[发明专利]辅料检测方法、装置、电子设备及存储介质

说明书

本申请提供一种辅料检测方法、装置、电子设备及存储介质，涉及生产工艺检测技术领域。所述方法包括：基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像；确定所述特征图像中的辅料对应的特征映射空间；在所述辅料对应的特征映射空间中，确定所述辅料的瑕疵类型。该方法基于待测图像中没有辅料的局部区域进行特征匹配与模板对齐，在不同的辅料对应的不同特征映射空间中进行辅料的瑕疵类型判定，提高了辅料瑕疵类型检测的准确性。

技术领域

本申请涉及生产工艺检测技术领域，具体而言，涉及一种辅料检测方法、装置、电子设备及存储介质。

背景技术

随着计算机以及图像识别技术的发展，除了基于人工操作和判断进行物料生产和检测外，在工业生产中逐渐引入图像识别技术进行生产工艺的自动化控制与检测。在实际工业生产中，例如电子产品辅料瑕疵的判定往往需要人工操作，通过与标准件的比对剔除不良品。而人工判定效率较低，且准确率受限于主观因素影响，易造成误判。而现有的自动化的辅料瑕疵判定方法中，由于电子产品辅料种类繁多，不同的辅料产生的瑕疵不尽相同，会对图像识别造成不利影响，在进行辅料瑕疵判定时存在准确性较差的问题。

发明内容

有鉴于此，本申请实施例的目的在于提供一种辅料检测方法、装置、电子设备及存储介质，以改善现有技术中存在的辅料瑕疵判定准确性较差的问题。

本申请实施例提供了一种辅料检测方法，所述方法包括：基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像；确定所述特征图像中的辅料对应的特征映射空间；在所述辅料对应的特征映射空间中，确定所述辅料的瑕疵类型。

在上述实现方式中，基于没有辅料的局部区域进行特征匹配，避免辅料区域缺陷造成的特征点匹配错误，并且针对不同种类的辅料采用不同的特征映射空间进行瑕疵类型的判定，从而提高了辅料瑕疵类型判定的效率和准确性。

可选地，所述基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像，包括：对所述待测图像和所述模板图像进行特征提取；获取所述待测图像中没有辅料的局部区域以及所述模板图像中与所述没有辅料的局部区域的对应区域的匹配特征点；基于所述匹配特征点将所述待测图像与所述模板图像进行对齐，将对齐后的特征提取图像作为所述特征图像。

在上述实现方式中，基于待测图像中没有辅料的局部区域以及所述模板图像中与所述没有辅料的局部区域进行特征匹配和对齐，能够避免辅料区域缺陷造成的特征点匹配错误，提高了辅料瑕疵类型判定的精确度。

可选地，在所述确定所述特征图像中的辅料对应的特征映射空间之前，所述方法还包括：基于预先采集的多种辅料的数据，采用指定类型的网络进行特征学习并生成所述辅料对应的特征映射空间，所述指定类型的网络包括：ResNet50网络。

在上述实现方式中，采用ResNet50网络或其他指定类型的网络生成不同种类辅料的特征映射空间，能够缓解神经网络模型中的梯度消失问题，从而提高了特征映射空间对辅料的适用性和准确性。

可选地，所述确定所述特征图像中的辅料对应的特征映射空间，包括：基于注意力机制确定所述特征图像中与所述辅料对应的相关区域；将所述辅料对应的相关区域的嵌入空间作为所述辅料对应的所述特征映射空间。

在上述实现方式中，基于注意力机制确定辅料对应的区域，从而确定特征映射空间，提高了确定辅料对应的特征映射空间的准确度。

可选地，所述确定所述辅料的瑕疵类型，包括：在所述辅料对应的特征映射空间中，提取所述辅料所处的局部区域的深度特征；在所述深度特征与所述模板图像中对应区域的特征相似度大于或等于预设阈值时，确定所述辅料无瑕疵；在所述深度特征与所述模板图像中对应区域的特征相似度小于所述预设阈值时，采用多种辅料瑕疵类型划分组合方式确定所述辅料的瑕疵类型。