【技术实现步骤摘要】
目标对象检测方法、装置、电子设备和存储介质
本申请涉及信息检测
,特别涉及一种目标对象检测方法、装置、电子设备和存储介质。
技术介绍
传统工业视觉检测的流程是针对工业相机采集到的图像进行算法识别,以达到对待测物检测的需求。然而由于待测物背景复杂,导致工业相机无法较好的采集到待测物的图像,导致无法为待测物进行准确的判断。针对这种现象,相关技术中通常采用高分辨率的工业相机或多台工业相机进行联合采集,但是这样大大增加了硬件成本。
技术实现思路
本申请的目的是提供一种目标对象检测方法、装置、电子设备和存储介质,用于解决以下问题:为目标对象提供超分辨率图像,以便对目标对象进行检测。第一方面,本申请实施例提供了一种目标对象检测方法,所述方法包括:获取所述目标对象的图像,所述目标对象的外表面上具有直径小于预设值的丝状物;对所述图像中的所述丝状物的图像内容进行图像增强操作,得到超分辨率图像;对所述超分辨率图像进行特征提取,得到所述丝状物的指定评价指标;将所述目标对象的所述指定评价指标 ...
【技术保护点】
1.一种目标对象检测方法,其特征在于,所述方法包括:/n获取所述目标对象的图像,所述目标对象的外表面上具有直径小于预设值的丝状物;/n对所述图像中的所述丝状物的图像内容进行图像增强操作,得到超分辨率图像;/n对所述超分辨率图像进行特征提取,得到所述丝状物的指定评价指标;/n将所述目标对象的所述指定评价指标与预设的标准指标进行比对,得到所述目标对象的针对所述丝状物的检测结果。/n
【技术特征摘要】
1.一种目标对象检测方法,其特征在于,所述方法包括:
获取所述目标对象的图像,所述目标对象的外表面上具有直径小于预设值的丝状物;
对所述图像中的所述丝状物的图像内容进行图像增强操作,得到超分辨率图像;
对所述超分辨率图像进行特征提取,得到所述丝状物的指定评价指标;
将所述目标对象的所述指定评价指标与预设的标准指标进行比对,得到所述目标对象的针对所述丝状物的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述图像中的所述丝状物体的图像内容进行图像增强操作,包括:
将所述图像输入至评价结合超分辨率生成对抗网络RankSRGAN,得到由所述RankSRGAN进行图像增强的所述超分辨率图像。
3.根据权利要求2所述的方法,其特征在于,所述RankSRGAN包括评价网络Ranker以及超分辨率对抗网络SRGAN,所述方法还包括:
根据以下方法训练所述RankSRGAN:
构建用于训练所述Ranker网络的第一训练样本集以及用于训练所述SRGAN网络的第二训练样本集;
采用所述第一训练样本集训练所述Ranker网络,以使所述Ranker网络输出内容排序损失rank-contentloss;
将所述第二训练样本集中的各第二训练样本输入至所述SRGAN网络的生成器,得到由所述生成器输出的超分辨率样本图像;
将所述超分辨率样本图像分别输入至所述Ranker网络以及所述SRGAN网络的判别器,得到包含所述Ranker网络输出的rank-contentloss的损失值;
根据所述损失值训练所述生成器,得到用于进行图像增强的RankSRGAN网络。
4.根据权利要求3所述的方法,其特征在于,所述构建用于训练所述Ranker网络的第一训练样本集,包括:
获取样本图像集;
针对所述样本图像集中的每个样本图像,分别执行:
运用多种超分辨率SR方法,分别生成所述样本图像对应的SR图像;并由所述样本图像与每个对应的所述SR图像构成一个图像对;
应用图像质量评价指标NIQE分别对每个图像对进行评分,得到各图像对的感知得分;
根据各图像对的感知得分对所有图像对进行排序,得到各图像对的排序序号;
以各图像对的排序序号以及感知得分作为相应图像对的标签,构建所述第一训练样本集。
5.根据权利要求1所述的方法,其特征在于,所述超分辨率图像进行特征提取,得到所述丝状物的指定评价指标,包括
将所述超分辨率图像输入至预先训练好的指标提取模型,得到所述丝状物的所述指定评价指标。
6.根据权利要求1-5中任一所述的方法,其特征在于,所述目标对象为印制电路板PCB电路板,所述丝状物为热熔胶丝、所述指定评价指标包括以下中的至少一种:位置、长度、直径、面积。
7.根据权利要求4所述的方法,其特征在于,所述样本图像集中包括多种光照情况下对样本对象进行图像采集得到的样本图像。
8.一种目标对象检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取所述目标对象的图像,所述目标对象的外表面上具有直径小于预设值的丝状物;
图像增强模块,用于对所述图像中的所述丝状物的图像内容进行图像增强操作,得到超分辨率图像;
特征提取...
【专利技术属性】
技术研发人员:陈高,刘淼泉,邓海燕,陈彦宇,马雅奇,
申请(专利权)人:珠海格力电器股份有限公司,珠海联云科技有限公司,
类型:发明
国别省市:广东;44
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。