(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211198516.2 (22)申请日 2022.09.29 (71)申请人 江苏智云天工科技有限公司 地址 213000 江苏省常州市 常州钟楼经济 开发区玉龙南路280号常州 大数据产 业园4号楼2楼201室 (72)发明人 杨企茂　赵何　张志琦　 (74)专利代理 机构 常州佰业腾飞专利代理事务 所(普通合伙) 32231 专利代理师 陈红桥 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/70(2017.01) G06V 10/762(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 工业产品缺陷检测方法和装置 (57)摘要 本发明涉及工业质检技术领域， 提供一种工 业产品缺陷检测方法和装置， 所述方法包括以下 步骤： 根据检测位上工业产品的结构和姿态设定 拍摄方案； 以设定的拍摄方案拍摄位于检测位上 的良品工业产品视频和缺陷工业产品视频， 得到 视频数据集； 通过视频数据集训练缺陷检测模 型， 其中， 缺陷检测模型包括卷积神经网络和循 环神经网络； 以设定的拍摄方案拍摄位于检测位 上的待检测工业产品视频； 将待检测工业产品视 频输入训练后的缺陷检测模型， 以检测待检测工 业产品是否存在缺陷。 本发明能够大大降低缺陷 数据的采集难度， 提高检测位置的全面性， 提高 工业产品缺陷检测的效率和准确度。 权利要求书2页 说明书10页 附图3页 CN 115272340 A 2022.11.01 CN 115272340 A 1.一种工业产品缺陷检测方法， 其特 征在于， 包括以下步骤： 根据检测位上工业产品的结构和姿态设定拍摄方案； 以设定的拍摄方案拍摄位于检测位上的良品工业产品视频和缺陷工业产品视频， 得到 视频数据集； 通过所述视频数据集训练缺陷检测模型， 其中， 所述缺陷检测模型包括卷积神经网络 和循环神经网络； 以设定的拍摄方案拍摄位于检测位上的待检测工业产品视频； 将所述待检测工业产品视频输入训练后的缺陷检测模型， 以检测待检测工业产品是否 存在缺陷， 通过所述视频 数据集训练缺陷检测模型， 具体包括： 将所述视频 数据集中的单个视频分解 为m帧图像， 其中， m为 正整数； 将单个视频的m帧图像均输入所述卷积神经网络分别进行初步特征提取， 得到m个D维 初步向量， 其中， D为所述卷积神经网络的输出 特征维数； 将m个所述D维初步向量输入所述循环神经网络， 进行时序特征提取， 得到一个时序特 征向量； 以所述时序特 征向量优化预设的目标函数， 所述预设的目标函数为： 其中， Fc(*,Wc)表示卷积神经网络， Wc为卷积神经网络的网络参数， Fr(*,Wr)表示循环神 经网络， Wr为循环神经网络的网络参数， xi表示第i个视频的时序 特征向量， n为训练缺陷检 测模型的视频总数， C为预先设定的圆心向量， yi为xi的标签， yi取1表示良品， yi取‑1表示缺 陷， 表示L2正则， 即计算xi与C的距离 。 2.根据权利要求1所述的工业产品缺陷检测方法， 其特征在于， 将所述待检测工业产品 视频输入训练后的缺陷检测模型， 以检测待检测工业产品是否存在缺陷， 具体包括： 将所述待检测工业产品视频输入训练后的缺陷检测模型以得到所述待检测工业产品 视频对应的时序特 征向量； 判断所述待检测工业产品视频对应的时序特征向量与所述圆心向量的距离是否大于 预设距离阈值； 如果大于所述预设距离阈值， 则判定所述待检测工业产品存在缺陷， 否则判定所述待 检测工业产品不存在缺陷。 3.根据权利要求2所述的工业产品缺陷检测方法， 其特征在于， 在判定所述待检测工业 产品存在缺陷后， 还 包括： 比较所述待检测工业产品视频对应的时序 特征向量与 所述圆心向量之间元素的差异， 并根据比较结果确定所述待检测工业产品视频中缺陷帧的时序位置； 通过缺陷识别模型识别所述待检测工业产品视频中缺陷帧的缺陷类型。权　利　要　求　书 1/2 页 2 CN 115272340 A 24.根据权利要求3所述的工业产品缺陷检测方法， 其特征在于， 在以设定的拍摄方案拍 摄位于检测位上的缺陷工业产品视频后， 还 包括： 对所述缺陷工业产品视频进行模糊标注， 其中， 模糊标注的内容包括缺陷帧的时序位 置、 缺陷的空间位置和缺陷类型， 在训练缺陷检测模型后， 还 包括： 将所述视频数据集中的缺陷工业产品视频输入训练后的缺陷检测模型以得到所述缺 陷工业产品视频对应的时序特 征向量； 比较所述缺陷工业产品视频对应的时序特征向量与所述 圆心向量之间元素的差异， 并 根据比较结果确定所述 缺陷工业产品视频中缺陷帧的时序位置； 以所述缺陷工业产品视频中缺陷帧的时序位置和所述模糊标注的内容构建帧图像数 据集； 以所述帧图像数据集训练出 所述缺陷识别模型。 5.一种工业产品缺陷检测装置， 其特 征在于， 包括： 拍摄模块， 所述拍摄模块用于以设定的拍摄方案拍摄位于检测位上的良品工业产品视 频和缺陷工业产品视频， 得到 视频数据集； 训练模块， 所述训练模块用于通过所述视频数据集训练缺陷检测模型， 其中， 所述缺陷 检测模型包括卷积神经网络和循环神经网络； 所述拍摄模块还用于以设定的拍摄方案拍摄位于检测位上的待检测工业产品视频； 检测模块， 所述检测模块用于将所述待检测工业产品视频输入训练后的缺陷检测模 型， 以检测待检测工业产品是否存在缺陷， 所述训练模块具体用于： 将所述视频数据集中的单个视频分解为m帧图像， 其中， m为正 整数； 将单个视频的m帧图像均输入 所述卷积神经网络 分别进行初步特征提取， 得到 m个D维 初步向量， 其中， D为所述卷积神经网络的输出特征维数； 将m个所述D维初步向量输入所述 循环神经网络， 进 行时序特征提取， 得到一个时序特征向量； 以所述时序特征向量优化预设 的目标函数， 所述预设的目标函数为： 其中， Fc(*,Wc)表示卷积神经网络， Wc为卷积神经网络的网络参数， Fr(*,Wr)表示循环神 经网络， Wr为循环神经网络的网络参数， xi表示第i个视频的时序 特征向量， n为训练缺陷检 测模型的视频总数， C为预先设定的圆心向量， yi为xi的标签， yi取1表示良品， yi取‑1表示缺 陷， 表示L2正则， 即计算xi与C的距离 。 6.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时， 实现根据权利要求1 ‑4中任一 项所述的工业产品缺陷检测方法。 7.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机 程序被处 理器执行时实现根据权利要求1 ‑4中任一项所述的工业产品缺陷检测方法。权　利　要　求　书 2/2 页 3 CN 115272340 A 3