[發(fā)明專利]用于獲取信息的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010165825.4
• 申請(qǐng)日: 2020-03-11
• 公開（公告）號(hào): CN111402220B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 蘇業(yè);任思可;聶磊;黃鋒
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本公開的實(shí)施例公開了用于獲取信息的方法及裝置，涉及云計(jì)算技術(shù)領(lǐng)域。該方法的一具體實(shí)施方式包括：從待檢測(cè)圖像中獲取至少一條圖像特征，其中，上述待檢測(cè)圖像包含待檢測(cè)物體圖像，上述圖像特征用于表征上述待檢測(cè)物體的表面特征信息；將上述待檢測(cè)圖像和上述至少一條圖像特征導(dǎo)入預(yù)先訓(xùn)練的缺陷檢測(cè)模型，得到對(duì)應(yīng)上述待檢測(cè)物體的缺陷信息，其中，上述缺陷檢測(cè)模型通過樣本圖像、樣本圖像特征和樣本缺陷信息訓(xùn)練得到，用于表征上述待檢測(cè)圖像和至少一條圖像特征的對(duì)應(yīng)關(guān)系。該實(shí)施方式有利于提高獲取檢測(cè)待檢測(cè)物體的缺陷信息的準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開的實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及用于獲取信息的方法及裝置。

背景技術(shù)

隨著科技的發(fā)展，很多物品可以進(jìn)行大規(guī)模的工業(yè)生產(chǎn)。生產(chǎn)物品的過程中，可能存在諸多因素導(dǎo)致物品出現(xiàn)缺陷，進(jìn)而影響到物品的質(zhì)量出現(xiàn)問題。

為此，通常采用兩種方式對(duì)物品的質(zhì)量進(jìn)行檢測(cè)。第一種為通過技術(shù)人員對(duì)物品的質(zhì)量進(jìn)行檢測(cè)，以查詢可能的缺陷；第二種為通過設(shè)備對(duì)物品的質(zhì)量進(jìn)行檢測(cè)，但設(shè)備也是基于技術(shù)人員的經(jīng)驗(yàn)來進(jìn)行相關(guān)的設(shè)置，檢測(cè)缺陷的效果與人工基本相同。且無需休息，可以長時(shí)間對(duì)海量的物品進(jìn)行檢測(cè)。

發(fā)明內(nèi)容

本公開的實(shí)施例提出了用于獲取信息的方法及裝置。

第一方面，本公開的實(shí)施例提供了一種用于獲取信息的方法，該方法包括：從待檢測(cè)圖像中獲取至少一條圖像特征，其中，上述待檢測(cè)圖像包含待檢測(cè)物體圖像，上述圖像特征用于表征上述待檢測(cè)物體的表面特征信息；將上述待檢測(cè)圖像和上述至少一條圖像特征導(dǎo)入預(yù)先訓(xùn)練的缺陷檢測(cè)模型，得到對(duì)應(yīng)上述待檢測(cè)物體的缺陷信息，其中，上述缺陷檢測(cè)模型通過樣本圖像、樣本圖像特征和樣本缺陷信息訓(xùn)練得到，用于表征上述待檢測(cè)圖像和至少一條圖像特征的對(duì)應(yīng)關(guān)系。

在一些實(shí)施例中，上述從待檢測(cè)圖像中獲取至少一條圖像特征，包括：獲取上述待檢測(cè)物體的基準(zhǔn)特征，上述基準(zhǔn)特征包括以下至少一項(xiàng)：顏色特征、結(jié)構(gòu)特征、平面特征；基于上述基準(zhǔn)特征通過設(shè)定方式對(duì)上述待檢測(cè)圖像進(jìn)行圖像處理，得到對(duì)應(yīng)的圖像特征，其中，上述設(shè)定方式包括以下至少一項(xiàng)：色彩對(duì)比增強(qiáng)、濾波、紋理采集。

在一些實(shí)施例中，上述將上述待檢測(cè)圖像和上述至少一條圖像特征導(dǎo)入預(yù)先訓(xùn)練的缺陷檢測(cè)模型，得到對(duì)應(yīng)上述待檢測(cè)物體的缺陷信息，包括：將上述待檢測(cè)圖像和上述至少一條圖像特征導(dǎo)入上述缺陷檢測(cè)模型的對(duì)應(yīng)輸入通道，得到對(duì)應(yīng)上述待檢測(cè)物體的缺陷信息。

在一些實(shí)施例中，上述缺陷檢測(cè)模型通過以下步驟訓(xùn)練得到：獲取多個(gè)樣本信息組和上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的樣本缺陷信息，其中，上述樣本信息組包括樣本圖像和對(duì)應(yīng)樣本圖像的至少一條樣本圖像特征；將上述多個(gè)樣本信息組中的每個(gè)樣本信息組作為輸入，將上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的上述樣本缺陷信息作為輸出，訓(xùn)練得到缺陷檢測(cè)模型。

在一些實(shí)施例中，上述將上述多個(gè)樣本信息組中的每個(gè)樣本信息組作為輸入，將上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的上述樣本缺陷信息作為輸出，訓(xùn)練得到缺陷檢測(cè)模型，包括：執(zhí)行以下訓(xùn)練步驟：將上述多個(gè)樣本信息組中的每個(gè)樣本信息組依次輸入至初始化缺陷檢測(cè)模型，得到上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的預(yù)測(cè)缺陷信息，將上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的預(yù)測(cè)缺陷信息與該樣本信息組所對(duì)應(yīng)的上述樣本缺陷信息進(jìn)行比較，得到上述初始化缺陷檢測(cè)模型的預(yù)測(cè)準(zhǔn)確率，確定上述預(yù)測(cè)準(zhǔn)確率是否大于預(yù)設(shè)準(zhǔn)確率閾值，若大于上述預(yù)設(shè)準(zhǔn)確率閾值，則將上述初始化缺陷檢測(cè)模型作為訓(xùn)練完成的缺陷檢測(cè)模型。

在一些實(shí)施例中，上述將上述多個(gè)樣本信息組中的每個(gè)樣本信息組作為輸入，將上述多個(gè)樣本信息組中的每個(gè)樣本信息組所對(duì)應(yīng)的上述樣本缺陷信息作為輸出，訓(xùn)練得到缺陷檢測(cè)模型，包括：響應(yīng)于不大于上述預(yù)設(shè)準(zhǔn)確率閾值，調(diào)整上述初始化缺陷檢測(cè)模型的參數(shù)，并繼續(xù)執(zhí)行上述訓(xùn)練步驟。