[发明专利]一种车辆外观缺陷检测方法、装置和存储介质

说明书

本申请涉及图像处理和深度学习技术领域，具体而言，涉及一种车辆外观缺陷检测方法、装置和计算机可读存储介质。本申请以一阶段网络为基础结构，采集缺陷样本与正常样本，通过数据增广与聚类方法，增加数据量并且总结数据特性；以自适应设计锚点与缩放尺寸让网络具有更好的鲁棒性；添加二次裁剪网络辅助检测；通过多尺度网络与多维特征融合保证对小缺陷的检测能力的同时保留大缺陷的检测能力；使用新型卷积模块，增加提取特征能力；使用新型池化模块，减少下采样的信息丢失；添加交并比损失函数指导网络训练。最终整体网络用于车辆外观缺陷检测，节省人力成本并且排除人为主观因素的干扰，具有效率高、准确率高、实用性强的优点。

技术领域

本申请涉及图像处理和深度学习技术领域，具体而言，涉及一种车辆外观缺陷检测方法、装置和计算机可读存储介质。

背景技术

缺陷检测，顾名思义是对物体的缺陷进行定位和分类的技术，其广泛应用于工业界的各个角落，目前大部分工业界的缺陷检测方法是人工抽样然后由专业员工进行观察和测量，这样的缺陷检测方法的人工培训和后续成本巨大，并且人的不确定性导致其检测效率和准确率波动巨大，而且抽样无法包含全部产品，抽样还会打断自动化流程，导致无法全部自动化生产。这一系列的原因导致缺陷检测成为了工业界的一个痛点。

由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性很低，而且由于同一种缺陷的情况多种多样，需要区分对待，往往会浪费大量的人力物力。并且缺陷检测数据集十分难得，涉及工业机密往往不会公开。

发明内容

有鉴于此，本公开提出了车辆外观缺陷检测方法、装置和计算机可读存储介质以解决现有方法效率低、精度差、成本高、速度慢的问题。

根据本公开的第一方面，提出了车辆外观缺陷检测方法，包括：

采集车辆外观缺陷图像和正常车辆外观图像，分别对采集图像进行数据标注，构建一个车辆外观数据集；

对所述的车辆外观数据集进行数据预处理和数据集划分，采用数据增广和聚类方法，增加车辆外观数据集的数据量，并总结数据特性；

构建一个车辆外观缺陷检测网络，采用预处理的参数和数据进行训练；

根据需求选择检测方式，将待检测图像导入所述的训练好的车辆外观缺陷检测网络，输出缺陷区域与缺陷类型，实现基于卷积神经网络的车辆外观缺陷检测。

可选地，所述的车辆外观数据集的构建，包括：

采集待检测车辆的外观缺陷图像；

在车辆外观缺陷图像上标注车辆外观缺陷的位置，得到缺陷标注框，该缺陷标注框中包括缺陷所在部位和缺陷，将缺陷标注框存储在一个车辆外观数据集中，车辆外观数据集中包含车辆外观缺陷图像和正常车辆外观图像、缺陷标注框内中心点坐标、标注框长宽以及标注框类别。

可选地，所述的数据增广和聚类的方法，包括：

对车辆外观数据集中的车辆外观缺陷图像和正常车辆外观图像进行随机旋转、缩放、亮度变化和模糊，得到增广变换后的车辆外观缺陷图像和正常车辆外观图像，将增广变换后的车辆外观缺陷图像和正常车辆外观图像添加到车辆外观数据集中；

对所述的增广变换后的数据集进行处理，将面积小于整个图像面积1％的缺陷标注框，根据缺陷位置进行裁剪，并将裁剪后的缺陷随机多次粘贴到同一幅图像的其他不存在缺陷的背景区域，得到多个缺陷标注框，分别将多个缺陷标注框的中心点坐标、标注框长宽以及标注框类别存储到车辆外观数据集中；