[发明专利]一种缺陷样本生成方法、装置、电子设备及存储介质

说明书

本申请提供一种缺陷样本生成方法、装置、电子设备及存储介质。方法包括：获得待处理工件图像和带缺陷工件图像；带缺陷工件图像包括第一缺陷区域；在待处理工件图像中随机确定第二缺陷区域；将第一缺陷区域与第二缺陷区域进行直方图匹配，获得新的待处理工件图像；将新的待处理工件图像输入风格迁移模型中进行风格迁移处理，获得风格迁移模型输出的目标图像；目标图像中的包括生成的缺陷。本申请实施例通过在待处理工件图像中随机确定第二缺陷区域用来仿造缺陷，其位置、形状、大小都是随机的，因此，能够获得更多种类的缺陷，然后利用直方图匹配以及风格迁移方法来提高仿造缺陷的真实性。不需要人工在工件上制造缺陷，大大地降低的人力物力。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种缺陷样本生成方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术的飞速发展，以深度学习为代表的人工智能技术已经渗透到了社会的方方面面，以制造业为例，基于人工智能技术的表面缺陷检测技术，正在大幅度得提高制造业的生产效率和生产质量，使得我国制造业能在生产成本降低的同时提高产品品质竞争力，推动我国逐渐从制造大国变为制造强国。

在使用以神经网络为代表的人工智能技术进行表面缺陷质检时，通常需要收集大量带缺陷的工件样本，通过对大量带缺陷的工件的学习，才能使得神经网络能够很好的拟合和泛化，完成智能缺陷检测功能，代替人工完成外观质检工作。

但是通常情况下，带缺陷的工件是非常有限的。这就需要我们去仿造大量的带缺陷的工件，以此来满足神经网络算法的需求，最终才能得到一个性能达标的网络模型，进行生产使用。

目前仿造缺陷的方法是通过人工伪造的方法，人工伪造就是利用工具，通过物理方法，去模拟生成带缺陷的样本。但这种方法，极大的消耗人力，物力，同时仿造出来的缺陷也数量有限。

发明内容

本申请实施例的目的在于提供一种缺陷样本生成方法、装置、电子设备及存储介质，用以解决现有技术中仿造缺陷耗费大量的人力物力，及仿造缺陷的数量有限的问题。

第一方面，本申请实施例提供一种缺陷样本生成方法，包括：获得待处理工件图像和带缺陷工件图像；其中，所述带缺陷工件图像包括第一缺陷区域；在所述待处理工件图像中随机确定第二缺陷区域；将所述第一缺陷区域与所述第二缺陷区域进行直方图匹配，获得新的待处理工件图像；将所述新的待处理工件图像输入风格迁移模型中进行风格迁移处理，获得所述风格迁移模型输出的目标图像；其中，所述目标图像中的包括生成的缺陷。

本申请实施例通过在待处理工件图像中随机确定第二缺陷区域用来仿造缺陷，其位置、形状、大小都是随机的，因此，能够获得更多种类的缺陷，然后利用直方图匹配的方式使得待仿造的缺陷区域在颜色和灰度上和真实的缺陷保持一致，提高了仿造的缺陷的真实性，再利用风格迁移方法使得待处理工件图像中仿造的缺陷区域与背景区域的纹理保持一致。不需要人工在工件上制造缺陷，大大地降低的人力物力。

进一步地，所述在所述待处理工件图像中随机确定第二缺陷区域，包括：从所述待处理工件图像中随机确定一点作为基准点；从预设的缺陷类型中随机选择一个作为目标缺陷类型；对所述目标缺陷类型对应的缺陷进行变换，获得所述变换后缺陷；将所述基准点作为所述变换后缺陷的中心点，在所述待处理工件图像上生成所述第二缺陷区域。

本申请实施例通过在待处理工件图像中随机确定第二缺陷区域用来仿造缺陷，其位置、形状、大小都是随机的，因此，使得仿造的缺陷更加多样化。

进一步地，所述将所述第一缺陷区域与所述第二缺陷区域进行直方图匹配，获得新的待处理工件图像，包括：根据函数y←S[L']+histmatch(S[L],H[M])获得新的待处理工件图像；其中，y为所述新的待处理工件图像，S为所述待处理工件图像，L为所述第二缺陷区域，L'为，H为所述带缺陷工件图像，M为所述第一缺陷区域。