[發明專利]目標對象的缺陷檢測、模型訓練方法、裝置、設備及介質

在審

• 申請號: 202210395791.7
• 申請日: 2022-04-15
• 公開（公告）號: CN115131283A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 陳曉辰;賴錦祥;曾怡;劉俊
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06T7/90;G06K9/62;G06N3/04;G06N3/08;G06V10/25;G06V10/764;G06V10/82;G06V20/70
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強;黎揚鵬

本申請公開了一種目標對象的缺陷檢測、模型訓練方法、裝置、設備及介質，該檢測方法對目標對象的第一圖像進行感興趣區域的檢測和裁剪，得到缺陷子圖，能夠快速定位到目標對象中需要檢測的缺陷的位置，且對缺陷子圖進行檢測，有利于減小整體的數據處理量，提高數據處理效率；在缺陷檢測過程中，提取圖像特征數據后，對圖像特征數據進行語義分割處理以確定缺陷的輪廓信息，進而確定缺陷的形態參數，并對圖像特征數據進行缺陷分類處理以確定缺陷的類別。本申請實施例通過語義分割結合目標對象分類進行缺陷檢測，能夠更為高效、準確地得到目標的缺陷檢測結果，有利于提高缺陷定位和識別的魯棒性。本申請的技術方案可廣泛應用于圖像處理技術領域。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種目標對象的缺陷檢測、模型訓練方法、裝置、設備及介質。

背景技術

近年來，隨著人工智能技術的飛速發展，各種類型的機器學習模型在圖像分類、人臉識別、自動駕駛等領域均取得了較為良好的應用效果。其中，在工業生產領域中，存在有使用計算機視覺技術對目標對象(一般是工業產品)的缺陷進行檢測的應用。

相關技術中，由于生產環境的復雜性、工藝標準的不統一等因素，產品上的缺陷形式可能是多種多樣的。目前的缺陷檢測方法，往往僅適用于單一缺陷檢測的類型，當面臨復雜多樣的檢測需求時，檢測結果的準確性較低，檢測效率不高。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本申請實施例提供了一種目標缺陷檢測、模型訓練方法、裝置、電子設備及介質，能夠提高目標缺陷檢測的準確性和檢測效率。

一方面，本申請實施例提供了一種目標對象的缺陷檢測方法，包括：

獲取目標對象的第一圖像；

檢測所述第一圖像中的感興趣區域，對所述感興趣區域進行裁剪，得到所述目標對象的缺陷子圖；

提取所述缺陷子圖的圖像特征數據；

根據所述圖像特征數據對所述缺陷子圖進行語義分割處理，得到所述缺陷子圖的缺陷輪廓；根據所述圖像特征數據對所述缺陷子圖進行缺陷分類處理，得到所述缺陷子圖中缺陷的類別信息；

根據所述缺陷輪廓，確定所述缺陷子圖中缺陷的形態參數；

根據各個所述缺陷子圖中缺陷的所述類別信息和所述形態參數，確定所述目標對象的缺陷檢測結果。

另一方面，本申請實施例還提供了一種目標對象缺陷檢測模型的訓練方法，包括：

獲取多個樣本子圖；所述樣本子圖攜帶有缺陷標簽；所述缺陷標簽用于表征所述樣本子圖的缺陷輪廓和所述樣本子圖中缺陷的類別信息；

通過目標對象缺陷檢測模型提取各個所述樣本子圖的圖像特征數據；

根據所述圖像特征數據對所述樣本子圖進行語義分割處理，得到所述樣本子圖的缺陷輪廓預測結果；

根據所述圖像特征數據對所述樣本子圖進行缺陷分類處理，得到所述樣本子圖中缺陷的類別信息預測結果；

根據所述缺陷輪廓預測結果和所述缺陷標簽，確定第一損失值；

根據所述類別信息預測結果和所述缺陷標簽，確定第二損失值；

根據所述第一損失值和所述第二損失值，對所述目標缺陷檢測模型的參數進行更新，得到訓練好的目標缺陷檢測模型。

另一方面，本申請實施例還提供了一種目標對象缺陷檢測裝置，包括：

獲取模塊，用于獲取目標對象的第一圖像；