[發明專利]檢測方法、檢測系統、設備和介質

在審

• 申請號: 202011112325.0
• 申請日: 2020-10-16
• 公開（公告）號: CN112150460A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 崔淼
• 申請（專利權）人: 上海智臻智能網絡科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T5/00;G06N3/04
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 孟潭

1.一種檢測方法，其特征在于，包括：

獲得檢測圖片；

將所述檢測圖片輸入第一卷積神經網絡處理，所述第一卷積神經網絡對所述檢測圖片的特征數據進行先降維，再升維；根據所述先降維再升維過程得到第一特征數據；根據所述降維過程得到第二特征數據；

將所述第一特征數據和所述第二特征數據進行融合，得到空間特征數據；

根據空間特征數據，判斷缺陷信息。

2.如權利要求1所述的檢測方法，其特征在于，還包括：將所述檢測圖片輸入第二卷積神經網絡處理，獲得細節特征數據；

融合所述空間特征數據和所述細節特征數據得到融合特征數據；

根據融合特征數據，判斷缺陷信息。

3.如權利要求2所述的檢測方法，其特征在于，融合所述空間特征數據和所述細節特征數據得到融合特征數據的步驟包括：

基于一預設權重融合所述空間特征數據和所述細節特征數據得到融合特征數據。

4.如權利要求3所述的檢測方法，其特征在于，在獲得檢測圖片之前，所述檢測方法還包括：建模步驟，包括：

獲得樣本圖片；

對所述樣本圖片進行所述第一卷積神經網絡處理，獲得樣本空間特征數據；

對所述樣本圖片進行第二卷積神經網絡處理，獲得樣本細節特征數據；

基于初始權重，融合所述樣本空間特征數據和樣本細節特征數據，獲得樣本圖片數據，完成一次訓練；

通過多次訓練不斷調整所述初始權重，在所述樣本圖片數據的損失符合規格值時，以調整后的權重作為預設權重。

5.如權利要求4所述的檢測方法，其特征在于，所述獲得樣本圖片的步驟包括：獲得原始樣本圖片，將所述原始樣本圖片轉化為掩碼圖；

對所述掩碼圖進行灰度處理，獲得灰度圖，以所述灰度圖和所述原始樣本圖片作為樣本圖片。

6.如權利要求1所述的檢測方法，其特征在于，所述獲得檢測圖片的步驟包括：獲得原始圖片；對所述原始圖片進行切割，獲得多個檢測圖片。

7.如權利要求1所述的檢測方法，其特征在于，判斷檢測圖片上的缺陷信息的步驟包括：將所述空間特征信息和/或所述細節特征信息輸入輪廓識別模型，獲得所述檢測圖像的多個輪廓預測數據；

對所述多個輪廓預測數據進行特征疊加，獲得預測疊加數據；以及基于所述預測疊加數據，判斷缺陷信息。

8.如權利要求1-7任一項所述的檢測方法，其特征在于，所述第二卷積神經網絡包括VGG網絡，所述第一卷積神經網絡包括MobileNet V2網絡；或者，

所述第一卷積神經網絡包括Mobilenet V2網絡，以及，特征圖像金字塔，用于對Mobilenet V2網絡輸出的數據進行處理；或者，

所述第一卷積神經網絡包括ResNet 101或ResNet 50網絡、特征圖像金字塔和全卷積網絡。

9.如權利要求1-7任一項所述的檢測方法，其特征在于，所述檢測圖片為布料圖片，所述缺陷信息為布料上的瑕疵信息。

10.一種檢測系統，其特征在于，包括：

第一圖片獲取單元，用于獲得檢測圖片；

語義單元，用于將所述檢測圖片輸入第一卷積神經網絡處理，獲得空間特征數據；

判斷單元，基于空間特征信息，判斷缺陷信息，

其中，所述將檢測圖片輸入第一卷積神經網絡進行處理包括：對所述檢測圖片的特征數據進行先降維，再升維；根據所述先降維再升維過程得到第一特征數據；根據所述降維過程得到第二特征數據；將所述第一特征數據和所述第二特征數據進行融合，得到空間特征數據。

11.一種設備，其特征在于，包括如權利要求10所述的檢測系統。