本申請(qǐng)涉及瑕疵檢測(cè)技術(shù)領(lǐng)域，提供了瑕疵檢測(cè)方法、電子設(shè)備及存儲(chǔ)介質(zhì)。瑕疵檢測(cè)方法，包括：將目標(biāo)圖像輸入預(yù)先訓(xùn)練的第一分類模型，得到第一分類結(jié)果；在第一分類結(jié)果指示目標(biāo)圖像中不存在瑕疵的情況下，將目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果；第一分類模型用于識(shí)別輸入圖像中的瑕疵類型。上述瑕疵檢測(cè)方法可以解決瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，由于第一分類模型僅需檢測(cè)目標(biāo)圖像中的瑕疵類型，因此在第一分類模型訓(xùn)練過(guò)程中無(wú)需標(biāo)注瑕疵區(qū)域，并且在第一分類模型未檢出瑕疵的情況下，使用瑕疵分割模型對(duì)目標(biāo)圖像進(jìn)行補(bǔ)充檢測(cè)，如此可以避免第一分類模型漏檢導(dǎo)致的瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，從而可以有助于提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。測(cè)結(jié)果的準(zhǔn)確性。測(cè)結(jié)果的準(zhǔn)確性。
【技術(shù)實(shí)現(xiàn)步驟摘要】
瑕疵檢測(cè)方法、電子設(shè)備及存儲(chǔ)介質(zhì)
[0001]本申請(qǐng)涉及瑕疵檢測(cè)
，具體涉及瑕疵檢測(cè)方法、電子設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
[0002]目前，圖像識(shí)別逐漸應(yīng)用于工業(yè)生產(chǎn)過(guò)程中，比如：在棒材檢測(cè)過(guò)程中，可以通過(guò)對(duì)棒材的圖像進(jìn)行識(shí)別，實(shí)現(xiàn)對(duì)棒材的瑕疵檢測(cè)。
[0003]相關(guān)技術(shù)中，預(yù)先使用訓(xùn)練數(shù)據(jù)對(duì)初始分割模型進(jìn)行訓(xùn)練得到瑕疵檢測(cè)模型，在檢測(cè)過(guò)程中將圖像輸入瑕疵檢測(cè)模型中，得到瑕疵檢測(cè)結(jié)果。
[0004]然而，由于部分瑕疵類型對(duì)應(yīng)的瑕疵區(qū)域難以標(biāo)注，這就會(huì)導(dǎo)致初始分割模型對(duì)該類型的瑕疵訓(xùn)練困難，進(jìn)而導(dǎo)致瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
[0005]為了有助于解決瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，本申請(qǐng)?zhí)峁┝髓Υ脵z測(cè)方法、電子設(shè)備及存儲(chǔ)介質(zhì)。
[0006]第一方面，提供一種瑕疵檢測(cè)方法，采用如下技術(shù)方案：一種瑕疵檢測(cè)方法，所述方法包括：將目標(biāo)圖像輸入預(yù)先訓(xùn)練的第一分類模型，得到第一分類結(jié)果；在所述第一分類結(jié)果指示目標(biāo)圖像中不存在瑕疵的情況下，將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果；其中，所述第一分類模型用于識(shí)別輸入圖像中的瑕疵類型，所述瑕疵分割模型用于檢測(cè)輸入圖像中的瑕疵區(qū)域。
[0007]通過(guò)采用上述技術(shù)方案，可以解決瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，由于先基于第一分類模型對(duì)目標(biāo)圖像進(jìn)行瑕疵檢測(cè)，而第一分類模型中僅需檢測(cè)目標(biāo)圖像中的瑕疵類型而無(wú)需確定目標(biāo)圖像中的瑕疵區(qū)域，因此在第一分類模型訓(xùn)練過(guò)程中無(wú)需標(biāo)注瑕疵類型對(duì)應(yīng)的瑕疵區(qū)域，從而可以便于訓(xùn)練得到第一分類模型，并且在第一分類模型未檢出瑕疵的情況下，進(jìn)一步使用瑕疵分割模型對(duì)目標(biāo)圖像進(jìn)行補(bǔ)充檢測(cè)，如此可以有助于避免第一分類模型漏檢導(dǎo)致的瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，從而可以有助于提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0008]可選的，所述分割結(jié)果包括檢出和未檢出，所述將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果之后，還包括：在所述分割結(jié)果為檢出的情況下，基于所述分割結(jié)果和所述目標(biāo)圖像確定瑕疵圖像；將所述瑕疵圖像輸入預(yù)先訓(xùn)練的第二分類模型，得到第二分類結(jié)果；其中，所述第二分類模型用于識(shí)別輸入圖像中的瑕疵類型。
[0009]上述技術(shù)方案中，由于瑕疵分割模型只用于檢測(cè)輸入圖像中是否存在缺陷區(qū)域，而在檢測(cè)出缺陷區(qū)域的情況下，使用第二分類模型確定缺陷區(qū)域?qū)?yīng)的缺陷類型，如此可
以有助于提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0010]可選的，所述第一分類模型是使用第一數(shù)據(jù)集和第二數(shù)據(jù)集訓(xùn)練得到的，所述第二分類模型是使用所述第二數(shù)據(jù)集訓(xùn)練得到的，所述第一數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型與所述第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型不同。
[0011]上述技術(shù)方案中，使用第一數(shù)據(jù)集和第二數(shù)據(jù)集訓(xùn)練第一分類模型，而僅使用第二數(shù)據(jù)集訓(xùn)練第二分類模型，如此可以提高第二分類模型對(duì)第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型的敏感度，從而可以提高第二分類模型的分類結(jié)果的準(zhǔn)確性，進(jìn)而提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0012]可選的，所述將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果之后，還包括：在所述分割結(jié)果為未檢出的情況下，將所述目標(biāo)圖像輸入第三分類模型，得到第三分類結(jié)果；其中，所述第三分類模型用于識(shí)別輸入圖像中的瑕疵類型，所述第三分類模型是使用所述第一數(shù)據(jù)集訓(xùn)練得到的。
[0013]上述技術(shù)方案中，使用第一數(shù)據(jù)集和第二數(shù)據(jù)集訓(xùn)練第一分類模型，而僅使用第一數(shù)據(jù)集訓(xùn)練第三分類模型，如此可以提高第三分類模型對(duì)第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型的敏感度，從而可以提高第三分類模型的檢測(cè)結(jié)果的準(zhǔn)確性，進(jìn)而可以進(jìn)一步提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0014]可選的，所述瑕疵分割模型是使用第三數(shù)據(jù)集訓(xùn)練得到的，所述第三數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型與所述第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型相同。
[0015]上述技術(shù)方案中，由于用于訓(xùn)練瑕疵分割模型的第三數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型與用于訓(xùn)練第二分類模型的第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型相同，如此可以使得第二分類模型與瑕疵分割模型的敏感瑕疵類型相同，從而可以便于第二分類模型將瑕疵分割模型檢出的瑕疵進(jìn)行分類，提高瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0016]可選的，所述目標(biāo)圖像是對(duì)待檢測(cè)棒材進(jìn)行圖像采集得到的；所述第一數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型包括：臟污、銹斑和/或打滑擦傷；所述第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型包括：粗痕、刮傷、孔洞、裂紋、缺口和/或未見光。
[0017]上述技術(shù)方案中，由于基于棒材瑕疵類型對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行分類，將臟污、銹斑和/或打滑擦傷這些難以標(biāo)記瑕疵區(qū)域的瑕疵類型對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)劃入第一數(shù)據(jù)集中，將粗痕、刮傷、孔洞、裂紋、缺口和/或未見光這些易于標(biāo)記瑕疵區(qū)域的瑕疵類型對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)劃入第二數(shù)據(jù)集中，如此可以便于基于實(shí)際需要采用相應(yīng)的數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練，從而可以得到具有不同分類功能的分類模型。
[0018]可選的，所述基于所述分割結(jié)果和所述目標(biāo)圖像確定瑕疵圖像，包括：對(duì)所述目標(biāo)圖像進(jìn)行翻轉(zhuǎn)，得到翻轉(zhuǎn)后圖像；基于所述分割結(jié)果在所述翻轉(zhuǎn)后圖像中確定目標(biāo)瑕疵區(qū)域；以所述目標(biāo)瑕疵區(qū)域?yàn)橹行膶?duì)所述翻轉(zhuǎn)后圖像進(jìn)行裁剪，得到所述瑕疵圖像。
[0019]上述技術(shù)方案中，由于在瑕疵圖像確定過(guò)程中先對(duì)目標(biāo)圖像進(jìn)行翻轉(zhuǎn)，得到翻轉(zhuǎn)后圖像，然后基于分割結(jié)果在翻轉(zhuǎn)后圖像中確定目標(biāo)瑕疵區(qū)域，最后以目標(biāo)瑕疵區(qū)域?yàn)橹行膶?duì)翻轉(zhuǎn)后圖像進(jìn)行裁剪，得到瑕疵圖像，如此可以避免瑕疵區(qū)域位于目標(biāo)圖像邊緣時(shí)，第
二分類模型的瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，由于以目標(biāo)瑕疵區(qū)域?yàn)橹行膶?duì)翻轉(zhuǎn)后的圖像進(jìn)行裁剪，得到瑕疵圖像，如此可以使得瑕疵區(qū)域處于瑕疵圖像的中心位置，從而可以有助于提高第二分類模型的瑕疵檢測(cè)結(jié)果的準(zhǔn)確性。
[0020]可選的，所述將目標(biāo)圖像輸入預(yù)先訓(xùn)練的第一分類模型之前，還包括：獲取原始圖像，所述原始圖像是使用線掃相機(jī)對(duì)待檢測(cè)棒材的側(cè)面進(jìn)行掃描得到的；將所述原始圖像中所述待檢測(cè)棒材側(cè)面對(duì)應(yīng)的區(qū)域的圖像確定為目標(biāo)圖像。
[0021]上述技術(shù)方案中，由于原始圖像是使用線掃相機(jī)對(duì)待檢測(cè)棒材的側(cè)面進(jìn)行掃描得到的，并且可以從原始圖像中提取棒材側(cè)面對(duì)應(yīng)的區(qū)域的圖像作為目標(biāo)圖像，如此可以便于實(shí)現(xiàn)棒材瑕疵的自動(dòng)檢測(cè)，減小棒材檢測(cè)過(guò)程中的人工干預(yù)，提高瑕疵檢測(cè)的效率。
[0022]第二方面，提供一種電子設(shè)備，采用如下的技術(shù)方案：電子設(shè)備，所述電子設(shè)備包括：至少一個(gè)處理器；存儲(chǔ)器；至少一個(gè)應(yīng)用程序，其中至少一個(gè)應(yīng)用程序被存儲(chǔ)在存儲(chǔ)器中并被配置為由至少一個(gè)處理器執(zhí)行，所述至少一個(gè)應(yīng)用程序配置用于：執(zhí)行第一方面提供的任一種瑕疵檢測(cè)方法。
[0023]第三方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用如下的技術(shù)方案：計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序在計(jì)算機(jī)中執(zhí)行時(shí)，令所述計(jì)算機(jī)執(zhí)行第一方面提供的任一種瑕疵檢測(cè)方法。
[0024]綜上所述，本申請(qǐng)包括以下至少一種有益技術(shù)效果：1．可以解決瑕疵檢測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，由于先基于第一分類模型對(duì)目標(biāo)圖像進(jìn)行瑕疵檢測(cè)，而第一分類模型中僅需檢測(cè)目標(biāo)圖像中的瑕疵類本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種瑕疵檢測(cè)方法，其特征在于，所述方法包括：將目標(biāo)圖像輸入預(yù)先訓(xùn)練的第一分類模型，得到第一分類結(jié)果；在所述第一分類結(jié)果指示目標(biāo)圖像中不存在瑕疵的情況下，將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果；其中，所述第一分類模型用于識(shí)別輸入圖像中的瑕疵類型，所述瑕疵分割模型用于檢測(cè)輸入圖像中的瑕疵區(qū)域。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分割結(jié)果包括檢出和未檢出，所述將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果之后，還包括：在所述分割結(jié)果為檢出的情況下，基于所述分割結(jié)果和所述目標(biāo)圖像確定瑕疵圖像；將所述瑕疵圖像輸入預(yù)先訓(xùn)練的第二分類模型，得到第二分類結(jié)果；其中，所述第二分類模型用于識(shí)別輸入圖像中的瑕疵類型。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述第一分類模型是使用第一數(shù)據(jù)集和第二數(shù)據(jù)集訓(xùn)練得到的，所述第二分類模型是使用所述第二數(shù)據(jù)集訓(xùn)練得到的，所述第一數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型與所述第二數(shù)據(jù)集中訓(xùn)練數(shù)據(jù)的瑕疵類型不同。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述目標(biāo)圖像輸入瑕疵分割模型，得到分割結(jié)果之后，還包括：在所述分割結(jié)果為未檢出的情況下，將所述目標(biāo)圖像輸入第三分類模型，得到第三分類結(jié)果；其中，所述第三分類模型用于識(shí)別輸入圖像中的瑕疵類型，所述第三分類模型是使用所述第一數(shù)據(jù)集訓(xùn)練得到的。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述瑕疵分割模型是使用第三數(shù)據(jù)集訓(xùn)練得到的，所述第三數(shù)據(jù)集中...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳陽(yáng)臻，林澤城，
申請(qǐng)(專利權(quán))人：三固廈門科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。