[发明专利]检测物品损伤的方法和装置、物品损伤检测器

权利要求书

1.一种检测物品损伤的方法，包括：

获取具有时序关系、以不同角度反映被检测物品的至少两张图像；

按照时序将所述图像输入检测模型，得到损伤检测结果；所述检测模型包括第一子模型和第二子模型，第一子模型识别每张图像的特征，所述每张图像的特征处理结果被输入第二子模型，所述每张图像的特征处理结果包括单张图像的损伤检测结果信息；第二子模型对至少两张图像的所述特征处理结果进行时序关联处理后得到损伤检测结果；所述第二子模型进行的时序关联处理包括为不同图像上的同一损伤建立联系；第一子模型和第二子模型是采用标记有物品损伤的样本进行联合训练得到的。

2.根据权利要求1所述的方法，所述第一子模型采用深度卷积神经网络算法；所述第二子模型采用长短期记忆网络LSTM算法。

3.根据权利要求2所述的方法，所述第二子模型采用基于关注Attention机制的LSTM算法。

4.根据权利要求1所述的方法，所述具有时序关系、以不同角度反映被检测物品的至少两张图像包括以下至少一项：对移动的被检测物品进行连续拍摄的照片、对移动的被检测物品进行录制的视频、以移动的摄像头连续拍摄被检测物品的照片、以移动的摄像头录制被检测物品的视频。

5.根据权利要求1所述的方法，所述损伤检测结果包括：一种到多种损伤类型的分类结果。

6.根据权利要求5所述的方法，所述每张图像的特征处理结果包括：第一子模型对每张图像进行特征提取、损伤发现、和特征融合后生成的被检测物品的单张图像损伤类型分类结果。

7.一种检测物品损伤的装置，包括：

图像序列获取单元，用于获取具有时序关系、以不同角度反映被检测物品的至少两张图像；

检测模型应用单元，用于按照时序将所述图像输入检测模型，得到损伤检测结果；所述检测模型包括第一子模型和第二子模型，第一子模型识别每张图像的特征，所述每张图像的特征处理结果被输入第二子模型，所述每张图像的特征处理结果包括单张图像的损伤检测结果信息；第二子模型对至少两张图像的所述特征处理结果进行时序关联处理后得到损伤检测结果；所述第二子模型进行的时序关联处理包括为不同图像上的同一损伤建立联系；第一子模型和第二子模型是采用标记有物品损伤的样本进行联合训练得到的。

8.根据权利要求7所述的装置，所述第一子模型采用深度卷积神经网络算法；所述第二子模型采用长短期记忆网络LSTM算法。

9.根据权利要求8所述的装置，所述第二子模型采用基于关注Attention机制的LSTM算法。

10.根据权利要求7所述的装置，所述具有时序关系、以不同角度反映被检测物品的至少两张图像包括以下至少一项：对移动的被检测物品进行连续拍摄的照片、对移动的被检测物品进行录制的视频、以移动的摄像头连续拍摄被检测物品的照片、以移动的摄像头录制被检测物品的视频。

11.根据权利要求7所述的装置，所述损伤检测结果包括：一种到多种损伤类型的分类结果。

12.根据权利要求11所述的装置，所述每张图像的特征处理结果包括：第一子模型对每张图像进行特征提取、损伤发现、和特征融合后生成的被检测物品的单张图像损伤类型分类结果。

13.一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行如权利要求1到6任意一项所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求1到6任意一项所述的方法。