The application provides a material surface defect detection method, device, equipment and storage medium, relating to the technical field of material detection. The application calculates the similarity information between the image information and the images in the set of labeled images respectively by acquiring the image information of the material surface to be tested. The set of labeled images includes: multiple labeled images, each labeled image contains the labeled defect information. If the similarity information between the image information and the images in the set of labeled images does not meet the preset conditions Then the feature recognition model and the preset classification model are used to analyze and process the image information and obtain the corresponding defect information of the material surface to be tested, so as to realize the secondary detection of the defect information of the material surface to be tested, which can not only improve the detection efficiency, but also ensure the detection accuracy and reduce the occurrence of missed detection events.
【技术实现步骤摘要】
材料表面缺陷检测方法、装置、设备及存储介质
本申请涉及材料检测
，具体而言，涉及一种材料表面缺陷检测方法、装置、设备及存储介质。
技术介绍
金属材料被广泛应用于工业、农业、交通和日常生活等多个领域，所以社会生产中常常需要制造大量的金属材料，以满足使用需求。而金属材料在实际制造完成后，表面常常会出现擦花、脏点、碰凹等缺陷，会影响到金属材料的后续使用，例如，这些缺陷可能会加快金属材料的腐蚀，降低金属材料的使用寿命。因此，在金属材料制造完成后，还需要对金属材料的表面缺陷进行检测，以保证金属材料符合要求。目前，对于金属材料的表面缺陷进行检测的主要方式为：通过人工对金属材料的表面进行识别，将表面存在缺陷的金属材料进行分拣。但是，使用上述现有的金属材料表面缺陷的检测方式对金属材料进行检测时，检测效率和准确率较低。
技术实现思路
本申请的目的在于，提供一种材料表面缺陷检测方法、装置、设备及存储介质，用于解决现有的金属材料表面缺陷的检测方式对金属材料进行检测时，检测效率和准确率较低的问题。为...
【技术保护点】
1.一种材料表面缺陷检测方法，其特征在于，所述方法包括：/n获取待检测材料表面的图像信息；/n分别计算所述图像信息与已标注图像集合中各图像的相似度信息，所述已标注图像集合包括：多个已标注图像，每个所述已标注图像包含标注的缺陷信息；/n若所述图像信息与已标注图像集合中各图像的相似度信息均未满足预设条件，则采用特征识别模型和预设分类模型分析处理所述图像信息，获取所述待检测材料表面对应的缺陷信息；其中，所述特征识别模型用于对所述图像信息识别得到所述待检测材料表面的属性特征；所述预设分类模型用于对所述待检测材料表面的属性特征进行分类，并根据分类结果确定所述缺陷信息。/n
【技术特征摘要】 【专利技术属性】
1.一种材料表面缺陷检测方法，其特征在于，所述方法包括：
获取待检测材料表面的图像信息；
分别计算所述图像信息与已标注图像集合中各图像的相似度信息，所述已标注图像集合包括：多个已标注图像，每个所述已标注图像包含标注的缺陷信息；
若所述图像信息与已标注图像集合中各图像的相似度信息均未满足预设条件，则采用特征识别模型和预设分类模型分析处理所述图像信息，获取所述待检测材料表面对应的缺陷信息；其中，所述特征识别模型用于对所述图像信息识别得到所述待检测材料表面的属性特征；所述预设分类模型用于对所述待检测材料表面的属性特征进行分类，并根据分类结果确定所述缺陷信息。
2.根据权利要求1所述的方法，其特征在于，所述特征识别模型包括：快速卷积区域生成网络和特征金字塔网络；
所述采用特征识别模型和预设分类模型分析处理所述图像信息，获取所述待检测材料表面对应的缺陷信息，包括：
采用所述快速卷积区域生成网络提取所述图像信息的特征信息；
采用所述特征金字塔网络生成所述特征信息对应的N个不同尺寸的特征图，N为大于1的整数；
采用所述快速卷积区域生成网络、N个不同尺寸的所述特征图、以及N个不同的预设锚框尺寸，生成候选提议的特征图，所述候选提议的特征图用于表征待检测材料表面的属性特征；
根据所述候选提议的特征图以及所述预设分类模型，获取所述待检测材料表面对应的缺陷信息。
3.根据权利要求2所述的方法，其特征在于，所述采用所述快速卷积区域生成网络、N个不同尺寸的所述特征图、以及N个不同的预设锚框尺寸，生成候选提议的特征图，包括：
按照从小到大的顺序为N个所述特征图，依次赋予N个从大到小的所述预设锚框尺寸，得到N个赋予预设锚框尺寸的特征图；
通过所述快速卷积区域生成网络判断各所述赋予预设锚框尺寸的特征图是否满足提议条件，若满足，则生成和评估得到候选提议的特征图。
4.根据权利要求3所述的方法，其特征在于，根据所述候选提议的特征图以及所述预设分类模型，获取所述待检测材料表面对应的缺陷信息，包括：
将所述候选提议的特征图的尺寸改变为预设固定尺寸；
根据预设固定尺寸的所述候选提议的特征图以及所述预设分类模型，获取所述待检测材料表面对应的缺陷信息。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述采用特征识别模型和预设分类模型分析处理所述图像信息，获取所述待检测材料表面对应的缺陷信息之前，所述方法还包括：
通过掩膜卷积区域生成网络对所述图像信息进行前背景分离处理，得到所述图像信息的前景图像信息；
相应地，所述采用特征识别模型和预设分类模型分析处理所述图像信息，获取所述待检测材料表面对应的缺陷信息，包括：
采用特征识别模型和预设分类模型分析处理所述前景图像信息，获取所述待检测材料表面对应的缺陷信息。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述分别计算所述图像信息与已标注图像集合中各图像的相似度信息之后，还包括：
若所述图像信息与已标注图像集合中各图像的相似度信息中存在满足预设条件的相似度信息，则获取所述满足预设条件的相似度信息所对应的目标已标注图像；
确定所述待检测材料表面对应的缺陷信息与所述目标已标注图像的缺陷信息相同。
技术研发人员：黄霄，刘俊宏，周子怡，
申请(专利权)人：树根互联技术有限公司，上海树根互联技术有限公司，江苏树根互联技术有限公司，广州树根互联技术有限公司，北京树根互联科技有限公司，长沙树根互联技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。