[发明专利]钢板缺陷检测分类方法、装置、设备及计算机可读介质

权利要求书

1.一种钢板缺陷检测分类方法，其特征在于，包括以下步骤：

接收待检测的钢板图片数据，并生成钢板缺陷的检测请求；

根据负载均衡和调度策略，将所述钢板图片数据和检测请求发送至搭载检测模型的最佳服务器上；

接收由检测模型对钢板图片数据进行预测计算后输出的预测结果，所述预测结果包括钢板缺陷的类别；

根据检测模型的预测结果，执行相应的响应动作。

2.根据权利要求1所述钢板缺陷检测分类方法，其特征在于，所述根据检测模型输出的预测结果，执行相应的响应动作的步骤之后，还包括：发送更新指令至最佳服务器，由最佳服务器根据接收的钢板图片数据和预测结果对所述检测模型进行训练更新。

3.一种钢板缺陷检测分类方法，其特征在于，包括以下步骤：

接收钢板图片数据及钢板缺陷的检测请求；

通过检测模型对钢板的图片数据进行钢板缺陷的预测计算并输出预测结果，所述预测结果包括钢板缺陷的类别。

4.根据权利要求3所述钢板缺陷检测分类方法，其特征在于，所述检测模型包括：深度卷积神经网络和缺陷定位分类网络；

所述深度卷积神经网络用于提取钢板图片的特征，并将所述特征输入至所述缺陷定位分类网络中；

所述缺陷定位分类网络用于判断深度卷积神经网络所提取的特征是否存在缺陷，并获得该缺陷的类别。

5.根据权利要求4所述钢板缺陷检测分类方法，其特征在于，所述深度卷积神经网络包括：

卷积层，用于利用权值不同的卷积核对钢板图像进行扫描卷积，从中提取各种意义的特征，并输出至特征图中；

池化层，用于对特征图进行降维操作；

全连接层，用于将提取的特征映射到缺陷定位分类网络。

6.根据权利要求3所述钢板缺陷检测分类方法，其特征在于，还包括步骤：根据接收的钢板图片数据和预测结果对所述检测模型进行训练更新。

7.根据权利要求6所述钢板缺陷检测分类方法，其特征在于，所述根据接收的钢板图片数据和预测结果对所述检测模型进行训练更新的步骤包括：

存储钢板图片数据和预测结果，并对检测模型的训练数据进行更新；

根据更新后的训练数据对检测模型进行训练，更新检测模型。

8.一种钢板缺陷检测分类装置，其特征在于，包括：

接收模块，用于接收待检测的钢板图片数据，并生成钢板缺陷的检测请求；

调度模块，用于根据负载均衡和调度策略，将所述钢板图片数据和检测请求发送至搭载检测模型的最佳服务器上；

计算结果接收模块，用于接收由检测模型对钢板图片数据进行预测计算后输出的预测结果，所述预测结果包括钢板缺陷的类别；

响应模块，用于根据检测模型输出的预测结果，执行相应的响应动作。

9.根据权利要求8所述的钢板缺陷检测分类装置，其特征在于，还包括更新指令发送模块，用于发送更新指令至最佳服务器，由最佳服务器根据接收的钢板图片数据和预测结果对所述检测模型进行训练更新。

10.一种钢板缺陷检测分类装置，其特征在于，包括：

检测请求接收模块，用于接收钢板图片数据及钢板缺陷的检测请求；

计算模块，用于通过检测模型对钢板的图片数据进行钢板缺陷的预测计算并输出预测结果，所述预测结果包括钢板缺陷的类别。

11.根据权利要求10所述钢板缺陷检测分类装置，其特征在于，所述检测模型包括：深度卷积神经网络和缺陷定位分类网络；

所述深度卷积神经网络用于提取钢板图片的特征，并将所述特征输入至所述缺陷定位分类网络中；

所述缺陷定位分类网络用于判断深度卷积神经网络所提取的特征是否存在缺陷，并获得该缺陷的类别。