缺陷检测方法、系统、终端设备及存储介质与流程

本申请属于计算机技术领域，尤其涉及缺陷检测方法、系统、终端设备及存储介质。

背景技术：

在半导体、药物等产品的制备过程中，对产品的缺陷进行有效的检测能使生产过程更加可控，提高产品质量和生产效率。然而现有的对产品的缺陷检测一般是通过人工检测，检测效率较低。

技术实现要素：

有鉴于此，本申请实施例提供了缺陷检测方法、系统、终端设备及存储介质，以解决现有技术中检测产品缺陷时效率较低的问题。

本申请实施例的第一方面提供了一种缺陷检测方法，包括：

获取待检测对象的检测图像；

将所述待检测对象的检测图像输入预设的缺陷检测模型，输出待检测对象的缺陷类型；其中，所述缺陷检测模型是以缺陷图像以及缺陷图像对应的缺陷类型为训练样本，采用机器学习的算法，对分类模型进行训练后得到的。

在一种可能的实现方式中，所述获取待检测对象的检测图像，包括：

获取待检测对象的干涉光谱信号；

根据所述干涉光谱信号生成所述待检测对象的检测图像。

在一种可能的实现方式中，所述根据所述干涉光谱信号生成所述待检测对象的检测图像，包括：

对所述干涉光谱信号进行傅里叶变换，得到所述待检测对象的检测图像。

在一种可能的实现方式中，所述缺陷图像包括内部结构的缺陷图像和外部结构的缺陷图像。

在一种可能的实现方式中，若所述待检测对象为药丸包衣，则所述缺陷类型包括包衣表面破损、包衣内部空洞以及药丸黏连。

在一种可能的实现方式中，所述分类模型为fasterrcnn模型。

本申请实施例的第二方面提供了一种缺陷检测装置，包括：

获取模块，用于获取待检测对象的检测图像；

检测模块，用于将所述待检测对象的检测图像输入预设的缺陷检测模型，输出待检测对象的缺陷类型；其中，所述缺陷检测模型是以缺陷图像以及缺陷图像对应的缺陷类型为训练样本，采用机器学习的算法，对分类模型进行训练后得到的。

本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的缺陷检测方法的步骤。

本申请实施例的第四方面提供了一种缺陷检测系统，包括光谱信号采集装置和如上述第三方面的终端设备，所述光谱信号采集装置和所述终端设备通讯连接，所述光谱信号采集装置用于采集待检测对象的干涉光谱信号，并将所述干涉光谱信号发送至所述终端设备。

在一种可能的实现方式中，所述光谱信号采集装置包括相干光生成装置、放置有反射镜的参考臂、用于放置待检测对象的样品臂以及探测装置，所述探测装置与所述终端设备通讯连接；所述相干光生成装置用于生成参考光和信号光，所述探测装置用于接收经过反射镜反射后的参考光和经过所述待检测对象反射后的信号光干涉所产生的干涉光谱信号。

本申请实施例的第五方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面的缺陷检测方法的步骤。

本申请实施例的第六方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面的缺陷检测方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：通过获取待检测对象的检测图像，将检测图像输入预设的缺陷检测模型，输出待检测对象的缺陷类型；由于缺陷检测模型是以待检测对象的缺陷图像以及缺陷图像对应的缺陷类型为训练样本，采用机器学习的算法，对分类模型进行训练后得到的，因此可以快速、准确识别出待检测对象的缺陷类型，实现对待检测对象的生产过程的监控。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1是本申请实施例提供的缺陷检测系统的示意图；

图2是本申请实施例提供的光谱信号采集装置的结构示意图；

图3是本申请实施例提供的缺陷检测方法的实现流程示意图；

图4为本申请实施例提供的内部空洞的药丸包衣图像；

图5为本申请实施例提供的表面破损的药丸包衣图像；

图6为本申请实施例提供的黏连药丸包衣图像；

图7是本申请实施例提供的缺陷检测装置的示意图；

图8是本申请实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

本申请实施例提供的缺陷检测方法应用于缺陷检测系统，如图1所示，缺陷检测系统包括终端设备1和光谱信号采集装置2，终端设备1和光谱信号采集装置2通讯连接，例如通过usb连接。其中，终端设备1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，本申请实施例对终端设备的类型不做限定。光谱信号采集装置2用于采集待检测对象的干涉光谱信号，将干涉光谱信号发送至终端设备1，终端设备1对待检测对象的干涉光谱信号进行处理，得到待检测对象的检测图像，将待检测对象的检测图像输入预设的缺陷检测模型，识别出待检测对象的缺陷类型。需要说明的是，终端设备1和光谱信号采集装置2可以为两个独立的设备，也可以集成在一台设备上。

如图2所示，在一种可能的实现方式中，光谱信号采集装置2包括相干光生成装置21、放置有反射镜的参考臂22、用于放置待检测对象的样品臂23以及探测装置24。其中，相干光生成装置21包括光源211和光纤耦合器212，光源211和光纤耦合器212通过光纤连接。示例性地，光源211为宽带光源，例如，超宽带超辐射发光二极管(superluminescentdiodes，sld)，以保证测试的稳定性。光源211发出的光束经过光纤耦合器212后被分成两束，分别为参考光和信号光，参考光和信号光为相干光。参考光进入参考臂，射入反射镜上，信号光进样品臂，射入待检测对象上，经过反射镜反射后的参考光和经过待检测对象反射后的信号光进入探测装置24，并在探测装置24上发生干涉，待检测装置24接收干涉所产生的干涉光谱信号。探测装置24与终端设备1通讯连接，探测装置24将干涉光谱信号发送至终端设备1。在一种可能的实现方式中，探测装置23为光谱仪。由于干涉光谱信号记录了待检测对象的相位信息，反映待检测对象的结构特征，对干涉光谱信号处理后，可以得到反映待检测对象的内部结构特征和外部结构特征的深度图像，从而可以根据预设的缺陷检测模型，识别出待检测对象的内部结构缺陷类型和外部结构缺陷类型。

以待检测对象为药丸包衣为例，探测装置24设置于用于制备药丸包衣的药丸包衣制备机中，相干光生成装置21和参考臂22设置于药丸包衣制备机的外侧，探测装置24接收经药丸反射后的信号光和经反射镜反射后的参考光干涉所产生的干涉光谱信号，将干涉光谱信号发送至终端设备，终端设备对干涉光谱信号进行处理，得到药丸包衣的检测图像，将药丸包衣的检测图像输入预设的缺陷检测模型，识别出药丸包衣的缺陷类型。例如，包衣表面破损、包衣内部空洞以及药丸黏连等，从而实现对药丸包衣的生产过程的监控。

下面结合图1-2所示的缺陷检测系统，对本申请实施例提供的缺陷检测方法进行描述。请参阅附图3，本申请实施例提供的缺陷检测方法包括：

s101：获取待检测对象的检测图像。

其中，待检测对象可以是药丸包衣或者半导体器件等。在一种可能的实现方式中，终端设备获取探测装置采集的干涉光谱信号，对干涉光谱信号进行解调处理，例如，对干涉光谱信号进行傅里叶变换，得到待检测对象的检测图像，即反映待检测对象的内部结构特征和外部结构特征的深度图像。

s102：将所述待检测对象的检测图像输入预设的缺陷检测模型，输出待检测对象的缺陷类型；其中，所述缺陷检测模型是以缺陷图像以及缺陷图像对应的缺陷类型为训练样本，采用机器学习的算法，对分类模型进行训练后得到的。

其中，缺陷检测模型是通过预先对分类模型进行训练后得到的。分类模型可以是fasterrcnn模型。fasterrcnn模型在图像识别过程中的识别准确率高，计算速度快。fasterrcnn模型包括特征提取网络、区域生成(regionproposalnetwork，rpn)网络、roi池化层和分类网络。其中，特征提取网络用于提取输入图片的特征，得到特征图。例如，将输入图片经过卷积神经网络，例如vgg、inception、resnet等网络，提取出目标的重要特征。rpn网络用于推荐候选区域，在特征图中选出与每一个点对应的多个候选区域，然后利用分类器将这些候选区域区分为背景和前景，同时利用边框回归对这些候选区域的位置进行调整，输出为多个候选区域，即目标位置。roi池化层用于将每个候选区域分为m*n个块，针对每个块执行最大池化操作，使得特征映射上不同大小的候选区域被变换为均匀大小的特征向量，确保每个区域的后续分类可以正常执行。分类网络利用softmax与边框回归得到候选区域所属的类和候选区域在图像中的精确位置。

在一种可能的实现方式中，训练样本中的缺陷图像是通过对检测对象的干涉光谱信号进行解调处理后得到的，缺陷图像可以反映对应的检测对象的内部结构特征和外部结构特征。将训练样本中的每个缺陷图像中的缺陷位置进行标记，并设置对应的缺陷类型作为标签，将标记后的缺陷图像输入分类模型。分类模型提取缺陷图像的图像特征，输出缺陷类型，根据输出的缺陷类型与对应的标签之间的差异优化分类模型的参数。当分类模型输出的缺陷类型与对应的标签之间的差异满足设定条件时，得到分类模型的最优参数，根据分类模型的最优参数生成缺陷检测模型。

以待检测对象为药丸包衣为例，训练样本包括药丸包衣的缺陷图像，例如包衣表面破损的缺陷图像、包衣内部空洞的缺陷图像以及药丸黏连的缺陷图像等。如图4-6所示，对每个药丸包衣的缺陷图像中的缺陷位置进行标记，例如，在缺陷位置处标记上矩形框，并设置对应的标签，标签包括包衣表面破损、包衣内部空洞以及药丸黏连等。将标记后的药丸包衣的缺陷图像输入分类模型，根据分类模型输出的缺陷类型与对应的标签的差异优化分类模型的参数，得到缺陷检测模型。将待检测的药丸包衣的检测图像输入缺陷检测模型，即可输出药丸包衣的缺陷类型及对应的缺陷位置。

在一种可能的实现方式中，在获取待检测对象的检测图像之前，可以根据预先设定的条件对待检测对象进行初步检测，当待检测对象满足预设条件时，再获取待检测对象的检测图像，根据预设的缺陷检测模型识别待检测对象的缺陷类型。例如，待检测对象为药丸包衣，当制备完成药丸包衣后，首先对药丸包衣进行初步检测，以检测药丸包衣的外部结构形态，当检测出药丸包衣的外部结构形态异常时，根据异常形态判定药丸包衣的缺陷类型，例如，包衣表面破损或者药丸黏连；当初步检测正常时，再获取药丸包衣的检测图像，根据预设的缺陷检测模型对药丸包衣进行进一步的检测。其中，初步检测的方法可以是机器视觉的方法，例如，通过摄像头拍摄待检测对象的外观图像，对外观图像进行图像增强处理，根据预先设定的缺陷特征从待检测对象的外观图像中分割出缺陷区域，根据缺陷区域的图像特征识别出缺陷类型。结合初步检测和缺陷检测模型对待检测对象进行缺陷检测，提高检测的效率。

上述实施例中，将待检测对象的检测图像输入缺陷检测模型，输出待检测对象的缺陷类型。由于缺陷检测模型是预先通过机器学习算法训练出的，图像识别准确度高、且具有通用性，因此在缺陷检测过程中，提高缺陷检测的准确率和效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的缺陷检测方法，图7示出了本申请实施例提供的装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

如图7所示，缺陷检测装置包括，

获取模块10，用于获取待检测对象的检测图像；

检测模块20，用于将所述待检测对象的检测图像输入预设的缺陷检测模型，输出待检测对象的缺陷类型；其中，所述缺陷检测模型是以缺陷图像以及缺陷图像对应的缺陷类型为训练样本，采用机器学习的算法，对分类模型进行训练后得到的。

在一种可能的实现方式中，获取模块10包括：

获取单元，用于获取待检测对象的干涉光谱信号；

生成单元，用于根据所述干涉光谱信号生成所述待检测对象的检测图像。

在一种可能的实现方式中，生成单元具体用于：

对所述干涉光谱信号进行傅里叶变换，得到所述待检测对象的检测图像。

在一种可能的实现方式中，所述缺陷图像包括内部结构的缺陷图像和外部结构的缺陷图像。

在一种可能的实现方式中，若所述待检测对象为药丸包衣，则所述缺陷类型包括包衣表面破损、包衣内部空洞以及药丸黏连。

在一种可能的实现方式中，所述分类模型为fasterrcnn模型。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图8是本申请实施例提供的终端设备的示意图。如图8所示，该实施例的终端设备包括：处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述缺陷检测方法实施例中的步骤，例如图3所示的步骤s101至s102。或者，所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块10至20的功能。

示例性的，所述计算机程序13可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器11执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序13在所述终端设备中的执行过程。

本领域技术人员可以理解，图8仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器11可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器12可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器12也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器12还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。