一种用于机器视觉缺陷检测的深度学习模型训练方法

摘要

本发明公开了一种用于机器视觉缺陷检测的深度学习模型训练方法，基于少量缺陷产品外观图像和大量正常产品外观图像进行模型训练，采用负样本扩增方法对少量缺陷产品外观图像进行样本扩增，具体包括如下步骤：将缺陷产品外观图像中的缺陷部分截取出来，形成缺陷图像；对缺陷图像进行扩增处理，形成大量人工缺陷图像；通过图像融合的方式将人工缺陷图像融入到正常产品外观图像中的随机位置，形成人工缺陷产品外观图像；将人工缺陷产品外观图像列入训练样本集用于模型训练。本发明提供一种负样本扩增方法，能够在负样本稀缺的情况下，快速负样本的扩增，尤其适用于无序产品外观缺陷样本扩增，大大提升了模型训练效果，提高了缺陷产品的检出率。