[發明專利]基于人工智能的器件的結構檢測方法、裝置及電子設備

有效

• 申請號: 202110921739.6
• 申請日: 2021-08-12
• 公開（公告）號: CN113379742B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 朱輝;李晶;周璐
• 申請（專利權）人: 浙江華?？萍脊煞萦邢薰?/a>
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06K9/62
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 江宇

1.一種基于人工智能的器件的結構檢測方法，其特征在于，所述方法包括：

對待檢測對象的圖像進行圖像分割處理，得到所述待檢測對象的連通域圖像；

基于所述待檢測對象的連通域圖像，獲取所述待檢測對象的第一特征向量；

將所述第一特征向量與至少兩個第二特征向量進行相似度比對，得到至少兩個相似度比對結果，其中，所述第二特征向量為作為所述待檢測對象的參考對象的特征向量；

對所述至少兩個相似度比對結果投票，基于投票結果確定所述待檢測對象的連通域是否存在缺陷；每個所述投票結果，用于表征基于任一個所述參考對象確定所述待檢測對象的連通域是否存在缺陷；其中，

所述連通域圖像基于圖像分割模型確定，用于訓練所述圖像分割模型的對象樣本圖像中包括不存在缺陷的連通域；

所述至少兩個相似度比對結果基于特征比對模型確定，用于訓練所述特征比對模型的正例連通域樣本圖像集合包括所述對象樣本圖像。

2.根據權利要求1所述的方法，其特征在于，所述對待檢測對象的圖像進行圖像分割處理，包括：

獲取所述待檢測對象的圖像中各像素的特征向量，所述待檢測對象的圖像為二值化圖像；

基于所述各像素的特征向量，確定各像素所屬的類別信息；

基于各像素所屬的類別信息確定所述待檢測對象的圖像中的連通域圖像；

基于所述連通域圖像的邊界對所述待檢測對象的圖像進行分割。

3.根據權利要求1所述的方法，其特征在于，所述對待檢測對象的圖像進行圖像分割處理之前，所述方法還包括：

獲取對象樣本圖像以及所述對象樣本圖像對應的連通域標簽；

獲取所述對象樣本圖像中各像素的樣本特征向量；

基于所述各像素的樣本特征向量，確定各像素所屬的樣本類別信息；

基于各像素所屬的樣本類別信息確定所述對象樣本圖像中的連通域樣本圖像；

獲取所述連通域標簽與所述連通域樣本圖像之間的差異，并基于所述差異更新所述圖像分割模型。

4.根據權利要求2所述的方法，其特征在于，所述獲取所述待檢測對象的圖像中各像素的特征向量，包括：

對所述待檢測對象的圖像中每個像素進行至少兩次連續下采樣；

對每次下采樣得到的特征向量分別進行最大池化處理，得到每個像素的特征向量。

5.根據權利要求1所述的方法，其特征在于，所述將所述第一特征向量與至少兩個第二特征向量進行相似度比對，得到至少兩個相似度比對結果包括：

針對每個所述參考對象的連通域圖像分別執行以下操作：

將所述第一特征向量中的每個第一向量元素與所述第二特征向量中與所述第一向量元素對應的第二向量元素分別進行比對，得到每個向量元素的相似度；

確定全部向量元素的相似度的平均值，將所述平均值作為所述相似度比對結果。

6.根據權利要求5所述的方法，其特征在于，所述將所述第一特征向量與至少兩個第二特征向量進行比對之前，所述方法還包括：

獲取包括不存在缺陷的連通域的正例連通域樣本圖像集合，以及負例連通域樣本圖像集合；其中，所述負例連通域樣本圖像集合中的負例連通域樣本包括存在缺陷的連通域或不包括所述連通域；

獲取所述正例連通域樣本圖像集合中正例連通域樣本圖像的正例樣本特征向量，以及所述負例連通域樣本圖像的負例樣本特征向量；

確定至少兩個樣本特征向量組及每個所述樣本特征向量組包括的第一樣本特征向量和第二樣本特征向量的相似度標簽；

將所述第一樣本特征向量中的每個第一向量元素樣本與所述第二樣本特征向量中與所述第一向量元素對應的第二向量元素樣本分別進行比對，得到每個向量元素樣本的樣本相似度；

確定全部向量元素樣本的樣本相似度的平均值；

確定所述樣本相似度的平均值與所述相似度標簽的差異，基于所述差異調整所述特征比對模型的參數。