检测方法及相关设备技术

本申请提供了一种检测方法及相关设备。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：先获取待测产品的第一多尺度特征图，该第一多尺度特征图包含不同尺度空间下待测产品的多维特征；接着，根据第一多尺度特征图和重构特征图，可以确定第一多尺度特征图中每个像素点的异常值，每个像素点的异常值表征该像素点在待测产品的对应位置的产品异常程度；因此，根据第一多尺度特征图中每个像素点的异常值就可以确定待测产品的检测结果。本申请可以确定待测产品具体的缺陷位置。请可以确定待测产品具体的缺陷位置。请可以确定待测产品具体的缺陷位置。

【技术实现步骤摘要】
检测方法及相关设备


[0001]本专利技术实施例涉及计算机视觉领域，尤其涉及一种检测方法及相关设备。

技术介绍

[0002]计算机视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分，它是一门关于如何运用照相机/摄像机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。总的来说，计算机视觉就是用各种成像系统代替视觉器官获取输入信息，再由计算机来代替大脑对这些输入信息完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。
[0003]图像识别为计算机视觉的一大应用，图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。其中，图像的传统识别流程分为四个步骤：图像采集、图像预处理、特征提取和图像识别。
[0004]而产品质量是制造业最为重视的生产指标之一，为了保证产品质量，在产品生产过程中，对产品进行缺陷检测成为不可或缺的工序。产品缺陷检测不仅仅是对产品质量的要求，也是对生产成本的把控，在流水线的早期点位把有缺陷的工件检出，避免后续工艺流程造成的浪费。随着工业现代化程度越来越高，传统人工检测缺陷的方式，由于缺陷检测效率低，检出率差以及成本高，已经越发的不适应当下的生产作业流程。因此，出现了利用图像技术对产品在视觉上的缺陷进行检测的各种算法；其中，现有的单类别分类技术无法定位产品具体的缺陷位置，因此，亟需对上述技术问题进行改进。

技术实现思路

[0005]本申请提供一种检测方法及相关设备，能够确定产品具体的缺陷位置，有利于工人进一步分析产品的缺陷。
[0006]第一方面，提供一种检测方法，包括以下步骤：
[0007]获取待测产品的第一多尺度特征图，第一多尺度特征图包含不同尺度空间下待测产品的多维特征；根据第一多尺度特征图和重构特征图，确定第一多尺度特征图中每个像素点的异常值，每个像素点的异常值用于表征该像素点在待测产品的对应位置的产品异常程度；其中，重构特征图包含正常产品的t张第二多尺度特征图的多维特征；根据第一多尺度特征图中每个像素点的异常值确定待测产品的检测结果。
[0008]本申请实施例中的检测方法，先获取待测产品的第一多尺度特征图，该第一多尺度特征图包含不同尺度空间下待测产品的多维特征(多维特征可以理解为多通道特征)；接
着，根据第一多尺度特征图和重构特征图，可以确定第一多尺度特征图中每个像素点的异常值，每个像素点的异常值用来表征该像素点在待测产品的对应位置的产品异常程度；因此，根据第一多尺度特征图中每个像素点的异常值就可以确定待测产品的检测结果。其中，根据第一多尺度特征图的每个像素点的异常值，可以确定待测产品的检测结果以及具体的缺陷位置，有利于工人进一步分析待测产品的缺陷。
[0009]在一些可能的实施例中，根据第一多尺度特征图中每个像素点的异常值确定待测产品的检测结果，包括以下步骤：若第一多尺度特征图中任一像素点的异常值大于预设异常值，则确定待测产品为缺陷产品。
[0010]本申请实施例的检测方法中，在根据第一多尺度特征图每个像素点的异常值确定待测产品的检测结果时，当确定第一多尺度特征图中任意一个像素点的异常值大于设定的异常值时，则可以确定待测产品为缺陷产品。
[0011]在一些可能的实施例中，根据第一多尺度特征图中每个像素点的异常值确定待测产品的检测结果，包括以下步骤：获取第一多尺度特征图中异常值大于预设异常值的像素点的数量；若数量大于预设数量，则确定待测产品为缺陷产品。
[0012]本申请实施例的检测方法中，在根据第一多尺度特征图每个像素点的异常值确定待测产品的检测结果时，可以先获取该第一多尺度特征图中异常值大于预设异常值的像素点的数量，在确定该数量大于预设数量时，则可以确定待测产品为缺陷产品。
[0013]特别地，本申请实施例的检测方法中，在根据第一多尺度特征图每个像素点的异常值确定待测产品的检测结果时，还可以有其它的确定方法，其它的确定方法应当在本申请的保护范围之中。
[0014]在一些可能的实施例中，检测方法还包括：
[0015]待测产品为缺陷产品时，将第一多尺度特征图中异常值大于预设异常值的像素点在待测产品的映射区域确定为待测产品的缺陷区域。
[0016]本申请实施例的检测方法中，在确定待测产品为缺陷产品时，由于第一多尺度特征图与待测产品存在一定的映射关系，因此，第一多尺度特征图中异常值大于预设异常值的像素点在待测产品中的映射区域，即为待测产品的缺陷区域。
[0017]在一些可能的实施例中，获取待测产品的第一多尺度特征图，包括以下步骤：
[0018]获取待测产品的多张第一特征图，多张第一特征图的尺寸不同；根据预设尺寸对多张第一特征图进行尺寸统一处理，得到多张第二特征图，多张第二特征图的尺寸相同；沿通道维度将多张第二特征图进行拼接得到第三多尺度特征图；基于注意力机制为第三多尺度特征图的不同通道施加不同权重，以得到第一多尺度特征图。
[0019]本申请实施例的检测方法中，提供得到第一多尺度特征图的一种方法，其中，对于待测产品的多张尺寸不同的第一特征图，先进行尺寸统一处理、再沿着通道维度进行拼接得到第三多尺度特征图，再基于注意力机制为第三多尺度特征图的不同通道施加不同权重，可以得到第一多尺度特征图。
[0020]在一些可能的实施例中，获取待测产品的第一多尺度特征图，包括以下步骤：
[0021]获取待测产品的多张第三特征图，多张第三特征图的尺寸不同且通道数相同；根据预设尺寸对多张第三特征图进行尺寸统一处理，得到多张第四特征图，多张第四特征图的尺寸相同；基于注意力机制为多张第四特征图施加不同权重，以加权融合得到第一多尺
度特征图。
[0022]本申请实施例的检测方法中，提供得到第一多尺度特征图的另一种方法，其中，对于待测产品的多张尺寸不同但通道数相同的第三特征图，先进行尺寸统一处理得到多张第四特征图，再基于注意力机制为多张第四特征图分配不同的权重，以使多张第四特征图进行加权融合得到第一多尺度特征图。
[0023]在一些可能的实施例中，获取待测产品的第一多尺度特征图，包括以下步骤：
[0024]获取待测产品的多张第五特征图，多张第五特征图的尺寸不同；根据预设尺寸对多张第五特征图进行尺寸统一处理，得到多张第六特征图，多张第六特征图的尺寸相同；基于注意力机制分别为多张第六特征图的不同通道施加不同权重，以得到多张第七特征图；基于注意力机制为多张第七特征图施加不同权重，并沿通道维度将多张第七特征图进行拼接得到第一多尺度特征图。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测方法，其特征在于，包括以下步骤：获取待测产品的第一多尺度特征图，所述第一多尺度特征图包含不同尺度空间下所述待测产品的多维特征；根据所述第一多尺度特征图和重构特征图，确定所述第一多尺度特征图中每个像素点的异常值，所述每个像素点的异常值用于表征该像素点在所述待测产品的对应位置的产品异常程度；其中，所述重构特征图包含正常产品的t张第二多尺度特征图的多维特征；根据所述第一多尺度特征图中每个像素点的异常值确定所述待测产品的检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一多尺度特征图中每个像素点的异常值确定所述待测产品的检测结果，包括以下步骤：若所述第一多尺度特征图中任一像素点的异常值大于预设异常值，则确定所述待测产品为缺陷产品。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一多尺度特征图中每个像素点的异常值确定所述待测产品的检测结果，包括以下步骤：获取所述第一多尺度特征图中异常值大于预设异常值的像素点的数量；若所述数量大于预设数量，则确定所述待测产品为缺陷产品。4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：所述待测产品为缺陷产品时，将所述第一多尺度特征图中异常值大于所述预设异常值的像素点在所述待测产品的映射区域确定为所述待测产品的缺陷区域。5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取待测产品的第一多尺度特征图，包括以下步骤：获取所述待测产品的多张第一特征图，所述多张第一特征图的尺寸不同；根据预设尺寸对所述多张第一特征图进行尺寸统一处理，得到多张第二特征图，所述多张第二特征图的尺寸相同；沿通道维度将所述多张第二特征图进行拼接得到第三多尺度特征图；基于注意力机制为所述第三多尺度特征图的不同通道施加不同权重，以得到所述第一多尺度特征图。6.根据权利要求1至4任一项所述的方法，其特征在于，所述获取待测产品的第一多尺度特征图，包括以下步骤：获取所述待测产品的多张第三特征图，所述多张第三特征图的尺寸不同且通道数相同；根据预设尺寸对所述多张第三特征图进行尺寸统一处理，得到多张第四特征图，所述多张第四特征图的尺寸相同；基于注意力机制为所述多张第四特征图施加不同权重，以加权融合得到所述第一多尺度特征图。7.根据权利要求1至4任一项所述的方法，其特征在于，所述获取待测产品的第一多尺度特征图，包括以下步骤：获取所述待测产品的多张第五特征图，所述多张第五特征图的尺寸不同；根据预设尺寸对所述多张第五特征图进行尺寸统一处理，得到多张第六特征图，所述多张第六特征图的尺寸相同；
基于注意力机制分别为所述多张第六特征图的不同通道施加不同权重，以得到多张第七特征图；基于注意力机制为所述多张第七特征图施加不同权重，并沿通道维度将所述多张第七特征图进行拼接得到所述第一多尺度特征图。8.根据权利要求1至7任一项所述的方法，其特征在于，所述根据所述第一多尺度特征图和重构特征图，确定所述第一多尺度特征图中每个像素点的异常值，包括以下步骤：分别对所述第一多尺度特征图和所述重构特征图进行逐像素分解，得到M个第一位置特征和M个重构特征中心；根据同一像素点位置的所述第一位置特征和所述重构特征中心确定所述第一多尺度特征图中对应像素点的异常值。9.根据权利要求8所述的方法，其特征在于，所述异常值包括像素点的第一位置特征和对应的重构特征中心之间的欧式距离或余弦距离。10.根据权利要求1至9任一项所述的方法，其特征在于，所述方法还包括以下步骤：获取所述重构特征图，其中，所述获取所述重构特征图，包括以下步骤：获取所述正常产品的t张第二多尺度特征图，所述第二多尺度特征图包含不同尺度空间下所述正常产品的多维特征；分别对所述t张第二多尺度特征图进行逐像素分解得到t个多尺度特征向量集合，所述多尺度特征向量集合包括所述第二多尺度特征图每个像素点对应的多尺度特征向量，所述多尺度特征向量集合的元素数量为所述第二多尺度特征图的像素点数量M；分别对所述t个多尺度特征向量集合中像素点位置相同的t个多尺度特征向量进行特征重构得到对应像素点的重构特征中心；根据M个所述重构特征中心聚合得到所述重构特征图。11.根据权利要求1至10任一项所述的方法，其特征在于，所述方法还包括以下步骤：根据所述异常值输出所述待测产品对应的热力图；其中，所述热力图采用深浅色来标识，所述热力图中像素点的颜色越浅，表示像素点对应的异常值越小；所述热力图中像素点的颜色越深，表示像素点对应的异常值越大。12.一种检测装置，其特征在于，包括：获取模块，用于获取待测产品的第一多尺度特征图，所述第一多尺度特征图包含不同尺度空间下所述待测产品的多维特征；确定模块，用于根据所述第一多尺度特征图和重构特征图，确定所述第一多尺度特征图中每个像素点的异常值，所...

【专利技术属性】
技术研发人员：庄琰，蔡佳，周磊，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：