[发明专利]基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法和设备

权利要求书

1.一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，所述双阶段卫浴陶瓷表面缺陷检测方法包括：

将标注了目标缺陷信息的原始标注文件划分为第一标注数据集和第二标注数据集；

对所述第二标注数据集中的图片进行网格划分并剪裁，滤除仅包含背景的图片，获得缺陷图片数据集；

基于原始标注文件和目标缺陷相对于原始图片的坐标偏移值获取缺陷图片对应的标注文件，形成标注缺陷图片数据集；

将所述第一标注数据集划分为第一训练集和第一验证集，并基于深层网络进行迭代训练，直至获得工件识别模型；

将所述标注缺陷图片数据集划分为第二训练集和第二验证集，并基于深层网络进行迭代训练，直至获得缺陷检测模型；

将待测图片缩放后输入所述工件识别模型，对输出的识别结果进行剪裁，获得工件区域图片；

缩放所述工件区域图片，并将缩放后的图片输入所述缺陷检测模型进行检测，输出缺陷检测结果。

2.如权利要求1所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，对所述第二标注数据集中的图片进行网格划分并剪裁，滤除仅包含背景的图片，获得缺陷图片数据集，包括步骤：

对所述第二标注数据集中的图片按照预设尺寸的网格进行划分；

以第二标注数据集中的图片一角为坐标原点，图片长度方向为x轴、宽度方向为y轴，利用所述第二标注数据集对网格划分后的图片中的缺陷按照x轴方向进行索引排序，并按照缺陷在x轴坐标的大小依次进行裁剪，当网格区域缺陷被裁剪后，从索引中删除该缺陷，重复剪裁步骤直至索引中不存在任何缺陷，从而滤除仅包含背景的图片，获得缺陷图片数据集。

3.如权利要求1所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，对所述第二标注数据集中的图片进行网格划分并剪裁还包括：

当网格在图片边界区域出现越界情况时，对网格坐标进行修正。

4.如权利要求1所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，对所述第二标注数据集中的图片进行网格划分并剪裁还包括：

单一网格内仅包含一个缺陷目标时，直接裁剪该网格对应的图片区域。

5.如权利要求1所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，对所述第二标注数据集中的图片进行网格划分并剪裁还包括：

当缺陷目标左上角的坐标位于网格内，而右下角坐标不在网格内时，则以右下角坐标为原点重新对图片进行网格划分，使缺陷目标完全被网格所包含，并剪裁包含完整缺陷目标的网格。

6.如权利要求5所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，当对图片重新进行网格划分后，若剪裁后的单一网格内包含多个缺陷目标的部分区域，则对网格大小进行调整后重新剪裁，以得到至少包含一个完整缺陷目标的网格图片。

7.如权利要求6所述的一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法，其特征在于，对调整顺序后的网格大小进行调整时，若一些网格的尺寸不满足预设尺寸，则对该些网格进行填0处理。

8.一种基于深度学习的双阶段卫浴陶瓷表面缺陷检测设备，其特征在于，所述双阶段卫浴陶瓷表面缺陷检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于深度学习的双阶段卫浴陶瓷表面缺陷检测程序，所述基于深度学习的双阶段卫浴陶瓷表面缺陷检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于深度学习的双阶段卫浴陶瓷表面缺陷检测方法的步骤。