缺陷检测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种缺陷检测方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及计算机视觉、深度学习等人工智能技术领域。具体实现方案为：获取产品图像对应的第一特征金字塔网络及模板图像对应的第二特征金字塔网络，分别基于训练生成的第一缩放参数及第二缩放参数，将第一特征金字塔网络中每个特征层及第二特征金字塔网络中每个特征层分别进行缩放处理，以获取第一缩放特征金字塔网络及第二缩放特征金字塔网络，之后将第一缩放特征金字塔网络中每个特征层与第二缩放特征金字塔网络中的对应特征层分别进行融合，最后对融合后的特征金字塔网络中每个特征层进行识别，以确定产品图像中的产品是否存在缺陷。由此，提高了缺陷检测的准确性。提高了缺陷检测的准确性。提高了缺陷检测的准确性。

【技术实现步骤摘要】
缺陷检测方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及计算机视觉、深度学习等人工智能
，具体涉及一种缺陷检测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能技术地不断发展和完善，其已经在与人类日常生活相关的各个领域扮演着极其重要的作用，例如，人工智能已经在缺陷检测的应用场景中取得了显著进步。因此，提高产品缺陷检测的准确度成为热点的研究方向。

技术实现思路

[0003]本公开提供了一种缺陷检测方法、装置、电子设备及存储介质。
[0004]根据本公开的第一方面，提供了一种缺陷检测方法，包括：
[0005]获取待检测的产品图像及模板图像；
[0006]将所述产品图像及所述模板图像输入孪生网络中，以确定所述产品图像对应的第一特征金字塔网络及所述模板图像对应的第二特征金字塔网络；
[0007]分别基于训练生成的第一缩放参数及第二缩放参数，将所述第一特征金字塔网络中每个特征层及所述第二特征金字塔网络中每个特征层进行缩放处理，以获取第一缩放特征金字塔网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺陷检测方法，包括：获取待检测的产品图像及模板图像；将所述产品图像及所述模板图像输入孪生网络中，以确定所述产品图像对应的第一特征金字塔网络及所述模板图像对应的第二特征金字塔网络；分别基于训练生成的第一缩放参数及第二缩放参数，将所述第一特征金字塔网络中每个特征层及所述第二特征金字塔网络中每个特征层进行缩放处理，以获取第一缩放特征金字塔网络及第二缩放特征金字塔网络；将所述第一缩放特征金字塔网络中每个特征层与所述第二缩放特征金字塔网络中的对应特征层分别进行融合，以生成融合后的特征金字塔网络；分别对所述融合后的特征金字塔网络中每个特征层进行识别，以确定所述产品图像中的产品是否存在缺陷。2.如权利要求1所述的方法，其中，所述第一特征金字塔网络及所述第二特征金字塔网络中每个特征层分别包括至少一个通道，所述分别基于训练生成的第一缩放参数及第二缩放参数，将所述第一特征金字塔网络中每个特征层及所述第二特征金字塔网络中每个特征层进行缩放处理，以获取第一缩放特征金字塔网络及第二缩放特征金字塔网络，包括：基于所述第一缩放参数，将所述第一特征金字塔网络中每个特征层中的每个第一通道的特征分别进行缩放处理，以获取每个所述第一通道的缩放特征；基于所述第二缩放参数，将所述第二特征金字塔网络中每个特征层中的每个第二通道的特征分别进行缩放处理，以获取每个所述第二通道的缩放特征；所述将所述第一缩放特征金字塔网络中每个特征层与所述第二缩放特征金字塔网络中的对应特征层分别进行融合，以生成融合后的特征金字塔网络，包括：将每个所述第一通道的缩放特征与对应的第二通道的缩放特征进行融合，以生成每个所述特征层中的每个通道的融合特征。3.如权利要求1所述的方法，其中，所述第一特征金字塔网络及所述第二特征金字塔网络中每个特征层分别包括至少一个通道，所述第一缩放参数包括与所述第一特征金字塔网络中每个特征层中每个通道对应的第一子缩放参数，所述第二缩放参数中包括与所述第二特征金字塔网络中每个特征层中每个通道对应的第二子缩放参数，所述分别基于训练生成的第一缩放参数及第二缩放参数，将所述第一特征金字塔网络中每个特征层及所述第二特征金字塔网络中每个特征层进行缩放处理，以获取第一缩放特征金字塔网络及第二缩放特征金字塔网络，包括：分别基于与每个第一特征金字塔网络中每个特征层中的每个第一通道对应的第一子缩放参数，将对应的第一通道的特征进行缩放处理，以获取每个所述第一通道的缩放特征；分别基于与每个第二特征金字塔网络中每个特征层中的每个第二通道对应的第二子缩放参数，将对应的第二通道的特征进行缩放处理，以获取每个所述第二通道的缩放特征；所述将所述第一缩放特征金字塔网络中每个特征层与所述第二缩放特征金字塔网络中对应的特征层分别进行融合，以生成融合后的特征金字塔网络，包括：将每个所述第一通道的缩放特征与对应的第二通道的缩放特征进行融合，以生成每个所述特征层中的每个通道的融合特征。4.如权利要求1所述的方法，其中，所述分别对所述融合后的特征金字塔网络中每个特
征层进行识别，以确定所述产品图像中的产品是否存在缺陷，包括：对所述融合后的特征金字塔网络中每个特征层进行识别，以确定每个所述特征层对应的识别结果；根据每个特征层对应的识别结果及每个所述特征层的权重值，确定所述产品图像中的产品是否存在缺陷。5.如权利要求1
‑
4任一所述的方法，其中，在所述将所述产品图像及所述模板图像输入孪生网络之前，还包括：获取训练数据集，其中，所述训练数据集中包括所述模板图像及多个已标注的产品图像；将所述已标注的产品图像及所述模板图像输入初始孪生网络中，以确定所述已标注的产品图像对应的第三特征金字塔网络及所述模板图像对应的第四特征金字塔网络；分别基于预设的第三缩放参数及预设的第四缩放参数，将所述第三特征金字塔网络中每个特征层及所述第四特征金字塔网络中每个特征层进行缩放处理，以获取第三缩放特征金字塔网络及第四缩放特征金字塔网络；将所述第三缩放特征金字塔网络中每个特征层与所述第四缩放特征金字塔网络中的对应特征层分别进行融合，以生成融合后的缩放特征金字塔网络；分别对所述融合后的缩放特征金字塔网络中每个特征层进行识别，以确定所述已标注的产品图像中对应的缺陷预测结果；根据所述缺陷预测结果与所述已标注的产品图像对应的缺陷标注结果的差异，对所述第三缩放参数、所述第四缩放参数及所述初始孪生网络分别进行修正，直至所述已标注的产品图像中对应的缺陷预测结果与标注结果间的差异小于阈值，以确定所述孪生网络、所述第一缩放参数及所述第二缩放参数。6.如权利要求1
‑
4任一所述的方法，其中，在所述将所述产品图像及所述模板图像输入孪生网络之前，还包括：将所述产品图像进行预处理，以使预处理后的产品图像中产品的成像角度与所述模板图像中产品的成像角度相同。7.一种缺陷...

【专利技术属性】
技术研发人员：陈路燕，邹建法，聂磊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：