[发明专利]基于人工智能的器件的结构检测方法、装置及电子设备

权利要求书

1.一种基于人工智能的器件的结构检测方法，其特征在于，所述方法包括：

对待检测对象的图像进行图像分割处理，得到所述待检测对象的连通域图像；

基于所述待检测对象的连通域图像，获取所述待检测对象的第一特征向量；

将所述第一特征向量与至少两个第二特征向量进行相似度比对，得到至少两个相似度比对结果，其中，所述第二特征向量为作为所述待检测对象的参考对象的特征向量；

对所述至少两个相似度比对结果投票，基于投票结果确定所述待检测对象的连通域是否存在缺陷；每个所述投票结果，用于表征基于任一个所述参考对象确定所述待检测对象的连通域是否存在缺陷；其中，

所述连通域图像基于图像分割模型确定，用于训练所述图像分割模型的对象样本图像中包括不存在缺陷的连通域；

所述至少两个相似度比对结果基于特征比对模型确定，用于训练所述特征比对模型的正例连通域样本图像集合包括所述对象样本图像。

2.根据权利要求1所述的方法，其特征在于，所述对待检测对象的图像进行图像分割处理，包括：

获取所述待检测对象的图像中各像素的特征向量，所述待检测对象的图像为二值化图像；

基于所述各像素的特征向量，确定各像素所属的类别信息；

基于各像素所属的类别信息确定所述待检测对象的图像中的连通域图像；

基于所述连通域图像的边界对所述待检测对象的图像进行分割。

3.根据权利要求1所述的方法，其特征在于，所述对待检测对象的图像进行图像分割处理之前，所述方法还包括：

获取对象样本图像以及所述对象样本图像对应的连通域标签；

获取所述对象样本图像中各像素的样本特征向量；

基于所述各像素的样本特征向量，确定各像素所属的样本类别信息；

基于各像素所属的样本类别信息确定所述对象样本图像中的连通域样本图像；

获取所述连通域标签与所述连通域样本图像之间的差异，并基于所述差异更新所述图像分割模型。

4.根据权利要求2所述的方法，其特征在于，所述获取所述待检测对象的图像中各像素的特征向量，包括：

对所述待检测对象的图像中每个像素进行至少两次连续下采样；

对每次下采样得到的特征向量分别进行最大池化处理，得到每个像素的特征向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述第一特征向量与至少两个第二特征向量进行相似度比对，得到至少两个相似度比对结果包括：

针对每个所述参考对象的连通域图像分别执行以下操作：

将所述第一特征向量中的每个第一向量元素与所述第二特征向量中与所述第一向量元素对应的第二向量元素分别进行比对，得到每个向量元素的相似度；

确定全部向量元素的相似度的平均值，将所述平均值作为所述相似度比对结果。

6.根据权利要求5所述的方法，其特征在于，所述将所述第一特征向量与至少两个第二特征向量进行比对之前，所述方法还包括：

获取包括不存在缺陷的连通域的正例连通域样本图像集合，以及负例连通域样本图像集合；其中，所述负例连通域样本图像集合中的负例连通域样本包括存在缺陷的连通域或不包括所述连通域；

获取所述正例连通域样本图像集合中正例连通域样本图像的正例样本特征向量，以及所述负例连通域样本图像的负例样本特征向量；

确定至少两个样本特征向量组及每个所述样本特征向量组包括的第一样本特征向量和第二样本特征向量的相似度标签；

将所述第一样本特征向量中的每个第一向量元素样本与所述第二样本特征向量中与所述第一向量元素对应的第二向量元素样本分别进行比对，得到每个向量元素样本的样本相似度；

确定全部向量元素样本的样本相似度的平均值；

确定所述样本相似度的平均值与所述相似度标签的差异，基于所述差异调整所述特征比对模型的参数。