，所述利用所述训练集训练所述生成器网络和所述判别器网络为：

针对每一个正样本，真实图像作为输入图像，经过生成器网络后生成重构图像；所述重构图像输入至判别器网络，输出重构得分、重构特征；所述真实图像作为输入图像，直接经过所述判别器网络后输出真实得分、真实特征；

根据所述真实图像、所述重构图像、所述真实特征、所述重构特征、所述真实得分、所述重构得分获得最小化的生成器损失函数和判别器损失函数。

7.根据权利要求6所述的AOI缺陷检测方法，其特征在于，所述生成器损失函数包括残差损失、对抗损失、特征损失；所述判别器损失函数包括真实图对抗损失、重构图对抗损失；

利用所述训练集根据所述生成器损失函数、所述判别器损失函数交替地通过反向传播训练对应网络。

8.根据权利要求1所述的AOI缺陷检测方法，其特征在于，每一轮训练结束后，通过验证集进行测试，计算出AUC值作为此轮训练的测试指标；全部训练结束后，保存AUC值最高时对应的生成器网络和判别器网络，并将其用于更新的所述缺陷检测模型中。

9.根据权利要求1所述的AOI缺陷检测方法，其特征在于，在将所述待检测面板图像输入至所述更新后的缺陷检测模型中之前，还包括：对所述待检测面板图像进行前处理；

所述前处理包括：对所述待检测面板图像进行ROI区域提取，获取ROI区域图；对所述ROI区域图进行切分，获得多个第一图像；对每个所述第一图像进行切分，获得多个第二图像，作为批处理图像；

将所述批处理图像输入至所述更新后的缺陷检测模型中，获得每个所述第二图像对应的缺陷相关信息。

10.根据权利要求1-9中任意一项所述的AOI缺陷检测方法，其特征在于，还包括进行缺陷分类，具体为：

根据所述待检测面板图像获得已知缺陷信息；根据所述缺陷相关信息和所述已知缺陷信息，利用重叠面积判断缺陷为已知缺陷或异常缺陷。