[发明专利]图像检测方法和装置

说明书

本申请涉及一种图像检测方法和装置。所述方法包括：获取待检测物体的图像；运行训练获得的图像检测模型，采用图像检测模型对图像进行图像检测，获得图像检测结果；其中，图像检测模型的训练过程包括：获取训练样本集和测试样本集；根据训练样本集训练待训练图像检测模型；采用待训练图像检测模型对测试样本集进行图像检测，获得图像测试结果；在根据图像测试结果确定满足训练结束条件时，将待训练图像检测模型作为图像检测模型，否则，调整待训练图像检测模型的模型参数，返回根据训练样本集训练待训练图像检测模型的步骤。采用本方法能够在目标物体受到光线干扰和遮挡时，有效降低图像检测难度并提供图像检测的正确率。

技术领域

本申请涉及图像检测技术领域，特别是涉及一种图像检测方法和装置。

背景技术

随着智能工业生产的发展，计算机视觉技术的应用越来越普遍，其能够有效节约生产成本，提高生产效率。目前在环境背景复杂的工业生产场景中，存在一些例如光线干扰、多元化的非目标物体和目标物体被遮挡的问题。

针对上述问题，传统技术中的图像检测方法多采用基于特征点匹配、模块化模糊分类或外形轮廓分段处理、将目标物体图像分模块等。然而，传统技术中的图像检测方法获得的图像检测模型鲁棒性差，而且当光线干扰强、目标物体受遮挡比例大时，会导致图像检测难度增大、图像检测正确率下降。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效降低图像检测难度，提高图像检测正确率的图像检测方法和装置。

一种图像检测方法，所述方法包括：

获取待检测物体的图像；

运行训练获得的图像检测模型，采用所述图像检测模型对所述图像进行图像检测，获得图像检测结果；

所述图像检测模型的训练过程包括：

获取训练样本集和测试样本集；所述训练样本集和所述测试样本集中的样本图像包括原始样本图像，以及对各所述原始样本图像的目标物体进行遮挡处理后得到的样本图像；

根据所述训练样本集中的训练样本图像训练待训练图像检测模型；

采用训练得到的待训练图像检测模型对所述测试样本集中的测试样本图像进行图像检测，获得所述测试样本图像对应的图像测试结果；

在根据所述图像测试结果确定满足训练结束条件时，将训练得到的待训练图像检测模型作为所述图像检测模型，否则，调整所述待训练图像检测模型的模型参数，返回所述根据所述训练样本集中的训练样本图像训练待训练图像检测模型的步骤。

在其中一个实施例中，所述获取训练样本集和测试样本集，包括：

获取目标物体的原始样本图像，对所述原始样本图像进行数量扩充，得到预设数量的目标物体的样本图像；

按照预设比例将所述样本图像分配为训练样本集和测试样本集。

在其中一个实施例中，所述对各所述原始样本图像的目标物体进行遮挡处理后得到的样本图像，包括：

对各所述原始样本图像的目标物体的区域分别进行10％、30％和50％区域的遮挡，获得遮挡处理后得到的样本图像。

在其中一个实施例中，所述根据所述训练样本集中的训练样本图像训练待训练图像检测模型，包括：

提取所述训练样本集中的各训练样本图像的两种以上的图像特征，所述图像特征包括外形特征、颜色特征和纹理特征中的至少两种；

根据各所述训练样本图像的两种以上的所述图像特征，训练所述待训练图像检测模型。

在其中一个实施例中，提取所述训练样本集中的各训练样本图像的外形特征，包括：