[发明专利]一种毛刺定位、毛刺检测模型的训练方法及装置

权利要求书

1.一种毛刺定位方法，其特征在于，包括：

获取待检测器件的待检测特征数据；所述待检测特征数据用于表征所述待检测特征器件的形状特征；

将所述待检测特征数据输入至预先训练好的毛刺检测模型中，所述毛刺检测模型包括多个卷积神经网络、以及全连接网络，不同所述卷积神经网络对应不同尺寸的卷积核，所述毛刺检测模型对所述待检测特征数据执行以下处理，直至得到与所述待检测器件对应的置信度向量：

使用各个所述卷积神经网络，对所述待检测特征数据进行卷积处理，得到每一个卷积神经网络分别对应的第一特征矩阵；

将所有所述卷积神经网络的第一特征矩阵进行特征融合，得到第二特征矩阵；

使用所述全连接网络对所述第二特征矩阵进行全连接处理，得到与所述待检测特征数据所对应的置信度向量；其中，所述置信度向量中不同元素的值表征所述待检测器件的不同位置存在毛刺的概率；

基于所述置信度向量，确定所述待检测器件上的毛刺位置。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测器件的待检测特征数据，包括：

获取待检测器件的图像，并确定所述待检测器件的中心点以及所述待检测器件的边缘；

从所述待检测器件的边缘选取至少一个待检测点，并将每一个所述待检测点与所述中心点之间的距离值确定为待检测特征数据，其中，所述待检测数据中的距离值与所述待检测点一一对应。

3.根据权利要求2所述的方法，其特征在于，若所述待检测器件为圆环型器件或圆形器件，所述中心点为所述待检测器件的圆心。

4.根据权利要求2所述的方法，其特征在于，所述置信度向量中的每一个元素与所述待检测特征数据中的距离值一一对应，所述置信度向量中的每一个元素的元素值表示该元素所对应的待检测点存在毛刺的概率。

5.根据权利要求3所述的方法，其特征在于，从所述待检测器件的图像的边缘选取至少一个待检测点，包括：

以所述圆心为原点，以任意方向为x轴建立平面直角坐标系；

以预设角度为间隔，以所述圆心为起点做至少一条直线，并将每一条直线与所述边缘的交点确定为所述待检测点，并确定每一个所述待检测点在所述平面直角坐标系下的坐标；

所述基于所述置信度向量，确定所述待检测器件上的毛刺位置，包括：

将所述置信度向量中元素值大于预设阈值的元素确定为目标元素，并将所述目标元素所对应的待检测点确定为毛刺；

基于所述待检测点的坐标，确定所述毛刺的坐标。

6.根据权利要求3所述的方法，其特征在于，在将所述待检测特征数据输入至预先训练好的毛刺检测模型中之前，所述方法还包括：

基于所述待检测器件的半径，对所述待检测特征数据中的距离值进行归一化处理；

所述将所述待检测特征数据输入至预先训练好的毛刺检测模型中，包括：

将经过归一化处理后的所述待检测特征数据输入至预先训练好的毛刺检测模型中。

7.根据权利要求1所述的方法，其特征在于，所述将所有所述卷积神经网络的第一特征矩阵进行特征融合，得到第二特征矩阵，包括：

按照多个所述卷积神经网络对应的预设顺序，将各个所述卷积神经网络分别对应的所述第一特征矩阵进行拼接，得到所述第二特征矩阵。

8.根据权利要求1所述的方法，其特征在于，所述获取待检测器件的图像，包括：

获取所述待检测器件的彩色图像，并将所述彩色图像转换为灰度图像；或，获取所述待检测器件的灰度图像。