[发明专利]应用于工业质检的缺陷图片生成方法及装置

说明书

本发明涉及工业质检技术领域，提供一种应用于工业质检的缺陷图片生成方法及装置，方法包括：获取带缺陷的第一工件图集及无缺陷的第二工件图集；确定第一工件图集中的每个第一工件图对应的缺陷标注图；确定第二工件图集中的每个第二工件图的特征值；基于第一工件图、第二工件图、缺陷标注图和特征值，训练pix2pixHD网络；依据期望缺陷类型，从缺陷特征数据库中获取目标缺陷标注图；依据期望图片类型，从图片特征数据库中获取目标特征值；将目标缺陷标注图和目标特征值输入训练好的生成器，以生成目标缺陷图片。由此，可以生成高精度的缺陷图片，满足工业质检中对缺陷图片的清晰度要求，从而提升工业质检效率。

技术领域

本发明涉及工业质检技术领域，具体涉及一种应用于工业质检的缺陷图片生成方法和一种应用于工业质检的缺陷图片生成装置。

背景技术

目前工业质检方案中，主要有人工质检和机器视觉质检的方式。采用人工质检的方式时，主要的问题在于：检测的质量很依赖于工人本身，而工人的经验程度，以及疲劳和误操作这些因素都可能导致漏检和误检的情况，同时随着这些年人工成本的持续增加，也使得质检的成本也在不断上升。与此同时，随着深度学习的机器视觉技术的不断完善，使得机器视觉技术逐渐在工业质检中所占的比重越来越大。采用机器视觉进行检测已经成为一种的重要手段，也逐渐成为工业质检中优先选择的方案。

随着深度学习技术在工业质检的应用中变得越来越重要，带来一个显著的问题：深度学习技术需大量实际的缺陷样本参与模型训练，才能保证生成的模型有满足质检要求的能力。而实际的工业生产上缺陷样本的产生是个小概率事件，这就导致用来支撑模型训练的样本量严重不足。

为此，相关技术之中，通过GAN（Generative Adversarial Network，生成对抗网络）等图片生成技术来产生缺陷样本图片。然而，通过这种方法生成的缺陷样本图片往往比较模糊，清晰度不足，不能满足实际的使用要求，从而影响工业质检的效果。

发明内容

本发明为解决相关技术之中生成的缺陷图片清晰度不足的问题，提出了如下技术方案。

本发明第一方面实施例提出了一种应用于工业质检的缺陷图片生成方法，包括：获取带缺陷的第一工件图集及无缺陷的第二工件图集；确定所述第一工件图集中的每个第一工件图对应的缺陷标注图，并将各个所述缺陷标注图存储于缺陷特征数据库；确定所述第二工件图集中的每个第二工件图的特征值，并将各个所述特征值存储于图片特征数据库；基于所述第一工件图、所述第二工件图、所述缺陷标注图和所述特征值，训练pix2pixHD网络，以得到训练好的所述pix2pixHD网络的生成器；获期望缺陷类型及期望图片类型；依据所述期望缺陷类型，从所述缺陷特征数据库中获取目标缺陷标注图；依据所述期望图片类型，从所述图片特征数据库中获取目标特征值；将所述目标缺陷标注图和所述目标特征值输入训练好的生成器，以使所述训练好的生成器生成目标缺陷图片。

另外，根据本发明上述实施例的应用于工业质检的缺陷图片生成方法还可以具有如下附加的技术特征。

根据本发明的一个实施例，确定所述第一工件图集中的每个第一工件图对应的缺陷标注图，包括：将所述第一工件图进行裁剪处理，以得到所述第一工件图对应的缺陷图；对所述第一工件图对应的缺陷图依据缺陷类型进行标注，以生成所述第一工件图对应的缺陷标注图。

根据本发明的一个实施例，确定所述第二工件图集中的每个第二工件图的特征值，包括：将各个所述第二工件图进行聚类处理，以得到每个所述第二工件图的图片类型；根据所述第二工件图的图片类型生成所述第二工件图的特征值。