(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 202210529482.4 (22)申请日 2022.05.16 (71)申请人 武汉精立电子技 术有限公司 地址 430205 湖北省武汉市东湖新 技术开 发区流芳园南路2 2号 申请人 武汉精测电子集团股份有限公司 (72)发明人 刘荣华　张胜森　郭世泽　陈洪　 周瑜　郑增强　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 专利代理师 罗成 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06V 10/774(2022.01)G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/136(2017.01) G06T 5/00(2006.01) (54)发明名称 缺陷样本 筛选方法、 装置及设备 (57)摘要 本发明提供一种缺陷样 本筛选方法、 装置及 设备。 该方法包括： 将图片切割成多张预设尺寸 的子图片， 其中， 每张子图片为一张样本图片； 将 多张样本图片输入训练完成的师 ‑生模型， 得到 师‑生模型输出的每张样本图片的特征差异图， 其中， 样本图片 的特征差异图基于师 ‑生模型中 teacher网络输出的样本图片的特征图以及 student网络输出的样本图片的特征图得到； 计 算每张特征差异图的分值； 基于所述分值， 从多 张样本图片中确定疑似缺陷样 本图片。 通过本发 明， 自动筛选出疑似缺陷样本图片， 使得相关人 员可从数量较少的疑似缺陷样本图片中挑选缺 陷样本图片， 由于大大缩减了挑选范围， 从而提 高了挑选效率且降低了时间成本以及人工成本 。 权利要求书2页 说明书7页 附图3页 CN 114820560 A 2022.07.29 CN 114820560 A 1.一种缺陷样本 筛选方法， 其特 征在于， 所述 缺陷样本 筛选方法包括： 将图片切割成多张预设尺寸的子图片， 其中， 每张子图片为 一张样本图片； 将多张样本图片输入训练完成的te acher‑student模型， 得到teacher ‑student模型输 出的每张样 本图片的特征差异图， 其中， 样 本图片的特征差异图基于teacher ‑student模 型 中teacher网络输出的样本图片的特 征图以及student网络 输出的样本图片的特 征图得到； 计算每张特 征差异图的分值； 基于所述分值， 从多张样本图片中确定疑似缺陷样本图片。 2.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 在所述将多 张样本图片输入训 练完成的teac her‑student模型之前， 还 包括： 基于预设图片数据集对待训练teac her网络进行训练， 得到训练完成的teac her网络； 以训练完成的teacher网络为基准， 基于无缺 陷样本图片集对待训练student网络进行 蒸馏学习， 得到训练完成的student网络； 组合训练完成的teacher网络以及训练完成的student网络， 得到训练完成的teacher ‑ student模型。 3.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 所述计算每张特征差异图的分 值的步骤 包括： 以每张特 征差异图上的最大值 为每张特 征差异图的分值。 4.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 所述计算每张特征差异图的分 值的步骤 包括： 计算每张特征差异图上所有数值的标准差σ 以及平均值 μ， 以μ+2σ 的值为每张特征差异 图的分值。 5.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 所述计算每张特征差异图的分 值的步骤 包括： 从每张特征差异图上所有数值中选取第 一预设比例最大值， 以第 一预设比例最大值的 平均值为每张特 征差异图的分值。 6.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 所述基于所述分值， 从多张样 本图片中确定疑似缺陷样本图片的步骤 包括： 基于每张样本图片对应的分值对多张样本图片进行排序， 其中， 分值越大排序越后； 以排序在最后的预设个数或第二预设比例的样本图片为疑似缺陷样本图片。 7.如权利要求1所述的缺陷样本筛选方法， 其特征在于， 在所述得到teacher ‑student 模型输出的每张样本图片的特 征差异图之后， 还 包括： 对每张样本图片的特 征差异图进行阈值分割， 得到缺陷区域图； 基于缺陷区域图生成缺陷样本图。 8.如权利要求1至7中任一项所述的缺陷样本筛选方法， 其特征在于， 在所述得到 teacher‑student模型输出的每张样本图片的特 征差异图之后， 还 包括： 对每张样本图片的特 征差异图进行噪声过 滤处理。 9.一种缺陷样本 筛选装置， 其特 征在于， 所述 缺陷样本 筛选装置包括： 切割模块， 用于将图片切割成多张预设尺寸的子图片， 其中， 每张子图片为一张样本图 片；权　利　要　求　书 1/2 页 2 CN 114820560 A 2获取模块， 用于将多张样本图片输入训练完成的teacher ‑student模型， 得到teacher ‑ student模型输出的每张样本图片的特征差异图， 其中， 样本图片的特征差异图基于 teacher‑student模型中teach er网络输出的样本图片的特征图以及student网络输出的样 本图片的特 征图得到； 计算模块， 用于计算每张特 征差异图的分值； 筛选模块， 用于基于所述分值， 从多张样本图片中确定疑似缺陷样本图片。 10.一种缺陷样本筛选设备， 其特征在于， 所述缺陷样本筛选设备包括处理器、 存储器、 以及存储在所述存储器上并可被所述处理器执行的缺陷样本筛选程序， 其中所述缺陷样本 筛选程序被所述处理器执行时， 实现如权利要求 1至8中任一项 所述的缺陷样本筛选方法的 步骤。权　利　要　求　书 2/2 页 3 CN 114820560 A 3