缺陷检测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请适用于工业自动化技术领域，提供了一种缺陷检测方法、装置、电子设备及计算机可读存储介质，方法包括：获取待检测图像；将待检测图像输入预存的注意力生成对抗网络进行处理，输出目标图像；确定目标图像中的缺陷区域。由于注意力生成对抗网络中引入了注意力机制，使得受到注意力机制关注前景和背景图像有了明显的区分，利用注意力生成对抗网络对待检测图像进行处理，获得的目标图像可以是对前景图像增强、修改、或去除的图像，利用这样的目标图像检测缺陷区域，对待检测图像中被检测对象的缺陷实现自动的检测，可以省去手动标注的环节，提高检测效率，节省人工成本。节省人工成本。节省人工成本。

【技术实现步骤摘要】
缺陷检测方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及工业自动化
，尤其涉及一种缺陷检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]在工业生产中，产品的质量检测是极为重要的一个流程。质量检测中最为重要的环节为缺陷检测。为了帮助工业生产中定位缺陷来源，通常需要对被检测对象的图像做工业缺陷区域的检测、分类和分割。
[0003]目前，对被检测对象的图像做工业缺陷区域的检测、分类和分割的方法，需要对含工业缺陷被检测对象的图像做精细轮廓标注，会消耗大量的人力成本去做手工标注，而且标注周期较长。因此，需要一种能自动检测缺陷的方法，以提高筛选的缺陷图像的效率，节省质检人力成本。

技术实现思路

[0004]本申请实施例提供了一种缺陷检测方法、装置、电子设备及计算机可读存储介质，可以解决自动检测缺陷问题。
[0005]第一方面，本申请实施例提供了一种缺陷检测方法，包括：
[0006]获取待检测图像；
[0007]将待检测图像输入预存的注意力生成对抗网络进行处理，输出目标图像；
[0008]确定目标图像中的缺陷区域。
[0009]应理解，由于注意力生成对抗网络中引入了注意力机制，使得受到注意力机制关注前景和背景图像有了明显的区分，将待检测图像输入预存的注意力生成对抗网络进行处理，获得的目标图像可以是对前景图像增强、修改、或去除的图像，利用这样的目标图像检测缺陷区域，对图像中被检测对象的缺陷实现自动的检测，可以省去手动标注的环节，提高检测效率，节省人工成本。
[0010]第二方面，本申请实施例提供了一种缺陷检测装置，包括：
[0011]待检测图像获取模块，用于获取待检测图像；
[0012]待检测图像处理模块，用于将所述待检测图像输入预存的注意力生成对抗网络进行处理，输出目标图像；
[0013]缺陷区域确定模块，用于确定所述目标图像中的缺陷区域。
[0014]第三方面，本申请实施例提供了一种电子设备，电子设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的方法步骤。
[0015]第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的方法步骤。
[0016]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子
设备上运行时，使得电子设备执行上述第一方面的方法步骤。
[0017]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请一实施例提供的注意力生成对抗网络结构示意图；
[0020]图2是本申请一实施例提供的缺陷检测方法的流程示意图；
[0021]图3A1是本申请一实施例提供的注意力生成对抗网络输入的待检测图像；
[0022]图3A2是本申请一实施例提供的注意力生成对抗网络输出的背景图像；
[0023]图3A3是本申请一实施例提供的注意力生成对抗网络输出的注意力掩模图像；
[0024]图3B1是本申请另一实施例提供的注意力生成对抗网络输入的待检测图像；
[0025]图3B2是本申请另一实施例提供的注意力生成对抗网络输出的背景图像；
[0026]图3B3是本申请另一实施例提供的注意力生成对抗网络输出的注意力掩模图像；
[0027]图4是本申请另一实施例提供的缺陷检测方法的流程示意图；
[0028]图5是本申请另一实施例提供的缺陷检测方法的流程示意图；
[0029]图6A1是本申请一实施例提供的注意力生成对抗网络输入的待检测图像；
[0030]图6A2是本申请一实施例提供的注意力生成对抗网络输出的注意力掩模图像；
[0031]图6A3是本申请一实施例提供的采用缺陷框标注待检测图像中缺陷区域的示例；
[0032]图6B1是本申请另一实施例提供的注意力生成对抗网络输入的待检测图像；
[0033]图6B2是本申请一实施例提供的注意力生成对抗网络输出的注意力掩模图像；
[0034]图6B3是本申请一实施例提供的采用缺陷框标注待检测图像中缺陷区域的示例图；
[0035]图7是本申请另一实施例提供的缺陷检测方法的流程示意图；
[0036]图8A是本申请一实施例提供的对目标图像中缺陷区域分割的示例图；
[0037]图8B是本申请另一实施例提供的对目标图像中缺陷区域分割的示例图；
[0038]图9是本申请实施例提供的缺陷检测装置的结构示意图；
[0039]图10是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0040]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0041]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、
步骤、操作、元素、组件和/或其集合的存在或添加。
[0042]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0043]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0044]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0045]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入预存的注意力生成对抗网络进行处理，输出目标图像；确定所述目标图像中的缺陷区域。2.如权利要求1所述的方法，其特征在于，在所述获取待检测图像之前，所述方法还包括：采用源域图像集和目标域图像集对未训练的注意力生成对抗网络进行训练，得到所述注意力生成对抗网络；其中，所述源域图像集中的图像为第一图像，所述目标域图像集中的图像为第二图像，所述第一图像为含缺陷的被检测对象的图像，所述第二图像为不含缺陷的被检测对象的图像，所述源域图像集与所述目标域图像集为非配对图像集。3.如权利要求1或2所述的方法，其特征在于，所述将所述待检测图像输入预存的注意力生成对抗网络进行处理，输出目标图像，包括：所述将所述待检测图像输入预存的注意力生成对抗网络进行处理，输出注意力掩模图像；所述确定所述目标图像中的缺陷区域，包括：对所述注意力掩模图像进行直方图匹配，得到均衡图像；确定所述均衡图像中的缺陷区域。4.如权利要求3所述的方法，其特征在于，所述确定所述均衡图像中的缺陷区域，包括：对所述均衡图像进行阈值化处理，得到种子位置；根据所述种子位置，采用预存的区域分割算法确定所述均衡图像中注意力测度大于第一阈值的第一区域，所述第一区域为缺陷区域。5.如权利要求3所述的方法，其特征在于，在所述获取待检测的图像之后，所述方法还包括：获取预估的所述待检测图像的缺陷长度；所述确定所述均衡图像中的缺陷区域，包括：根据所述缺陷长度确定滑动窗的参数；采用所述滑动窗的参数在所述均衡图像中搜索注意力测度最大的区域，所述注意力测度最大的区域为缺陷区域。6.如权利要求2所述的方...

【专利技术属性】
技术研发人员：杨顺，
申请(专利权)人：TCL科技集团股份有限公司，
类型：发明
国别省市：