[发明专利]工业质检方法、装置和计算机可读存储介质

说明书

本发明提供一种工业质检方法、装置和计算机可读存储介质，所述方法包括：获取工业质检图片，并采用第一目标检测网络将工业质检图片进行图片标注质量检测和负难样本筛选；将工业质检图片输入生成对抗网络中，以识别异常样本并输出异常分类；将滤除异常样本后的工业质检图片输入第二目标检测网络中，以识别缺陷类别和位置；根据异常分类、缺陷类别和位置，输出质检结果。该方法将生成对抗网络和目标检测网络结合，对于工业现场出现的极少数样本或者重大缺陷的情况有更好的反应，并且由于生成对抗网络的特点，使得实际上线后，即使出现新型异常情况，也可以有很好的检测和预警，增强传统单个目标检测算法的鲁棒性。

技术领域

本发明涉及检测技术领域，具体涉及一种工业质检方法、一种工业质检装置和一种非临时性计算机可读存储介质。

背景技术

目前工业质量和缺陷检测中主要分为人工质检及机器视觉两种方案。其中人工质检存在人力效率低、成本高、质量控制困难、准确率随着工作时间增加而降低等问题。对于机器视觉方向，目前工业现场采用的机器视觉检测算法多为传统的图像处理算法，传统视觉检测正确率和速度需要进一步提升，并且随着业务增加和多种多样的缺陷出现，算法检测的目标种类也需要增加。深度学习方向的视觉检测提供了良好的思路和背景。

在针对工业质检中目标缺陷检测进行深度算法的学习和检测中，目前主要采用目标检测的深度网络进行检测。然而由于目标框的大小和位置的限制，使得在算法在处理缺陷样本数量过少、缺陷样本覆盖面大、全局缺陷、样本特征不明显等情况时，准确率会受到较大影响。

发明内容

本发明为解决上述技术问题，提出了一种工业质检方法，该方法通过将生成对抗网络和目标检测网络结合，对于工业现场出现的极少数样本或者重大缺陷的情况有更好的反应，并且由于生成对抗网络的特点，使得实际上线后，即使出现新型异常情况，也可以有很好的检测和预警，增强传统单个目标检测算法的鲁棒性。

本发明还提出一种工业质检装置。

本发明还提出一种非临时性计算机可读存储介质。

本发明采用的技术方案如下：

本发明第一方面实施例提出了一种工业质检方法，包括以下步骤：获取工业质检图片，并采用第一目标检测网络对所述工业质检图片进行图片标注增强，其中，所述第一目标检测网络包括单阶段目标检测模型；将所述工业质检图片输入生成对抗网络中，以识别异常样本并输出异常分类；将滤除所述异常样本后的工业质检图片输入第二目标检测网络中，以识别缺陷类别和位置，其中，所述第二目标检测网络包括单阶段目标检测模型或双阶段目标检测模型；根据所述异常分类、所述缺陷类别和位置，输出质检结果。

根据本发明的一个实施例，采用正常良品图片样本训练所述生成对抗网络，通过跳跃式连接的自编码器Autoencoder生成伪图像，根据测试图片和所述伪图像之间的差异程度识别异常样本。

根据本发明的一个实施例，采用第一目标检测网络对所述工业质检图片进行图片标注增强前，还包括：根据实际需要对所述工业质检图片进行切图和图像增强，所述图像增强包括：翻转、旋转、平移、颜色扰动。

根据本发明的一个实施例，所述单阶段目标检测模型包括：YOLO（对象检测算法）系列模型、SSD（Single Shot MultiBox Detector，单镜头多盒检测器）模型，所述双阶段目标检测模型包括：Faster R-CNN（Region Convolutional Neural Networks，基于卷积神经网络）、Cascade R-CNN、HTC（Hybrid Task Cascade，混合任务级联）。