矫治器变形检测方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种矫治器变形检测方法、装置、设备及计算机可读存储介质。本发明专利技术实施例通过获取矫治器的多个角度的待检测图像，分别对所述多个角度的待检测图像中各角度的待检测图像进行特征提取，得到各角度的待检测图像的特征，然后，基于注意力机制对所述多个角度的待检测图像的特征进行融合，得到融合特征，进而，基于所述融合特征进行分类，得到所述矫治器是否存在变形的分类结果，从而基于所述分类结果确定所述矫治器是否存在变形，本发明专利技术实施例基于计算机视觉技术的方式，实现了对矫治器变形的检测，可以准确、有效识别矫治器是否存在变形。存在变形。存在变形。

【技术实现步骤摘要】
矫治器变形检测方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及医疗器械领域，具体涉及医疗器械的质量检测技术，尤其涉及一种矫治器变形检测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]由于美观、便捷以及利于清洁等优点，基于高分子材料的壳状牙齿正畸矫治器(如隐形矫治器)越来越受欢迎。壳状牙齿正畸矫治器是利用变形产生的回弹力把牙齿从一个布局重新定位到另一布局。
[0003]壳状牙齿正畸矫治器(以下简称：矫治器)生产过程通常需要经历如下流程：光固化模具成型
‑
>利用光固化模具对矫治器压膜
‑
>矫治器裁剪、脱壳
‑
>矫治器研磨、清洗
‑
>矫治器分拣、包装。
[0004]在矫治器剪裁、脱壳、研磨、清洗等一系列步骤中，由于外力或是光固化模具引入的问题，矫治器有一定几率发生变形。变形的矫治器属于瑕疵产品，无法佩戴以到达矫正牙齿的目的，需要被识别并处理。
[0005]现有技术中，主要通过以下方式识别矫治器的变形：在生产过程中，由操作工人进行目视检查；在质检阶段，由质检人员进行目视检查；在成品质检阶段，由质检人员进行单步目视检查(上下翘检测)和多步对比目视检查(扩弓缩弓检测)。
[0006]然而，上述主要通过人工识别光固化模具和矫治器的缺陷的方式，至少存在以下问题：由于产量的需求、质量控制的要求和质检人员的人数限制，目视检查非常繁重，给操作工人和质检人员带来巨大的工作压力；矫治器变形的目视检查受到操作工人和质检人员的主观因素(如视力、经验、疲劳程度等)影响，无法形成客观统一的评价标准，不利于质量控制；部分变形非常难以判断，或是非常细微从而难以察觉。
[0007]因此，现有技术通过人工识别矫治器变形的方式，无法准确、有效识别矫治器的变形，并且需要占用大量的人力资源，质检成本高、时间长、效率低，无法有效控制矫治器的质量。

技术实现思路

[0008]本专利技术的多个方面提供一种矫治器变形检测方法、装置、设备及计算机可读存储介质，用以准确、有效识别矫治器的变形。
[0009]本专利技术的一方面，提供一种矫治器变形检测方法，包括：
[0010]获取矫治器的多个角度的待检测图像；
[0011]分别对所述多个角度的待检测图像中各角度的待检测图像进行特征提取，得到所述各角度的待检测图像的特征；
[0012]基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征；
[0013]基于所述融合特征进行分类，得到所述矫治器是否存在变形的分类结果；
[0014]基于所述分类结果，确定所述矫治器是否存在变形。
[0015]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述变形包括以下任意一项或多项：总体变形，局部变形；
[0016]所述总体变形包括以下任意一项或多项：上翘，下翘，扩弓，缩弓；
[0017]所述局部变形包括以下任意一项或多项：翻边，拖拽，牵引附件变形。
[0018]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取矫治器的多个角度的待检测图像，包括：
[0019]利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述矫治器进行图像采集，得到所述多个角度的待检测图像。
[0020]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取矫治器的多个角度的待检测图像之后，还包括：
[0021]基于角度相邻原则，将所述多个角度的待检测图像分为K组待检测图像；其中，K的取值为大于1的整数；
[0022]所述基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征，包括：
[0023]基于注意力机制，对所述K组待检测图像的特征进行融合，得到融合特征。
[0024]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于注意力机制，对所述K组待检测图像的特征进行融合，得到融合特征，包括：
[0025]分别针对所述K组待检测图像中的每一组待检测图像的特征，对所述每一组待检测图像的特征进行融合，得到第一子融合特征；
[0026]利用空间注意力模块，获取所述第一子融合特征中各待检测图像的特征对应的空间注意力权重值；
[0027]基于所述每张待检测图像的特征对应的空间注意力权重值，对所述第一子融合特征进行加权，得到第二子融合特征；
[0028]分别针对所述K组待检测图像对应的K个第二子融合特征，利用通过注意力模块，获取所述K个第二子融合特征各第二融合子特征对应的通道注意力权重值；
[0029]基于所述K个第二子融合特征对应的通道注意力权重值，对所述K个第二子融合特征进行加权融合，得到所述融合特征。
[0030]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，利用预先训练得到的多视角卷积神经网络，执行所述分别对所述多个角度的待检测图像中各角度的待检测图像进行特征提取，得到所述各角度的待检测图像的特征的操作，所述基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征的操作，以及所述基于所述融合特征进行分类，得到所述矫治器是否存在变形的分类结果的操作。
[0031]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
[0032]获取训练集，所述训练集包括多个样本的样本图像，所述多个样本包括至少一个正样本和至少一个负样本，所述多个样本中每个样本的样本图像包括多个角度的样本图像，所述每个样本的多个角度的样本图像作为一个整体标注有是否存在变形的标注信息；
[0033]分别将所述训练集中每个样本的多个角度的样本图像输入待训练的多视角卷积神经网络，经所述待训练的多视角卷积神经网络输出所述每个样本是否存在变形的预测分类结果；
[0034]根据所述每个样本对应的标注信息和预测分类结果，对所述待训练的多视角卷积神经网络进行训练，直至满足预设训练完成条件，得到所述多视角卷积神经网络。
[0035]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取训练集，包括：
[0036]分别针对至少一个存在变形的矫治器中的每个存在变形的矫治器，利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述存在变形的每个矫治器进行图像采集，得到一个正样本的多个角度的样本图像，并将所述一个正样本的多个角度的样本图像作为一个整体标注存在变形的标注信息；
[0037]分别针对至少一个不存在变形的矫治器中的每个不存在变形的矫治器，利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述不存在变形的每个矫治器进行图像采集，得到一个负样本的多个角度的样本图像，并将所述一个负样本的多个角度的样本图像作为一个整体标注不存在变形的标注信息；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矫治器变形检测方法，其特征在于，包括：获取矫治器的多个角度的待检测图像；分别对所述多个角度的待检测图像中各角度的待检测图像进行特征提取，得到所述各角度的待检测图像的特征；基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征；基于所述融合特征进行分类，得到所述矫治器是否存在变形的分类结果；基于所述分类结果，确定所述矫治器是否存在变形。2.根据权利要求1所述的方法，其特征在于，所述变形包括以下任意一项或多项：总体变形，局部变形；所述总体变形包括以下任意一项或多项：上翘，下翘，扩弓，缩弓；所述局部变形包括以下任意一项或多项：翻边，拖拽，牵引附件变形。3.根据权利要求1所述的方法，其特征在于，所述获取矫治器的多个角度的待检测图像，包括：利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述矫治器进行图像采集，得到所述多个角度的待检测图像。4.根据权利要求1所述的方法，其特征在于，所述获取矫治器的多个角度的待检测图像之后，还包括：基于角度相邻原则，将所述多个角度的待检测图像分为K组待检测图像；其中，K的取值为大于1的整数；所述基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征，包括：基于注意力机制，对所述K组待检测图像的特征进行融合，得到融合特征。5.根据权利要求4所述的方法，其特征在于，所述基于注意力机制，对所述K组待检测图像的特征进行融合，得到融合特征，包括：分别针对所述K组待检测图像中的每一组待检测图像的特征，对所述每一组待检测图像的特征进行融合，得到第一子融合特征；利用空间注意力模块，获取所述第一子融合特征中各待检测图像的特征对应的空间注意力权重值；基于每张待检测图像的特征对应的空间注意力权重值，对所述第一子融合特征进行加权，得到第二子融合特征；分别针对所述K组待检测图像对应的K个第二子融合特征，利用通过注意力模块，获取所述K个第二子融合特征各第二融合子特征对应的通道注意力权重值；基于所述K个第二子融合特征对应的通道注意力权重值，对所述K个第二子融合特征进行加权融合，得到所述融合特征。6.根据权利要求1～5任一权利要求所述的方法，其特征在于，利用预先训练得到的多视角卷积神经网络，执行所述分别对所述多个角度的待检测图像中各角度的待检测图像进行特征提取，得到所述各角度的待检测图像的特征的操作，所述基于注意力机制，对所述多个角度的待检测图像的特征进行融合，得到融合特征的操作，以及所述基于所述融合特征进行分类，得到所述矫治器是否存在变形的分类结果的操作。
7.根据权利要求6所述的方法，其特征在于，还包括：获取训练集，所述训练集包括多个样本的样本图像，所述多个样本包括至少一个正样本和至少一个负样本，所述多个样本中每个样本的样本图像包括多个角度的样本图像，所述每个样本的多个角度的样本图像作为一个整体标注有是否存在变形的标注信息；分别将所述训练集中每个样本的多个角度的样本图像输入待训练的多视角卷积神经网络，经所述待训练的多视角卷积神经网络输出所述每个样本是否存在变形的预测分类结果；根据所述每个样本对应的标注信息和预测分类结果，对所述待训练的多视角卷积神经网络进行训练，直至满足预设训练完成条件，得到所述多视角卷积神经网络。8.根据权利要求7所述的方法，其特征在于，所述获取训练集，包括：分别针对至少一个存在变形的矫治器中的每个存在变形的矫治器，利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述存在变形的每个矫治器进行图像采集，得到一个正样本的多个角度的样本图像，并将所述一个正样本的多个角度的样本图像作为一个整体标注存在变形的标注信息；分别针对至少一个不存在变形的矫治器中的每个不存在变形的矫治器，利用多视角图像采集系统，采用俯视+侧上方环形的图像采集方式对所述不存在变形的每个矫治器进行图像采集，得到一个负样本的多个角度的样本图像，并将所述一个负样本的多个角度的样本图像作为一个整体标注不存在变形的标注信息；基于所述至少一个存在变形的矫治器对应的至少一个正样本的多个角度的样本图像，和所述至少一个不存在变形的矫治器对应的至少一个负样本的多个角度的样本图像，得到所述训练集。9.一种矫治器变形检测装置，其特征在于，包括：第一获取模块，用于...

【专利技术属性】
技术研发人员：黄雷，张隽华，梁晓辉，
申请(专利权)人：无锡时代天使生物科技有限公司，
类型：发明
国别省市：