[發明專利]無監督域適應的表面缺陷區域分割方法、裝置及電子設備

有效

• 申請號: 202111230003.0
• 申請日: 2021-10-22
• 公開（公告）號: CN113674277B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 弭寶瞳;梁循
• 申請（專利權）人: 北京矩視智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/10;G06N20/00
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 周亮

本申請涉及無監督域適應的表面缺陷區域分割方法、裝置及電子設備，屬于工業檢測技術領域，本申請的方法包括，獲取目標表面圖像；利用訓練好的缺陷區域分割模型對所述目標表面圖像進行缺陷區域分割處理；其中，所述缺陷區域分割模型的訓練過程包括：獲取與所述目標表面圖像屬于同一應用場景的目標域圖像；根據所述目標域圖像對帶有標注的原始源域圖像進行處理，得到具有目標域圖像數據分布特性的源域圖像；利用所述具有目標域圖像數據分布特性的源域圖像對模型進行有監督訓練，得到所述訓練好的缺陷區域分割模型。本申請有助于更高效的提升在各種應用場景下分割模型的性能，從而提升在具體應用場景下對圖像進行區域缺陷分割的精確度。

技術領域

本申請屬于工業檢測技術領域，具體涉及一種無監督域適應的表面缺陷區域分割方法、裝置及電子設備。

背景技術

工業生產過程中，需要對相關產品進行表面缺陷檢測。舉例而言，在鋼材的生產加工過程中，容易受到原材料、軋制設備、工人操作技術等眾多因素的影響，導致孔洞、擦傷、夾雜、劃痕、錕印等多種缺陷的產生，這些缺陷的存在影響鋼材外觀的同時還會對它的抗腐蝕性、耐磨性和疲勞強度等性能造成影響，嚴重降低鋼材質量，因此需要在生產加工過程中及時、準確的檢測出鋼材表面缺陷，以便分析其產生的原因，進而消除缺陷產生的根源。

在上述表面缺陷檢測中，涉及到對表面缺陷區域的分割。現有相關技術中，是采用類似U-Net的編碼器-解碼器網絡結構，在給定大量人工標注缺陷區域的訓練數據集上對模型進行訓練，得到缺陷區域分割模型，利用訓練后的模型對采集的表面圖像進行處理，以對缺陷區域進行分割提取的。

但現有相關方法僅僅考慮到缺陷區域分割模型學習的訓練數據集（源域）圖像數據分布和模型推理的測試場景（目標域）圖像數據分布一致的情況。在實際應用場景中，由于不同場景下，存在視角、遮擋和光照條件的變化，人們所構建的缺陷區域分割數據集的場景覆蓋范圍很有限，用于模型訓練的源域數據分布和實際應用的目標域數據分布往往存在差異，導致模型性能的嚴重下降。而基于實際應用的目標域數據進行人工標注，再基于標注的數據重新進行模型訓練（監督學習），又會需要大量標記數據，從而導致整體效率不高。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

為至少在一定程度上克服相關技術中存在的問題，本申請提供一種無監督域適應的表面缺陷區域分割方法、裝置及電子設備，采用具體的模型訓練方式，有助于更高效的提升在各種應用場景下分割模型的性能。

為實現以上目的，本申請采用如下技術方案：

第一方面，

本申請提供一種無監督域適應的表面缺陷區域分割方法，該方法包括：

獲取目標表面圖像；

利用訓練好的缺陷區域分割模型對所述目標表面圖像進行缺陷區域分割處理；

其中，所述缺陷區域分割模型的訓練過程包括：

獲取與所述目標表面圖像屬于同一應用場景的目標域圖像；

根據所述目標域圖像對帶有標注的原始源域圖像進行處理，得到具有目標域圖像數據分布特性的源域圖像；

利用所述具有目標域圖像數據分布特性的源域圖像對模型進行有監督訓練，得到所述訓練好的缺陷區域分割模型。

可選地，所述根據所述目標域圖像對帶有標注的原始源域圖像進行處理，得到具有目標域圖像數據分布特性的源域圖像，包括：

分別對所述目標域圖像和所述原始源域圖像進行傅里葉變換，得到原始源域圖像所對應的第一幅度譜和第一相位譜，以及得到目標域圖像所對應的第二幅度譜和第二相位譜；

將第一幅度譜中低頻部分數據替換為第二幅度譜中低頻部分數據，得到替換后的第三幅度譜；