摘要
本发明公开了一种复杂电子产品表面油漆缺陷检测方法,包括获取训练用原始样本集、对原始样本集进行图像预处理、将完成所有裁剪后图像的正常样本与异常样本的区分,利用预处理获得的小图样本集进行无监督异常检测网络训练,获得图像异常检测子模型;将预处理后获得的小图样本集,进行正常图像与多种缺陷图像的分类标注,并语义分割标注缺陷图像的缺陷位置,之后将标注好的样本集投入到有监督学习的图像分类与分割网络进行训练,获得图像缺陷检测子模型;将训练好的图像异常检测子模型和图像缺陷检测子模型作为复杂电子产品表面油漆缺陷检测模型。该方法不仅实现了较高的缺陷检出率而且对于未知缺陷也能很好地检出。
技术关键词
电子产品表面
缺陷检测方法
图像缺陷检测
样本
滑动窗口尺寸
油漆
标签文件
网络模型训练
图样
执行存储器存储
图像分类网络
训练分类模型
工业相机
图像分类模型
缺陷检出率
图像分割方法
训练集
漆面缺陷
无监督
系统为您推荐了相关专利信息
预测网络模型
训练样本集
卷积神经网络模块
融合空间信息
修正方法
变化检测模型
变化检测方法
深度学习网络
文本
变化检测装置
耦合分析方法
石英晶体谐振器
神经网络算法模型
有限元仿真分析
关键结构参数