[發(fā)明專利]基于人工智能的器件的結(jié)構(gòu)檢測方法、裝置及電子設(shè)備有效
| 申請?zhí)枺?/td> | 202110921739.6 | 申請日: | 2021-08-12 |
| 公開(公告)號: | CN113379742B | 公開(公告)日: | 2021-11-19 |
| 發(fā)明(設(shè)計)人: | 朱輝;李晶;周璐 | 申請(專利權(quán))人: | 浙江華睿科技股份有限公司 |
| 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(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11734 | 代理人: | 江宇 |
| 地址: | 310051 浙江省杭*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 人工智能 器件 結(jié)構(gòu) 檢測 方法 裝置 電子設(shè)備 | ||
本申請?zhí)峁┝艘环N基于人工智能的器件的結(jié)構(gòu)檢測方法、裝置及電子設(shè)備;方法包括:對待檢測對象的圖像進(jìn)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(jìn)行相似度比對,得到至少兩個相似度比對結(jié)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(jié)果投票,基于投票結(jié)果確定所述待檢測對象的連通域是否存在缺陷。本申請?zhí)峁┑幕谌斯ぶ悄艿钠骷慕Y(jié)構(gòu)檢測方法,能夠準(zhǔn)確、快速地檢測連通域是否存在異常。
技術(shù)領(lǐng)域
本申請涉及圖像處理技術(shù),尤其涉及基于人工智能的器件的結(jié)構(gòu)檢測方法、裝置及電子設(shè)備。
背景技術(shù)
在現(xiàn)代工業(yè)生產(chǎn)中,利用機(jī)械化作業(yè)可以有效地減輕或減少人力操作,機(jī)械化布局旨在用機(jī)器人替代人做一些簡單且重復(fù)性的操作。隨著機(jī)械化程度的提高,一些需要人為判斷的較高難度的機(jī)械操作也在嘗試使用機(jī)器代替。隨著深度學(xué)習(xí)模型的廣泛應(yīng)用,深度學(xué)習(xí)模型對器件等對象的缺陷檢測率已經(jīng)超過了人類對器件等對象的缺陷的檢測率。利用深度學(xué)習(xí)模型如何快速、準(zhǔn)確地檢測對象的連通域是否存在異常是一直追求的目標(biāo)。
發(fā)明內(nèi)容
本申請實施例提供一種基于人工智能的器件的結(jié)構(gòu)檢測方法、裝置及電子設(shè)備,能夠如何快速、準(zhǔn)確地檢測連通域是否存在缺陷。
本申請實施例的技術(shù)方案是這樣實現(xiàn)的:
第一方面,本申請實施例提供一種基于人工智能的器件的結(jié)構(gòu)檢測方法,包括:
對待檢測對象的圖像進(jìn)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(jìn)行相似度比對,得到至少兩個相似度比對結(jié)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(jié)果投票,基于投票結(jié)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(jié)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(xùn)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(jié)果基于特征比對模型確定,用于訓(xùn)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。
在一些實施例中,所述對待檢測對象的圖像進(jìn)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;
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(jìn)行分割。
在一些實施例中,所述對待檢測對象的圖像進(jìn)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(yīng)的連通域標(biāo)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(biāo)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。
在一些實施例中,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:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江華睿科技股份有限公司,未經(jīng)浙江華睿科技股份有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110921739.6/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 使用基于云端的度量迭代訓(xùn)練人工智能的系統(tǒng)
- 一種人工智能轉(zhuǎn)人工智能再轉(zhuǎn)人工方案
- O-RAN系統(tǒng)中的人工智能模型處理方法和裝置
- 人工智能傷口評估方法及智能終端
- 人工智能倫理風(fēng)險與防范虛擬仿真方法、系統(tǒng)和機(jī)器人
- 一種基于人工智能基礎(chǔ)資源與技術(shù)調(diào)控系統(tǒng)及方法
- 基于人工智能倫理備選規(guī)則的人工智能倫理風(fēng)險防范方法
- 人工智能倫理風(fēng)險辨識防范虛擬仿真實驗方法和機(jī)器人
- 基于人工智能體決策的人工智能倫理風(fēng)險辨識和防范方法
- 基于算法選擇的人工智能倫理風(fēng)險辨識防范方法和機(jī)器人
- 卡片結(jié)構(gòu)、插座結(jié)構(gòu)及其組合結(jié)構(gòu)
- 鋼結(jié)構(gòu)平臺結(jié)構(gòu)
- 鋼結(jié)構(gòu)支撐結(jié)構(gòu)
- 鋼結(jié)構(gòu)支撐結(jié)構(gòu)
- 單元結(jié)構(gòu)、結(jié)構(gòu)部件和夾層結(jié)構(gòu)
- 鋼結(jié)構(gòu)扶梯結(jié)構(gòu)
- 鋼結(jié)構(gòu)隔墻結(jié)構(gòu)
- 鋼結(jié)構(gòu)連接結(jié)構(gòu)
- 螺紋結(jié)構(gòu)、螺孔結(jié)構(gòu)、機(jī)械結(jié)構(gòu)和光學(xué)結(jié)構(gòu)
- 螺紋結(jié)構(gòu)、螺孔結(jié)構(gòu)、機(jī)械結(jié)構(gòu)和光學(xué)結(jié)構(gòu)





