[发明专利]缺陷识别方法、装置、存储介质及电子设备

权利要求书

1.一种缺陷识别方法，其特征在于，所述方法包括：

获取目标图像，所述目标图像中包括目标检测对象；

在预设算法库中确定所述目标检测对象适配的选配算法；

基于所述选配算法对所述目标检测对象进行缺陷识别，得到针对所述目标检测对象的缺陷识别结果，所述缺陷识别结果包括缺陷位置信息、所述缺陷的尺寸信息以及所述缺陷位置信息对应的缺陷类型信息；

其中，所述预设算法库包括下述算法的至少两种：

全图识别机器学习算法、自动识别区域机器学习算法、手动确定区域机器学习算法、自动识别区域特征对比算法和手动确定区域特征对比算法。

2.根据权利要求1所述的方法，其特征在于：

所述全图识别机器学习算法包括对所述目标图像进行全图缺陷识别，输出全图缺陷识别结果；

所述自动识别区域机器学习算法包括对所述目标图像进行第一区域提取，并且对提取到的第一区域进行第一区域缺陷识别，输出第一区域缺陷识别结果，所述第一区域提取基于预设的缺陷特征和缺陷尺寸自动执行，或所述第一区域提取基于预设的区域尺寸和区域形状自动执行；

所述手动确定区域机器学习算法包括基于用户选择的区域进行第二区域提取，并且对提取到的第二区域进行第二区域缺陷识别，输出第二区域缺陷识别结果；

所述自动识别区域特征对比算法包括对所述目标图像进行第一区域提取，并且对提取到的第一区域进行特征提取，得到第一区域特征，基于预设缺陷识别策略对所述第一区域特征进行缺陷识别，得到第一缺陷识别结果；所述第一区域提取基于预设的缺陷特征和缺陷尺寸自动执行，或所述第一区域提取基于预设的区域尺寸和区域形状自动执行；

所述手动确定区域特征对比算法包括基于用户选择的区域进行第二区域提取，并且基于预设缺陷识别策略对提取到的第二区域进行缺陷识别，得到第二缺陷识别结果。

3.根据权利要求1或2所述的方法，其特征在于，所述在预设算法库中确定所述目标检测对象适配的选配算法，包括：在所述预设算法库中确定至少两个选配算法；

所述基于所述选配算法对所述目标检测对象进行缺陷识别，得到针对所述目标检测对象的缺陷识别结果，包括：

针对每一所述选配算法，基于所述选配算法对所述目标检测对象进行缺陷识别，得到对应的缺陷识别结果；

综合各所述选配算法对应的缺陷识别结果，得到针对所述目标检测对象的缺陷识别结果。

4.根据权利要求3所述的方法，其特征在于，所述综合各所述选配算法对应的缺陷识别结果，得到针对所述目标检测对象的缺陷识别结果，包括：

获取每一选配算法对应的缺陷识别结果，所述缺陷识别结果包括至少一个缺陷项，所述缺陷项包括缺陷区域、缺陷类型、缺陷尺寸、缺陷位置信息以及缺陷置信度，所述缺陷置信度表征所述缺陷区域存在所述缺陷类型指向的缺陷的概率；

对各选配算法对应的缺陷识别结果进行融合匹配；

根据融合匹配结果确定所述针对所述目标检测对象的缺陷识别结果。

5.根据权利要求4所述的方法，其特征在于，所述对各选配算法对应的缺陷识别结果进行融合匹配，包括：

若第一缺陷项的缺陷区域与所述第二缺陷项的缺陷区域的交并比大于第一阈值，并且所述第一缺陷项的缺陷类型与所述第二缺陷项的缺陷类型相同、并且所述第一缺陷项的缺陷置信度和所述第二缺陷项的缺陷置信度均大于第二阈值，则将所述第一缺陷项和所述第二缺陷项进行融合，得到融合缺陷项；

其中，所述第一缺陷项和所述第二缺陷项是不同的缺陷项，并且所述第一缺陷项和所述第二缺陷项均为任一选配算法对应的缺陷识别结果中的任一缺陷项。

6.根据权利要求5中所述的方法，其特征在于，所述根据融合匹配结果确定所述针对所述目标检测对象的缺陷识别结果，包括：

针对所述融合缺陷项，生成第一缺陷识别结果；

响应于存在未被融合的缺陷项的情况，进行缺陷项处理，得到第二缺陷识别结果；

根据所述第一缺陷识别结果或第二缺陷识别结果，确定所述针对所述目标检测对象的缺陷识别结果。