[发明专利]缺陷检测识别方法、装置、计算机设备及存储介质在审
| 申请号: | 201910843972.X | 申请日: | 2019-09-06 |
| 公开(公告)号: | CN110555839A | 公开(公告)日: | 2019-12-10 |
| 发明(设计)人: | 高斌斌;高立钊;贾佳亚;戴宇荣;沈小勇 | 申请(专利权)人: | 腾讯云计算(北京)有限责任公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/187;G06T7/194;G06K9/00;G06N3/04;G01N21/88 |
| 代理公司: | 11138 北京三高永信知识产权代理有限责任公司 | 代理人: | 祝亚男 |
| 地址: | 100191 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 目标产品 掩码 缺陷类型识别 定位缺陷 缺陷定位 图像背景 图像 计算机视觉检测 缺陷检测识别 计算机设备 空间位置 目标定位 目标条件 前景分割 缺陷特征 缺陷形状 连通域 图像块 分割 预测 噪音 转化 | ||
1.一种缺陷检测识别方法,其特征在于,所述方法包括:
基于目标产品图像,获取所述目标产品图像的掩码图;
根据所述目标产品图像的掩码图中连通域的空间位置分布和数量,在所述目标产品图像中,确定目标定位框,所述目标定位框所确定的前景和背景符合目标条件;
对所述目标产品图像中的所述目标定位框所对应的目标产品图像块进行识别。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标产品图像的掩码图中连通域的空间位置分布和数量,在所述目标产品图像中,确定目标定位框包括:
当所述目标产品图像的掩码图中只有一个连通域时,将所述连通域的定位框确定为所述目标定位框;
当所述目标产品图像的掩码图中有两个或两个以上连通域时,根据合并框面积占比和合并掩码占比确定所述目标定位框;
其中,所述合并框面积占比用于表示所述两个或两个以上连通域的定位框的面积和值与连通域合并后的合并域的定位框的面积之间的比值;
所述合并掩码占比用于表示所述两个或两个以上连通域的面积和值与连通域合并后的合并域的定位框的面积之间的比值。
3.根据权利要求2所述的方法,其特征在于,所述根据合并框面积占比和合并掩码占比确定所述目标定位框包括:
当所述合并框面积占比满足第一取值范围或所述合并掩码占比满足第二取值范围时,将所述第一连通域的定位框确定为目标定位框;
当所述合并框面积占比不满足第一取值范围且所述合并掩码占比不满足第二取值范围时,将位于所述第一合并域的定位框内,且包含所述掩码图中第一连通域的定位框的一个定位框确定为所述目标定位框,所述第一合并域由所有连通域合并得到。
4.根据权利要求3所述的方法,其特征在于,所述根据合并框面积占比和合并掩码占比确定所述目标定位框之前,所述方法还包括:
将所述掩码图中第一连通域的定位框确定为初始目标定位框;
基于所述第一连通域的最近连通域,确定第二合并域的定位框,所述第二合并域包括所述第一合并域和所述第一连通域的最近连通域;
计算所述第二合并域的所述合并框面积占比和所述合并掩码占比。
5.根据权利要求1所述的方法,其特征在于,所述基于目标产品图像,获取所述目标产品图像的掩码图包括:
通过缺陷检测模型的卷积神经网络,提取目标产品图像的特征图;
将所述特征图输入所述缺陷检测模型的空间金字塔模块,得到所述目标产品图像的不同粒度的特征图;
通过所述空间金字塔模块,对所述不同粒度的特征图进行上采样处理,获取最终特征图;
通过所述缺陷检测模型的分割提取层,基于所述最终特征图,获取所述目标产品图像的掩码图。
6.根据权利要求1所述的方法,其特征在于,所述对所述目标产品图像中的所述目标定位框所对应的目标产品图像块进行识别包括:
基于所述目标定位框的中心,以所述目标定位框的最长边为边长,截取方形目标产品图像块;
对所述方形目标产品图像块进行识别。
7.一种缺陷检测识别装置,其特征在于,所述装置包括:
分割模块,用于基于目标产品图像,获取所述目标产品图像的掩码图;
定位模块,用于根据所述目标产品图像的掩码图中连通域的空间位置分布和数量,在所述目标产品图像中,确定目标定位框;
识别模块,用于对所述目标产品图像中的所述目标定位框所对应的目标产品图像块进行识别。
8.根据权利要求7所述的装置,其特征在于,所述定位模块还用于:
当所述目标产品图像的掩码图中只有一个连通域时,将所述连通域的定位框确定为所述目标定位框,所述第一连通域为所述掩码图中的最大连通域;
当所述目标产品图像的掩码图中有两个或两个以上连通域时,根据合并框面积占比和合并掩码占比确定所述目标定位框。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯云计算(北京)有限责任公司,未经腾讯云计算(北京)有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910843972.X/1.html,转载请声明来源钻瓜专利网。





