[发明专利]瑕疵检测方法及装置、计算机设备和存储介质

说明书

一种瑕疵检测方法及装置、计算机设备和存储介质，其中，所述方法包括：获取目标图片；对所述目标图片进行特征识别和分类，得到所述目标图片包含的一个或多个特征的类别信息，将所述类别信息记作第一结果；分别对各个所述特征进行实例分割，以得到第二结果，所述第二结果包括所述特征包含的一个或多个实例以及每一实例对应的位置信息；根据所述第一结果和第二结果得到所述目标图片的瑕疵检测结果。由此，能够基于实例对图像进行瑕疵检测，以提高瑕疵检测效果。

技术领域

本发明涉及计算机视觉技术领域，具体地涉及一种瑕疵检测方法及装置、计算机设备和存储介质。

背景技术

布匹瑕疵检测是纺织行业生产和质量管理的重要环节。目前主要采用人工检测来检测布匹表面的瑕疵，然而人工检测存在速度慢、劳动强度大、受主观因素影响、缺乏一致性等缺点。

随着机器学习技术的发展，这一技术也被应用到布匹的瑕疵检测中。传统的，检测布匹瑕疵的机器学习算法通常用来处理易提取、易量化的瑕疵特征，如颜色、面积、圆度、角度、长度等，其对于瑕疵检测的粒度较粗。

然而，在实际的布匹瑕疵检测中，由于瑕疵区域在总布匹上的占比小、瑕疵的尺度变化大、瑕疵的形状复杂等原因，现有的机器学习算法无法得到满足用户需求的检测效果。并且，现有的技术中，一般只能检测出布料的类别和位置，不能区分同一类别的不同缺陷，而导致缺陷信息检测不够全面。

类似地，在对其他物体(如金属、塑料，模具、机械零部件)进行瑕疵检测，也存在相似的问题。

因此，亟需一种瑕疵检测方法，能够改善例如布料、零部件等瑕疵的检测效果。

发明内容

本发明解决的技术问题是如何提高瑕疵检测的效果。

为解决上述技术问题，本发明实施例提供一种瑕疵检测方法，所述方法包括：获取目标图片；对所述目标图片进行特征识别和分类，得到所述目标图片包含的一个或多个特征的类别信息，将所述类别信息记作第一结果；分别对各个所述特征进行实例分割，以得到第二结果，所述第二结果包括所述特征包含的一个或多个实例以及每一实例对应的位置信息；根据所述第一结果和第二结果得到所述目标图片的瑕疵检测结果。

可选的，所述对所述目标图片进行特征识别和分类，包括：将所述目标图片输入特征提取模型中，得到所述目标图片不同特征维度的多个特征信息层，所述特征提取模型是根据样本图片中的特征提取进行分析得到的、用以提取输入的图片中的特征信息层的模型；结合多个特征信息层进行特征识别和分类。

可选的，所述得到所述目标图片不同特征维度的多个特征信息层之后、所述结合多个特征信息层进行特征识别和分类之前，所述方法还包括：增加所述多个特征信息层的细节信息，以扩展所述目标图片的特征信息层的层数，得到扩展后的特征信息层。

可选的，所述对所述目标图片进行特征识别和分类，还包括：得到所述目标图片包含的特征的位置信息；所述增加所述多个特征信息层的细节信息，以扩展所述目标图片的特征信息层的层数之后，所述方法还包括：从所述扩展后的特征信息层中至少选择一个特征信息层，记作代表层；所述分别对各个所述特征进行实例分割，包括：将所述代表层和各个所述特征的位置信息输入动态卷积网络中，通过所述动态卷积网络生成所述目标图片的掩膜图，所述目标图片的掩膜图中标注有第二结果。

可选的，所述获取目标图片之前，所述方法还包括：对原始图片进行切割，得到多张所述目标图片；所述通过所述动态卷积网络生成所述目标图片的掩膜图之后，所述方法还包括：将所述原始图片的多张目标图片的掩膜图进行拼接，得到所述原始图片的掩膜图。

可选的，对所述原始图片切割得到的多张目标图片的尺寸相同。