[发明专利]磁环表面缺陷检测方法、装置、电子设备及存储介质

说明书

本申请提供一种磁环表面缺陷检测方法、装置、电子设备及存储介质，磁环表面缺陷检测方法，包括：获取待检测磁环表面图像及对应的缺陷掩码图像；根据预设的特征提取网络模型对待检测磁环表面图像进行特征提取，得到特征提取图像；根据预设的语义分割网络模型及特征提取图像，得到疑似缺陷区域的目标位置的位置信息；以疑似缺陷区域的目标位置的位置信息对特征提取图像进行裁剪，得到对应的区域特征图像；输入区域特征图像及缺陷掩码图像至预设的分类网络模型，得到对应各区域特征图像的预测结果。本申请磁环表面缺陷检测方法、装置、电子设备及存储介质，可较好地提高磁环表面缺陷检测的准确率，使磁环表面缺陷检测的效果更佳。

技术领域

本申请涉及缺陷检测技术领域，具体而言，涉及一种磁环表面缺陷检测方法、装置、电子设备及存储介质。

背景技术

在磁性材料产品质检领域，磁环表面缺陷检测一直是极具挑战的部分。目前，磁环表面缺陷检测主要还是人工检测，此种检测方式效率低下，难以保证检测的准确性，且人力成本较高。

随着科学技术的不断发展及检测要求的提高，基于深度学习实现磁环表面缺陷检测的方式成为了一种潜在的高效解决方案。但现有的基于深度学习实现磁环表面缺陷检测的方式大多较为简单，导致磁环表面缺陷检测的准确率不够理想。

发明内容

本申请实施例的目的在于提供一种磁环表面缺陷检测方法、装置、电子设备及存储介质，可较好地提高磁环表面缺陷检测的准确率，使磁环表面缺陷检测的效果更佳。

第一方面，本申请实施例提供了一种磁环表面缺陷检测方法，包括：

获取待检测磁环表面图像及对应的缺陷掩码图像；

根据预设的特征提取网络模型对所述待检测磁环表面图像进行特征提取，得到特征提取图像；

根据预设的语义分割网络模型及所述特征提取图像，得到疑似缺陷区域的目标位置的位置信息；

以所述疑似缺陷区域的目标位置的位置信息对所述特征提取图像进行裁剪，得到对应的区域特征图像；

输入所述区域特征图像及所述缺陷掩码图像至预设的分类网络模型，得到对应各所述区域特征图像的预测结果。

在上述实现过程中，本申请实施例的磁环表面缺陷检测方法，通过多任务学习的方式得到待检测磁环表面缺陷检测的预测结果，待检测磁环表面图像为拍摄图像，其干扰项较多，且许多干扰项与缺陷的成像非常相似，通过预设的语义分割网络模型可在磁环表面缺陷检测过程中提升缺陷的召回率，降低缺陷被确定为干扰项的可能，降低缺陷被漏检的几率，并且，通过预设的分类网络模型可排除掉较多的误检，降低干扰项被确定为缺陷的可能，降低干扰项被误检的几率，因而可以达到高召回率、低误检率的磁环表面缺陷检测，从而可以较好地提高磁环表面缺陷检测的准确率，使磁环表面缺陷检测的效果更佳。

进一步地，所述根据预设的语义分割网络模型及所述特征提取图像，得到疑似缺陷区域的目标位置的位置信息，包括：

输入所述特征提取图像至预设的语义分割网络模型，得到像素级概率图；

以预设阈值从所述像素级概率图过滤出疑似缺陷区域；

根据所述疑似缺陷区域，计算得到所述疑似缺陷区域的目标位置的位置信息。

在上述实现过程中，该方法将特征提取图像输入至预设的语义分割网络模型得到像素级概率图，通过像素级概率图及预设阈值可以更准确地过滤得到疑似缺陷区域，从而可以更准确地得到疑似缺陷区域的目标位置的位置信息。

进一步地，所述根据所述疑似缺陷区域，计算得到所述疑似缺陷区域的目标位置的位置信息，包括：