[发明专利]一种引线框架表面缺陷检测方法、系统、存储介质及终端

权利要求书

1.一种引线框架表面缺陷检测方法，其特征在于，包括以下步骤：

S1、获取待测引线框架的原始图像；

S2、将每一张所述原始图像进行分割成多个阵列单元图像，并提取阵列单元图像及其像素值；

S3、预设像素阈值，当阵列单元图像的像素值大于所述像素阈值时，则对应的原始图像存在缺陷；

S4、提取所有存在缺陷的引线框架的原始图像，并将原始图像切片构建原始图像数据集X＝{x1，x2，…，xi，…，xn}，xi是第i张图像，n是原始图像数据集的图像总数；

S5、构建标签图像数据集S＝{s1，s2，…，si，…，sn}，si表示第i张图像对应的标签图像，n是标签图像数据集的图像总数；同时构建缺陷检测模型，并使用缺陷检测模型对缺陷进行定位；

S6、对定位后的缺陷图像基于标注图像进行深度学习量化模型的训练；

S7、利用深度学习量化模型对缺陷图像进行推断，判断图像类别及量化面积并进行缺陷等级判定。

2.根据权利要求1所述的一种引线框架表面缺陷检测方法，其特征在于，所述步骤S4包括：

将源图像的长宽像素通过扩边的方式扩大为512的整数倍，再将扩边后的图像按512*512像素大小进行切片，组成原始图像数据集X。

3.根据权利要求1所述的一种引线框架表面缺陷检测方法，其特征在于，述步骤S5包括：

原始图像数据集的标签用像素值为0或1的二值图来表示，像素值为1的像素点代表缺陷，像素值为0的像素点代表背景。

4.根据权利要求3所述的一种引线框架表面缺陷检测方法，其特征在于，所述构建缺陷检测模型包括：

采用Unet编解码器框架，添加基于空洞卷积的特征提取层和深度监督网络；

所述缺陷检测模型模型满足对应关系：输入数据集X＝{x1，x2，…，xi，…，xn}，得到对应的预测数据集Y＝{y1，y2，…，yi，…，yn}，其中，yi表示原始图像数据集中第i张图像的检测结果，yi是像素值为0或1的二值图，像素值为1的像素点代表缺陷，像素值为0的像素点代表背景。

5.根据权利要求1所述的一种引线框架表面缺陷检测方法，其特征在于，所述步骤S6包括：

指定训练目标和停止准则，训练目标指量化模型的损失函数；停止准则指目标函数的可接受阈值或迭代次数；然后，进入训练迭代过程，每次迭代读取部分训练图像，前向传播计算这些图像上的目标函数数值，然后将损失函数的梯度反向传播更新网络的参数；最后达到停止准则后保存对应模型。

6.根据权利要求5所述的一种引线框架表面缺陷检测方法，其特征在于，所述步骤S7包括：

通过深度学习量化模型输出回归缺陷坐标、通过缺陷分类模型估计缺陷类别、通过缺陷面积估计模型估计缺陷的面积。

7.根据权利要求6所述的一种引线框架表面缺陷检测方法，其特征在于，所述深度学习量化模型包括缺陷位置回归模型、缺陷分类模型和缺陷面积估计模型。

8.一种引线框架表面缺陷检测系统，其特征在于，所述系统包括：

图像获取模块，用于获取待测引线框架的原始图像；

图像分割模块，用于将每一张所述原始图像进行分割成多个阵列单元图像，并提取阵列单元图像及其像素值；还用于提取所有存在缺陷的引线框架的原始图像，并将原始图像切片；

缺陷判断模块，用于预设像素阈值，当阵列单元图像的像素值大于所述像素阈值时，则对应的原始图像存在缺陷；

缺陷定位模块，用于构建标签图像数据集，同时构建缺陷检测模型，并使用缺陷检测模型对缺陷进行定位；

缺陷等级判定模块，用于对定位后的缺陷图像基于标注图像进行深度学习量化模型的训练；并利用深度学习量化模型对缺陷图像进行推断，判断图像类别及量化面积并进行缺陷等级判定。

9.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1-7中任意一项所述引线框架表面缺陷检测方法。

10.一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令，其特征在于，处理器运行计算机指令时执行权利要求1-7中任意一项所述引线框架表面缺陷检测方法。