[发明专利]一种用于检测钢包溶蚀缺陷的方法和装置

权利要求书

1.一种用于检测钢包溶蚀缺陷的方法，包括：

采用深度图像采集装置，从待检测钢包内部采集各个角度的RGBD图像；

将采集的RGBD图像输入缺陷检测系统，得到已标注预测缺陷的RGBD图像，所述预测缺陷包括钢包溶蚀缺陷的位置和类别，其中，所述缺陷检测系统包括基于输入的图像预测该图像中所包括的钢包溶蚀缺陷的位置和类别的深度学习目标检测模型。

2.根据权利要求1所述的方法，其中，所述缺陷检测系统包括：预测引擎和一个以上采用所述深度学习目标检测模型的缺陷分类模型；以及

所述将采集的RGBD图像输入缺陷检测系统，得到已标注预测缺陷的RGBD图像包括：

采用所述预测引擎将采集的RGBD图像转化为检测请求，基于一个以上缺陷分类模型的部署情况进行负载均衡和调度，确定用于处理所述检测请求的缺陷分类模型，将所述检测请求输入所确定的缺陷分类模型中；

采用所述所确定的缺陷分类模型对所述检测请求中的图像进行检测，得到已标注预测缺陷的RGBD图像。

3.根据权利要求2所述的方法，其中，所述缺陷分类模型包括：特征提取网络和缺陷定位分类网络；以及

所述将所述检测请求输入所确定的缺陷分类模型中，得到已标注预测缺陷的RGBD图像包括：

将所述检测请求中的所述采集的RGBD图像输入特征提取网络，得到图像特征；

将所述图像特征输入缺陷定位分类网络，得到已标注预测缺陷的RGBD图像。

4.根据权利要求2或3任意一项所述的方法，其中，所述缺陷分类模型基于以下步骤确定：

获取已标注缺陷的位置和类别的钢包内部RGBD图像；

采用已标注缺陷的位置和类别的钢包内部RGBD图像训练预先架构的初始模型，得到所述缺陷分类模型。

5.根据权利要求1所述的方法，其中，所述方法还包括：

将所述采集的RGBD图像以及所述缺陷检测系统输出的已标注预测缺陷的RGBD图像，更新至生产数据库；

基于更新后的生产数据库，确定更新后的训练数据库；

基于更新后的训练数据库优化所述深度学习目标检测模型。

6.根据权利要求1所述的方法，其中，所述方法还包括：

采用点云融合技术，基于所述采集的RGBD图像构建钢包的3D模型；

将所述已标注预测缺陷的RGBD图像中所标注的缺陷的位置映射至构建的3D模型中，得到3D溶蚀信息；

基于所述3D溶蚀信息与所述钢包的标准3D模型，确定所述钢包内部的溶蚀缺陷的位置、类别和深度。

7.根据权利要求1所述的方法，其中，所述方法还包括：

响应于所述已标注预测缺陷的RGBD图像中所标注的缺陷的位置和类别符合预先设置的报警条件，触发报警装置报警。

8.根据权利要求7所述的方法，其中，所述方法还包括：

将用户对所述报警的响应操作存储为线上生产日志；

将所述线上生产日志存储至生产数据库中。

9.一种用于检测钢包溶蚀缺陷的装置，包括：

图像采集单元，被配置成采用深度图像采集装置，从待检测钢包内部采集各个角度的RGBD图像；

图像检测单元，被配置成将采集的RGBD图像输入缺陷检测系统，得到已标注预测缺陷的RGBD图像，所述预测缺陷包括钢包溶蚀缺陷的位置和类别，其中，所述缺陷检测系统包括基于输入的图像预测该图像中所包括的钢包溶蚀缺陷的位置和类别的深度学习目标检测模型。