一种刹车盘的外观质检方法、设备、介质和产品与流程

本技术涉及模型检测的，尤其是涉及一种刹车盘的外观质检方法、设备、介质和产品。

背景技术：

1、随着汽车工业的飞速发展，刹车系统作为车辆安全性的重要组成部分，其性能和质量越来越受到人们的重视。刹车盘作为刹车系统中的关键零件，其外观质量直接影响到刹车性能和行车安全。因此，对刹车盘进行严格的外观质检是确保汽车安全性的重要环节。

2、然而，在实际生产环境中，可能会存在光照不均匀、背景复杂、刹车盘表面有反光等情况，这些因素会影响刹车盘外观质检的准确性和鲁棒性，导致常常存在刹车盘缺陷的误检或漏检的情况，影响刹车盘外观质检的准确性和可靠性。

3、因而，如何提升刹车盘外观质检的准确性和可靠性是本领域技术人员亟待解决的问题。

技术实现思路

1、本技术的目的是提供一种刹车盘的外观质检方法、设备、介质和产品，用于解决以上至少一项技术问题。

2、本技术的上述发明目的是通过以下技术方案得以实现的：

3、第一方面，本技术提供一种刹车盘的外观质检方法，采用如下的技术方案：

4、一种刹车盘的外观质检方法，包括：

5、获取外观缺陷质检模型，其中，所述外观缺陷质检模型为端到端的深度学习模型，训练过程中利用了迁移学习技术；

6、获取刹车盘的传感器信息和图像数据，并将所述传感器信息和所述图像数据输入所述外观缺陷质检模型，控制所述外观缺陷质检模型进行外观质检，输出外观质检结果，其中，所述外观质检结果包括：结果类别、缺陷位置和缺陷类型，所述结果类别包括：合格和不合格；

7、当所述结果类别为不合格时，基于所述外观质检结果中的所述缺陷位置和所述缺陷类型，对所述图像数据进行自动标记，得到自动标注图像，其中，所述自动标注图像便于对外观缺陷质检模型进行迭代优化训练。

8、通过采用上述技术方案，获取刹车盘的传感器信息和图像数据，并将传感器信息和图像数据输入外观缺陷质检模型，控制外观缺陷质检模型进行外观质检，输出外观质检结果。进而，当结果类别为不合格时，基于外观质检结果中的缺陷位置和缺陷类型，对图像数据进行自动标记，得到自动标注图像，自动标注图像便于对外观缺陷质检模型进行迭代优化训练。由于外观缺陷质检模型为端到端的深度学习模型，在执行外观质检的过程中，可以直接将图像数据输入至外观缺陷质检模型，减少了手动特征提取的工作量，与此同时，结合了传感器信息和图像数据，使得外观缺陷质检模型可以更好地适应复杂的环境和不同类型的刹车盘缺陷，提高了刹车盘外观质检的准确性和鲁棒性。

9、本技术在一较佳示例中可以进一步配置为：所述外观缺陷质检模型的训练方式，包括：

10、获取目标领域的待调整质检模型，其中，所述目标领域为与刹车盘外观质检领域相近的技术领域；

11、获取第一数量的标记数据，并基于所述标记数据对所述待调整质检模型进行初步训练，得到迁移学习质检模型，其中，所述标记数据为对外观缺陷进行标记的刹车盘图像；

12、获取第二数量的未标记数据，基于所述未标记数据对所述迁移学习质检模型协同训练，得到外观缺陷质检模型，其中，所述第二数量高于第一数量。

13、本技术在一较佳示例中可以进一步配置为：所述基于所述未标记数据对所述迁移学习质检模型协同训练，得到外观缺陷质检模型之后，还包括：

14、利用模型压缩技术对所述外观缺陷质检模型进行压缩，得到轻量级质检模型；

15、利用硬件加速技术，将所述轻量级质检模型部署在目标硬件上，以提高轻量级质检模型对刹车盘的外观质检的处理速度，其中，所述目标硬件为具有高并行计算能力的硬件；

16、相应的，所述获取外观缺陷质检模型，包括：

17、获取部署在所述目标硬件上的轻量级质检模型。

18、本技术在一较佳示例中可以进一步配置为：所述获取刹车盘的传感器信息和图像数据之前，还包括：

19、实时获取位置检测传感器采集的位置信号，基于所述位置信号进行位置计算，确定刹车盘位置；

20、当所述刹车盘位置为预设位置时，控制图像传感器和工业相机进行刹车盘图像采集，以得到刹车盘的传感器信息和图像数据。

21、本技术在一较佳示例中可以进一步配置为：所述基于所述外观质检结果中的所述缺陷位置和所述缺陷类型，对所述图像数据进行自动标记，得到自动标注图像之后，还包括：

22、获取矫正标注信息，基于所述矫正标注信息对所述自动标注图像进行调整，得到模型迭代训练样本；

23、利用所述模型迭代训练样本对所述外观缺陷质检模型进行迭代训练，得到优化缺陷质检模型。

24、本技术在一较佳示例中可以进一步配置为：所述控制所述外观缺陷质检模型进行外观质检，输出外观质检结果，包括：

25、基于所述传感器信息和所述图像数据进行特征提取，得到刹车盘特征；

26、将所述刹车盘特征发送至缺陷识别引擎，控制所述缺陷识别引擎进行外观质检，输出外观质检结果。

27、第二方面，本技术提供一种电子设备，采用如下的技术方案：

28、至少一个处理器；

29、存储器；

30、至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的刹车盘的外观质检方法。

31、第三方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

32、一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的刹车盘的外观质检方法。

33、第四方面，本技术提供了一种计算机程序产品，采用如下的技术方案：

34、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述刹车盘的外观质检方法。

35、综上所述，本技术包括以下至少一种有益技术效果：

36、获取刹车盘的传感器信息和图像数据，并将传感器信息和图像数据输入外观缺陷质检模型，控制外观缺陷质检模型进行外观质检，输出外观质检结果。进而，当结果类别为不合格时，基于外观质检结果中的缺陷位置和缺陷类型，对图像数据进行自动标记，得到自动标注图像，自动标注图像便于对外观缺陷质检模型进行迭代优化训练。由于外观缺陷质检模型为端到端的深度学习模型，在执行外观质检的过程中，可以直接将图像数据输入至外观缺陷质检模型，减少了手动特征提取的工作量，与此同时，结合了传感器信息和图像数据，使得外观缺陷质检模型可以更好地适应复杂的环境和不同类型的刹车盘缺陷，提高了刹车盘外观质检的准确性和鲁棒性。

37、为了加速模型的训练速度和收敛速度，利用迁移学习技术来将已经在其他领域或任务上训练好的模型迁移到刹车盘外观质检任务中。故，获取目标领域的待调整质检模型，并基于标记数据对待调整质检模型进行初步训练，得到迁移学习质检模型。然后，基于未标记数据对迁移学习质检模型协同训练，得到外观缺陷质检模型。利用半监督学习的方式来进一步提升模型的泛化能力和检测效果。