[发明专利]缺陷检测方法、装置、智能终端及计算机可读存储介质

说明书

本发明公开了一种缺陷检测方法、装置、智能终端及计算机可读存储介质，其中，上述缺陷检测方法包括：获取目标神经网络；获取待训练二维图像和待训练三维图像，基于上述目标神经网络对上述待训练二维图像和待训练三维图像进行训练后获得模型训练集；获取待训练缺陷检测模型，基于上述模型训练集对上述待训练缺陷检测模型进行训练，获得目标缺陷检测模型；获取待检测图像，基于上述目标缺陷检测模型和上述待检测图像进行缺陷检测。与现有技术相比，本发明方案结合神经网络和缺陷检测模型自动进行缺陷检测，有利于提高缺陷检测的准确性和效率。

技术领域

本发明涉及机器视觉技术领域，尤其涉及的是一种缺陷检测方法、装置、智能终端及计算机可读存储介质。

背景技术

高效、可靠的缺陷检测是电子制造业自动化的一个重要环节。目前，随着科学技术的发展，电子产品生产采用的元器件尺寸越来越小、组装集成密度越来越高，对于缺陷检测的要求也越来越高。

现有技术中，通常由检测人员对需要进行缺陷检测的对象进行目检，即由检测人员通过目测来进行表面缺陷检测。现有技术的问题在于，人工目检的方式受主观因素影响且很难检测到小的缺陷，不利于提高缺陷检测的准确性和效率。

因此，现有技术还有待改进。

发明内容

本发明的主要目的在于提供一种缺陷检测方法、装置、智能终端及计算机可读存储介质，旨在解决现有技术中人工目检的方式受主观因素影响且很难检测到小的缺陷，不利于提高缺陷检测的准确性和效率的问题。

为了实现上述目的，本发明第一方面提供一种缺陷检测方法，其中，上述方法包括：

获取目标神经网络；

获取待训练二维图像和待训练三维图像，基于上述目标神经网络对上述待训练二维图像和待训练三维图像进行训练后获得模型训练集；

获取待训练缺陷检测模型，基于上述模型训练集对上述待训练缺陷检测模型进行训练，获得目标缺陷检测模型；

获取待检测图像，基于上述目标缺陷检测模型和上述待检测图像进行缺陷检测。

可选的，上述获取目标神经网络，包括：

获取神经网络训练集，其中，上述神经网络训练集包括多组对应的二维训练图像和三维训练图像；

获取待训练神经网络，基于上述神经网络训练集对上述待训练神经网络进行训练，获得目标神经网络。

可选的，上述待训练神经网络为BP神经网络。

可选的，上述获取待训练二维图像和待训练三维图像，基于上述目标神经网络对上述待训练二维图像和待训练三维图像进行训练后获得模型训练集，包括：

获取多组对应的待训练二维图像和待训练三维图像，其中，上述待训练二维图像由电荷耦合器件摄像机拍摄获得，上述待训练三维图像基于光栅投影相位测量轮廓术获得；

基于上述目标神经网络分别对每组上述待训练二维图像和待训练三维图像进行训练，获得模型训练集。

可选的，上述待训练缺陷检测模型为YOLOv3模型。

可选的，上述获取待检测图像，基于上述目标缺陷检测模型和上述待检测图像进行缺陷检测，包括：

获取待检测对象的图像，作为待检测图像；

将上述待检测图像输入上述目标缺陷检测模型中，对上述待检测对象进行缺陷检测。

可选的，在上述获取待检测图像，基于上述目标缺陷检测模型和上述待检测图像进行缺陷检测之后，上述方法还包括：

输出缺陷检测的结果。