物体缺陷检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种物体缺陷检测方法、装置、电子设备和存储介质。其中，方法包括：获取不同缺陷尺度的物体图像；对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。采用本发明专利技术提供的方案能提高物体缺陷检测过程中极端尺度的缺陷的检测效果，以及提高检测性能。以及提高检测性能。以及提高检测性能。

【技术实现步骤摘要】
物体缺陷检测方法、装置、电子设备和存储介质


[0001]本专利技术涉及缺陷识别
，尤其涉及一种物体缺陷检测方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，对于热轧带钢表面的缺陷，常采用基于卷积神经网络的骨干网络加上改进的特征融合的识别模型来对采集到的图片进行检测以识别缺陷。但由于金属内部极大尺度缺陷和极小尺度缺陷的尺寸相差超过40倍，面积相差超过1600倍，且卷积神经网络本身并不具有尺度不变性，使用特征融合的方式带来的尺度不变性只是利用深度神经网络的强大拟合能力勉强达到多尺度检测的效果。因此，上述检测方式中，极大尺度缺陷和极小尺度缺陷的检测效果差，网络训练过程中强制拟合极端尺度缺陷导致性能损失。

技术实现思路

[0003]为解决缺陷检测过程中极端尺度缺陷检测效果差，以及强制拟合极端尺度导致全尺度缺陷检测性能低的技术问题，本专利技术实施例提供一种物体缺陷检测方法、装置、电子设备和存储介质。
[0004]本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供了一种物体缺陷检测方法，方法包括：获取不同缺陷尺度的物体图像；对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。
[0005]上述方案中，所述对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：确定所述物体图像缺陷尺度的尺度类型；所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像。
[0006]上述方案中，所述根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：当所述尺度类型为第一尺度时，按照预设第一比例对所述物体图像进行缩放；在缩放后的所述物体图像的四周补入预设数量的补位图像；将补入补位图像后的图像作为第一物体图像；
当所述尺度类型为第二尺度时，将所述物体图像作为第一物体图像；当所述尺度类型为第三尺度时，对所述物体图像进行多次局部图像的截取，将多次截取后的局部图像按照预设第二比例进行放大，将放大后的局部图像作为第一物体图像。
[0007]上述方案中，所述根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果包括：对所述第一物体图像进行特征提取；确定所述第一物体图像的缺陷的尺度类型；其中，所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；根据所述第一物体图像的缺陷的尺度类型，利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果。
[0008]上述方案中，所述根据所述第一物体图像的缺陷的尺度类型，利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果包括：当所述尺度类型为第一尺度或第二尺度时，利用预设识别模型对所述特征中的深层特征进行检测识别，获得所述物体图像的缺陷检测结果；其中，所述深层特征的深度大于或等于预设数值；当所述尺度类型为第三尺度时，利用预设识别模型对所述特征中的浅层特征进行检测识别，获得所述物体图像的缺陷检测结果；其中，所述浅层特征的深度小于预设数值。
[0009]上述方案中，所述根据所述第一物体图像的缺陷尺度类型，利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果包括：当所述尺度类型为第一尺度时，利用所述预设识别模型对缺陷尺度大于或等于第一阈值的缺陷所对应的特征进行检测识别，获得所述物体图像的缺陷检测结果；当所述尺度类型为第二尺度时，利用所述预设识别模型对缺陷尺度小于第一阈值且大于第二阈值的缺陷所对应的特征进行检测识别，获得所述物体图像的缺陷检测结果；其中，所述第一阈值大于所述第二阈值；当所述尺度类型为第三尺度时，利用所述预设识别模型对缺陷尺度小于或等于第二阈值的缺陷所对应的特征进行检测识别，获得所述物体图像的缺陷检测结果。
[0010]上述方案中，所述利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果包括：利用预设识别模型中的类别损失函数和定位损失函数对所述特征进行损失函数的计算，获得所述物体图像的缺陷检测结果；所述类别损失函数如公式（1）所示：公式（1）其中，表示类别损失函数计算值，表示正负样本平衡系数，为网络的预测
值；系数和可使得模型更加侧重于缺陷和背景较为相似的难分样本的学习；所述定位损失函数如公式（2）所示：公式（2）其中，表示定位损失函数计算值，表示预设识别模型中预测框和真实样本框之间的交并比，表示预设识别模型中预测框和真实样本框中线点的距离；表示预设识别模型中预测框和真实样本框最远角点之间的距离。
[0011]本专利技术实施例还提供了一种物体缺陷检测装置，物体缺陷检测装置包括：获取模块，用于获取不同缺陷尺度的物体图像；变换模块，用于对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；识别模块，用于根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。
[0012]本专利技术实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，处理器用于运行计算机程序时，执行上述任一方法的步骤。
[0013]本专利技术实施例还提供了一种存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一方法的步骤。
[0014]本专利技术实施例提供的物体缺陷检测方法、装置、电子设备和存储介质，获取不同缺陷尺度的物体图像；对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。采用本专利技术提供的方案能提高物体缺陷检测过程中极端尺度的缺陷的检测效果，以及提高检测性能。
附图说明
[0015]图1为本专利技术实施例物体缺陷检测方法的流程示意图；图2为本专利技术实施例第一尺度缺陷的尺寸变换示意图；图3为本专利技术实施例第二尺度缺陷的尺寸变换示意图；图4为本专利技术实施例第三尺度缺陷的尺寸变换示意图；图5为本专利技术应用实施例训练过程和检测过程示意图；图6为本专利技术应用实施例预设识别模型的结构示意图；图7为本专利技术实施例物体缺陷检测装置的结构示意图；图8为本专利技术实施例计算机设备的内部结构图。
具体实施方式
[0016]下面将结合附图及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体缺陷检测方法，其特征在于，所述方法包括：获取不同缺陷尺度的物体图像；对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：确定所述物体图像缺陷尺度的尺度类型；所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像。3.根据权利要求2所述的方法，其特征在于，所述根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：当所述尺度类型为第一尺度时，按照预设第一比例对所述物体图像进行缩放；在缩放后的所述物体图像的四周补入预设数量的补位图像；将补入补位图像后的图像作为第一物体图像；当所述尺度类型为第二尺度时，将所述物体图像作为第一物体图像；当所述尺度类型为第三尺度时，对所述物体图像进行多次局部图像的截取，将多次截取后的局部图像按照预设第二比例进行放大，将放大后的局部图像作为第一物体图像。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果包括：对所述第一物体图像进行特征提取；确定所述第一物体图像的缺陷的尺度类型；其中，所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；根据所述第一物体图像的缺陷的尺度类型，利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一物体图像的缺陷的尺度类型，利用预设识别模型对所述特征进行检测识别，获得所述物体图像的缺陷检测结果包括：当所述尺度类型为第一尺度或第二尺度时，利用预设识别模型对所述特征中的深层特征进行检测识别，获得所述物体图像的缺陷检测结果；其中，所述深层特征的...

【专利技术属性】
技术研发人员：于洋，黄雪峰，熊海飞，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：