本发明涉及图像识别,尤其涉及零部件质检模型训练方法、质检方法、系统、设备和介质。
背景技术:
1、在工业场景下,生产过程中容易出现新增产品的问题,新增产品的尺寸大小会和原有产品存在区别,用尺寸变化前的相机和光源获得尺寸变化后的零部件图像存在获取图像不清晰的问题。
2、而且,现有的零部件检测方法通常是通过获取产品的样本图像,对样本图像进行标注,利用标注后的样本图像对模型进行全监督训练,这种方法需要收集大量的训练数据,工厂的良品率一般较高,不能产生足够的异常产品用于模型训练,且标注数据会产生噪声等问题,导致零部件质检的准确率较低。
技术实现思路
1、有鉴于此,本发明的目的是提供零部件质检模型训练方法、质检方法、系统、设备和介质,可以减少获取图像不清晰的问题和提高零部件质检的准确率。
2、一方面,本发明提供了一种零部件质检模型的训练方法,所述零部件质检模型包括特征提取器、特征适配器和鉴别器,所述训练方法包括以下步骤:
3、获取零部件的若干个样本图像,所述样本图像通过可调节的视觉模块获得,所述可调节的视觉模块的位置和光源均可调节;
4、将样本图像输入特征提取器得到特征样本图;所述特征样本图包括若干个局部样本特征;
5、将所述特征样本图输入特征适配器得到自适应样本特征,根据所述自适应样本特征得到异常样本特征;
6、将所述自适应样本特征和异常样本特征输入鉴别器,得到正样本正态特征和异常样本正态特征,根据所述正样本正态特征、所述异常样本正态特征和预设训练函数确定鉴别器训练完成,得到训练好的鉴别器。
7、可选地,所述将样本图像输入特征提取器得到特征样本图,具体包括:
8、将样本图像输入特征提取器,特征提取器确定所述样本图像的邻域,利用聚合函数对所述邻域内的特征进行自适应池化得到若干个局部样本特征;
9、特征提取器对若干个所述局部样本特征进行线性调整,将线性调整后的局部样本特征拼接,得到所述特征样本图。
10、可选地,所述将所述特征样本图输入特征适配器得到自适应样本特征,根据所述自适应样本特征得到异常样本特征,具体包括:
11、将所述特征样本图输入特征适配器,特征适配器将所述特征样本图中的所述局部样本特征进行目标域适配得到自适应样本特征;
12、在所述自适应样本特征中添加高斯噪声得到异常样本特征。
13、可选地,所述根据所述正样本正态特征、所述异常样本正态特征和预设训练函数确定鉴别器训练完成,得到训练好的鉴别器,具体包括:
14、根据所述正样本正态特征和所述异常样本正态特征得到截断损失值;
15、根据所述截断损失值和预设训练函数确认鉴别器训练完成,得到训练好的鉴别器。
16、另一方面,本发明提供一种零部件质检方法,所述质检方法包括以下步骤:
17、获取零部件的待检测图像;所述待检测图像通过可调节的视觉模块获得,所述可调节的视觉模块的位置和光源均可调节;
18、将所述待检测图像输入训练好的零部件质检模型,得到待检测正态特征,根据所述训练好的待检测正态特征得到质检结果;所述零部件质检模型通过权利要求1-4任一项所述的训练方法训练得到。
19、可选地,所述根据所述待检测正态特征得到质检结果,具体包括:
20、根据待检测正态特征得到待检测图像的异常分数;
21、根据异常分数确定异常图,根据所述异常图得到质检结果。
22、可选地,所述根据所述异常图得到质检结果,具体包括:
23、对所述异常图进行插值处理,得到异常图的空间分辨率,并对获得空间分辨率进行高斯滤波,得到空间分辨率的平滑边界;
24、以异常分数最高的平滑边界对应的局部特征作为异常的局部特征,并将所述异常的局部特征作为质检结果。
25、另一方面,本发明提供一种零部件质检系统,所述系统包括若干个视觉模块和控制器,所述视觉模块包括光源、机械臂和工业相机,所述光源和所述工业相机安装在所述机械臂上;
26、所述机械臂,用于调控所述光源和所述工业相机的位置;
27、所述工业相机,用于拍摄待检测零部件获得待检测图像,并将所述待检测图像上传给所述控制器;
28、所述光源,用于为所述工业相机拍摄所述待检测零部件提供光照;
29、所述控制器,用于汇聚若干个所述视觉模块获取的数据,实现前面所述的方法;所述数据包括所述待检测图像。
30、另一方面,本发明提供一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现前面所述的方法。
31、另一方面,本发明提供一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行如前面所述的方法。
32、实施本发明包括以下有益效果:本发明通过获取零部件的若干个样本图像,样本图像通过可调节的视觉模块获得,可调节的视觉模块的位置和光源均可调节,可以实现调节视觉模块的位置和光源,得到合适的待检测图像,减少获取图像不清晰的问题;通过将样本图像输入特征提取器得到特征样本图,特征样本图包括若干个局部样本特征,将特征样本图输入特征适配器得到自适应样本特征,根据自适应样本特征得到异常样本特征,将自适应样本特征和异常样本特征输入鉴别器,得到正样本正态特征和异常样本正态特征,根据正样本正态特征、异常样本正态特征和预设训练函数确定鉴别器训练完成,得到训练好的鉴别器,通过样本图像获取自适应样本特征和异常样本,即正样本和负样本,利用正样本和负样本对鉴别器进行训练,可以实现不需要对样本图像进行标注且不需要获得负样本图像,即未通过质检零部件的图像,就可以获得质检结果,从而提高了零部件质检的准确率。
1.一种零部件质检模型的训练方法,其特征在于,所述零部件质检模型包括特征提取器、特征适配器和鉴别器,所述训练方法包括以下步骤:
2.根据权利要求1所述的训练方法,其特征在于,所述将样本图像输入特征提取器得到特征样本图,具体包括:
3.根据权利要求1所述的训练方法,其特征在于,所述将所述特征样本图输入特征适配器得到自适应样本特征,根据所述自适应样本特征得到异常样本特征,具体包括:
4.根据权利要求1所述的训练方法,其特征在于,所述根据所述正样本正态特征、所述异常样本正态特征和预设训练函数确定鉴别器训练完成,得到训练好的鉴别器,具体包括:
5.一种零部件质检方法,其特征在于,所述质检方法包括以下步骤:
6.根据权利要求5所述的质检方法,其特征在于,所述根据所述待检测正态特征得到质检结果,具体包括:
7.根据权利要求6所述的训练方法,其特征在于,所述根据所述异常图得到质检结果,具体包括:
8.一种零部件质检系统,其特征在于,所述系统包括若干个视觉模块和控制器,所述视觉模块包括光源、机械臂和工业相机,所述光源和所述工业相机安装在所述机械臂上;
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-7任一项所述的方法。