缺陷检测方法及装置、电子装置及计算机可读存储介质与流程

1.本发明涉及缺陷检测技术领域，具体涉及一种缺陷检测方法及装置、电子装置及计算机可读存储介质。


背景技术：

2.目前的缺陷检测方法为将测试样本输入至训练好的自编码器来获得与所述测试样本对应的重构图像，并根据所述重构图像与所述测试样本之间的差异来确定所述测试样本是否有缺陷。但是，因为所述测试样本中会存在较多的杂讯，使得所述缺陷的确定有误差。


技术实现要素：

3.鉴于此，有必要提供一种缺陷检测方法及装置、电子装置及计算机可读存储介质，可避免缺陷的确定的误差。
4.本技术的第一方面提供一种缺陷检测方法，所述缺陷检测方法包括：
5.获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；
6.载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；
7.将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
8.较佳地，所述自编码器及所述自回归网络为增加有自回归网络的所述自编码器的架构。
9.较佳地，所述将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果包括：
10.将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出概率值；
11.根据所述概率值输出测试结果。
12.较佳地，所述自回归网络的输出层为softmax层。
13.较佳地，所述自回归网络包括依序连接的7x7卷积核、多个残差模块、多个1x1卷积层及所述softmax层。
14.较佳地，若所述概率值趋近于0，所述测试结果为所述测试样本不存在缺陷；
15.若所述概率值趋近于1，所述测试结果为所述测试样本存在缺陷。
16.较佳地，所述缺陷检测方法还包括：
17.获取正常训练样本；
18.将所述正常训练样本输入至所述自编码器来对所述正常训练样本进行编码得到训练编码特征；
19.将所述训练编码特征输入至所述自回归网络进行训练来产生所述自编码器及所述自回归网络的训练权重。
20.本技术的第二方面提供一种缺陷检测装置，所述缺陷检测装置包括：
21.训练权重获取模块，用于获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重；
22.测试编码模块，用于载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征；
23.输出模块，用于将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
24.本技术的第三方面提供一种电子装置，所述电子装置包括一个或多个处理器及存储器，所述处理器用于执行所述存储器中存储的至少一个指令时实现如上任意一项所述的缺陷检测方法。
25.本技术的第四方面提供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至少一个指令，所述至少一个指令被处理器执行以实现如上任意一项所述的缺陷检测方法。
26.本案通过获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重，载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征，将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种，可直接利用测试样本的精华来确定所述测试样本是否存在缺陷，不是直接利用测试样本来确定所述测试样本是否存在缺陷，且无需与测试样本进行比较，从而避免了所述测试样本中的杂讯，可避免缺陷的确定的误差。
附图说明
27.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1是本发明实施例一提供的缺陷检测装置的方框图。
29.图2是本发明实施例二提供的缺陷检测装置的方框图。
30.图3是本发明实施例三提供的缺陷检测方法的流程图。
31.图4是本发明实施例四提供的缺陷检测方法的流程图。
32.图5是本发明实施例五提供的电子装置的方框图。
33.如下具体实施方式将结合上述附图进一步说明本发明。
34.主要元件符号说明
35.缺陷检测装置
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
10，20
36.训练权重获取模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
101，204
37.测试编码模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
102，205
38.输出模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
103，206
39.训练样本获取模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
201
40.训练编码模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
202
41.训练权重产生模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
203
42.电子装置
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ543.存储器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
51
44.处理器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
52
45.计算机程序
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
53
46.如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
47.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
48.在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
50.图1是本发明实施例一提供的缺陷检测装置的方框图。所述缺陷检测装置10应用于电子装置上。所述电子装置可为智能手机、桌上电脑、平板电脑等。所述缺陷检测装置10包括训练权重获取模块101、测试编码模块102及输出模块103。所述训练权重获取模块101用于获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重。所述测试编码模块102用于载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征。所述输出模块103用于将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
51.图2是本发明实施例二提供的缺陷检测装置的方框图。所述缺陷检测装置20应用于电子装置上。所述电子装置可为智能手机、桌上电脑、平板电脑等。所述缺陷检测装置20包括训练样本获取模块201、训练编码模块202、训练权重产生模块203、训练权重获取模块204、测试编码模块205及输出模块206。所述训练样本获取模块201用于获取正常训练样本。所述训练编码模块202用于将所述正常训练样本输入至所述自编码器来对所述正常训练样本进行编码得到训练编码特征。所述训练权重产生模块203用于将所述子训练编码特征输入至所述自回归网络进行训练来产生所述自编码器及所述自回归网络的训练权重。所述训练权重获取模块204用于获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重。所述测试编码模块205用于载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征。所述输出模块206用于将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
52.以下将结合一种缺陷检测方法的流程图来详细描述模块101～103及模块201～206的具体功能。
53.图3是本发明实施例三提供的缺陷检测方法的流程图。所述缺陷检测方法可包括以下步骤：
54.s31：获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重。
55.所述正常训练样本为没有任何缺陷的产品表面的图像。所述自编码器及所述自回归网络为增加有所述自回归网络的所述自编码器的架构。所述训练权重为训练所述增加有所述自回归网络的所述自编码器的架构的最优权重。
56.s32：载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征。
57.所述自编码器包括编码器。所述测试编码特征为载入所述训练权重的所述自编码器的编码器对所述测试样本编码时所产生的特征，即隐藏层特征。所述测试编码特征为所述测试样本的精华，去除了所述测试样本中的很多杂讯。所述载入所述训练权重至所述自编码器及所述自回归网络中可得到训练后的增加有所述自回归网络的所述自编码器的架构。所述测试样本为产品表面的测试图像。
58.s33：将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
59.在本实施例中，所述自回归网络包括依序连接的卷积核、多个残差模块、多个卷积层及softmax层。所述卷积核为7x7卷积核。所述自回归网络通过所述7x7卷积核与输入的所述子测试编码特征连接来提取所述子测试编码特征的特征。多个所述残差模块用于对提取的所述子测试编码特征的特征进行处理。所述卷积层为1x1卷积层。所述1x1卷积层的数量为两个。所述自回归网络的输出层为softmax层。所述自回归网络通过所述softmax层输出概率值。
60.所述将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果包括：将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出概率值；根据所述概率值输出测试结果。其中，若所述概率值趋近于0，所述测试结果为所述测试样本不存在缺陷；若所述概率值趋近于1，所述测试结果为所述测试样本存在缺陷。所述趋近于1优选的为1，0.99，0.98等，可根据用户的需求而设置。所述趋近于0优选的为0，0.01，0.02等，可根据用户的需求而设置。
61.实施例三通过获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重，载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征，将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。从而，本案可直接利用测试样本的精华来确定所述测试样本是否存在缺陷，不是直接利用测试样本来确定所述测试样本是否存在缺陷，且无需与测试样本进行比较，从而避免了所述测试样本中的杂讯，可避免缺陷的确定的误差。
62.图4是本发明实施例四提供的缺陷检测方法的流程图。所述缺陷检测方法可包括以下步骤：
63.s41：获取正常训练样本。
64.所述正常训练样本为没有任何缺陷的产品表面的图像。
65.s42：将所述正常训练样本输入至所述自编码器来对所述正常训练样本进行编码
得到训练编码特征。
66.所述自编码器包括编码器。所述训练编码特征为所述自编码器的编码器对所述正常训练样本编码时所产生的特征，即隐藏层特征。所述训练编码特征为所述正常训练样本的精华，去除了所述正常训练样本的很多杂讯。
67.s43：将所述训练编码特征输入至所述自回归网络进行训练来产生所述自编码器及所述自回归网络的训练权重。
68.所述训练权重为对增加有所述自回归网络的所述自编码器的架构进行训练时损失函数不断迭代直至所述架构收敛时所述损失函数对应的权重。
69.s44：获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重。
70.本实施例的步骤s44与实施例三的步骤s31相似，具体请参阅实施例三中对步骤s31的详细描述，在此不进行赘述。
71.s45：载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征。
72.本实施例的步骤s45与实施例三的步骤s32相似，具体请参阅实施例三中对步骤s32的详细描述，在此不进行赘述。
73.s46：将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。
74.本实施例的步骤s46与实施例三的步骤s33相似，具体请参阅实施例三中对步骤s33的详细描述，在此不进行赘述。
75.实施例四通过获取正常训练样本，将所述正常训练样本输入至所述自编码器来对所述正常训练样本进行编码得到训练编码特征，将所述训练编码特征输入至所述自回归网络进行训练来产生所述自编码器及所述自回归网络的训练权重，获取利用正常训练样本训练自编码器及自回归网络时得到的训练权重，载入所述训练权重至所述自编码器及所述自回归网络中以通过载入所述训练权重的所述自编码器对测试样本进行编码得到测试编码特征，将所述测试编码特征输入至载入所述训练权重的所述自回归网络来输出测试结果，所述测试结果包括所述测试样本存在缺陷及所述测试样本不存在缺陷中的一种。从而，本案可根据正常训练样本通过训练增加有所述自回归网络的所述自编码器的架构来得到训练权重。本案还可直接利用测试样本的精华来确定所述测试样本是否存在缺陷，不是直接利用测试样本来确定所述测试样本是否存在缺陷，且无需与测试样本进行比较，从而避免了所述测试样本中的杂讯，可避免缺陷的确定的误差。
76.图5是本发明实施例五提供的电子装置的方框图。所述电子装置5包括：存储器51、至少一个处理器52、及存储在所述存储器51中并可在所述至少一个处理器52上运行的计算机程序53。所述至少一个处理器52执行所述计算机程序53时实现上述方法实施例中的步骤。或者，所述至少一个处理器52执行所述计算机程序53时实现上述装置实施例中的各模块的功能。
77.示例性的，所述计算机程序53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51中，并由所述至少一个处理器52执行，以完成本发明。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53在所述电子装置5中的执行过程。例如，所述计算机程序53
可以被分割成图1所示的模块或图2所示的模块，各模块具体功能参见实施例一或实施例二。
78.所述电子装置5可以为任何一种电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)等。本领域技术人员可以理解，所述示意图5仅是电子装置5的示例，并不构成对电子装置5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，例如所述电子装置5还可以包括总线等。
79.所述至少一个处理器52可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，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。该处理器52可以是微处理器或者该处理器52也可以是任何常规的处理器等，所述处理器52是所述电子装置5的控制中心，利用各种接口和线路连接整个电子装置5的各个部分。
80.所述存储器51可用于存储所述计算机程序53和/或模块/单元，所述处理器52通过运行或执行存储在所述存储器51内的计算机可读指令和/或模块/单元，以及调用存储在存储器51内的数据，实现所述电子装置5的各种功能。所述存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子装置5的使用所创建的数据(比如音频数据等)等。此外，存储器51可以包括非易失性计算机可读存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
81.所述电子装置5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，本发明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-only memory)等。
82.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神范围。