缺陷检测方法、装置、系统、电子设备以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、系统、电子设备以及存储介质，涉及涉及人工智能技术领域，尤其涉及计算机视觉、深度学习和工业质检技术领域。具体实现方案为：利用至少一个缺陷检测策略，检测待检测产品的至少一个产品图像，得到至少一个检测信息，其中，不同缺陷检测策略检测的缺陷类型不同，缺陷检测策略是根据缺陷需求信息确定的；根据至少一个检测信息，确定待检测产品的缺陷信息，其中，缺陷信息包括缺陷类型和缺陷位置。包括缺陷类型和缺陷位置。包括缺陷类型和缺陷位置。

【技术实现步骤摘要】
缺陷检测方法、装置、系统、电子设备以及存储介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、深度学习和工业质检
具体地，涉及一种缺陷检测方法、装置、系统、电子设备以及存储介质。

技术介绍

[0002]随着图像处理技术的发展和工业制造技术的发展，可以获取待检测产品的产品图像，对产品图像进行检测来确定待检测产品是否是缺陷产品。

技术实现思路

[0003]本公开提供了一种缺陷检测方法、装置、系统、电子设备以及存储介质。
[0004]根据本公开的一方面，提供了一种缺陷检测方法，包括：利用至少一个缺陷检测策略，检测待检测产品的至少一个产品图像，得到至少一个检测信息，其中，不同上述缺陷检测策略检测的缺陷类型不同，上述缺陷检测策略是根据缺陷需求信息确定的；以及，根据至少一个检测信息，确定上述待检测产品的缺陷信息，其中，上述缺陷信息包括缺陷类型和缺陷位置。
[0005]根据本公开的另一方面，提供了一种缺陷检测装置，包括：获得模块，用于利用至少一个缺陷检测策略，检测待检测产品的至少一个产品图像，得到至少一个检测信息，其中，不同上述缺陷检测策略检测的缺陷类型不同，上述缺陷检测策略是根据缺陷需求信息确定的；以及，第一确定模块，用于根据至少一个检测信息，确定上述待检测产品的缺陷信息，其中，上述缺陷信息包括缺陷类型和缺陷位置。
[0006]根据本公开的另一方面，提供了一种电子设备，包括：多个处理器；以及与上述多个处理器通信连接的存储器；其中，上述存储器存储有可被上述多个处理器执行的指令，上述指令被上述多个处理器执行，以使上述多个处理器能够执行本公开上述的方法。
[0007]根据本公开的另一方面，提供了一种缺陷检测系统，包括如本公开上述的电子设备。
[0008]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行本公开上述的方法。
[0009]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现本公开上述的方法。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1示意性示出了根据本公开实施例的可以应用缺陷检测方法及装置的示例性系统架构；
[0013]图2示意性示出了根据本公开实施例的缺陷检测方法的流程图；
[0014]图3示意性示出了根据本公开实施例的在确定待检测的缺陷类型为第一预定缺陷类型的情况下，对至少一个第一产品图像进行目标检测，得到与至少一个第一产品图像对应的第一检测信息的原理示意图；
[0015]图4示意性示出了根据本公开实施例的在确定待检测缺陷类型为第二预定缺陷类型的情况下，对至少一个第二产品图像进行图像分割，得到与至少一个第二产品图像对应的分割信息的原理示意图；
[0016]图5示意性示出了根据本公开实施例的缺陷检测装置的框图；
[0017]图6示意性示出了根据本公开实施例的适于实现缺陷检测方法的电子设备的框图；
[0018]图7示意性示出了根据本公开实施例的缺陷检测系统的框图；以及
[0019]图8示意性示出了根据本公开实施例的视觉传感器和光源配合获得产品图像的示例示意图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0021]图1示意性示出了根据本公开实施例的可以应用缺陷检测方法及装置的示例性系统架构。
[0022]需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的
技术实现思路
，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
[0023]如图1所示，根据该实施例的系统架构100可以包括电子设备101、视觉传感器集102、光源集103、分拣设备104和网络105。视觉传感器102可以包括U个视觉传感器，例如，视觉传感器102_1、视觉传感器102_2、......、视觉传感器102_u、......、视觉传感器102_U
‑
1和视觉传感器102_U。光源集103可以包括V个光源，例如，光源103_1、光源103_2、......、光源103_v、......、光源103_V
‑
1和光源103_V。U可以是大于或等于1的整数。V可以是大于或等于1的整数。u∈{1，2，......，U
‑
1，U}。v∈{1，2，......，V
‑
1，V}。
[0024]网络105用以在电子设备101与视觉传感器集102、电子设备101与光源集103以及电子设备101与分拣设备104之间提供通信链路的介质。网络105可以包括各种连接类型。例如，有线和无线通信链路等中的至少之一。
[0025]电子设备101可以包括以下至少之一：终端设备101_1和服务器101_2。终端设备102_1可以是具有显示屏并且支持网页浏览的各种电子设备。例如，终端设备102_1可以包括智能手机、平板电脑、膝上型便携计算机和台式计算机等中的至少之一。
[0026]服务器101_2可以是提供各种服务的服务器。例如，服务器101_2可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(Virtual Private Server，虚拟专用服务器)中，存在的管理难度大，业务
扩展性弱的缺陷。
[0027]视觉传感器集102可以采集待检测产品106的至少一个产品图像。光源集103可以在视觉传感器采集产品图像的情况下，配合提供成像环境。视觉传感器集102可以向电子设备101发送至少一个产品图像。
[0028]电子设备101可以利用至少一个缺陷检测策略，检测待检测产品106的至少一个产品图像，得到至少一个检测信息。不同缺陷检测策略检测的缺陷类型不同。缺陷检测策略可以是根据缺陷需求信息确定的。根据至少一个检测信息，确定待检测产品106的缺陷信息。缺陷信息包括缺陷类型和缺陷位置。根据缺陷信息，确定待检测产品106的缺陷等级。电子设备101可以向分拣设备104发送缺陷等级。分拣设备104可以根据待检测产品106的缺陷等级，将待检测产品106放置于与缺陷等级对应的流水线。
[0029]需要说明的是，本专利技术实施例所提供的缺陷检测方法可以由电子设备101执行。相应地，本专利技术实施例所提供的缺陷检测装置也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺陷检测方法，包括：利用至少一个缺陷检测策略，检测待检测产品的至少一个产品图像，得到至少一个检测信息，其中，不同所述缺陷检测策略检测的缺陷类型不同，所述缺陷检测策略是根据缺陷需求信息确定的；以及根据至少一个检测信息，确定所述待检测产品的缺陷信息，其中，所述缺陷信息包括缺陷类型和缺陷位置。2.根据权利要求1所述的方法，其中，所述利用至少一个缺陷检测策略，检测待检测产品的至少一个产品图像，得到至少一个检测信息，包括：在确定待检测的缺陷类型为第一预定缺陷类型的情况下，对至少一个第一产品图像进行目标检测，得到与所述至少一个第一产品图像对应的第一检测信息，其中，所述第一产品图像是所述至少一个产品图像中与所述第一预定缺陷类型对应的产品图像；以及在确定待检测缺陷类型为第二预定缺陷类型的情况下，对至少一个第二产品图像进行图像分割，得到与所述至少一个第二产品图像对应的分割信息，其中，所述第二产品图像是所述至少一个产品图像中与所述第二预定缺陷类型对应的产品图像；以及将与所述至少一个第二产品图像对应的分割信息确定为与所述至少一个第二产品图像对应的第二检测信息。3.根据权利要求2所述的方法，其中，所述对至少一个第一产品图像进行目标检测，得到与所述至少一个第一产品图像对应的第一检测信息，包括：针对所述至少一个第一产品图像中的第一产品图像，对所述第一产品图像进行切分，得到至少一个产品切图；针对所述至少一个产品切图中的产品切图，对所述产品切图进行骨干特征提取，得到至少一个尺度的第一中间特征图；根据所述至少一个尺度的第一中间特征图，得到至少一个尺度的第二中间特征图；根据所述至少一个尺度的第二中间特征图，得到与所述产品切图对应的第一检测信息；以及根据与所述至少一个产品切图对应的第一检测信息，得到与所述第一产品图像对应的第一检测信息。4.根据权利要求3所述的方法，其中，所述至少一个尺度的第一中间特征图包括第一尺度的第一中间特征图、第二尺度的第一中间特征图和第三尺度的第一中间特征图，所述第一尺度、所述第二尺度和所述第三尺度依次增大；其中，所述至少一个尺度的第二中间特征图包括第四尺度的第二中间特征图、第五尺度的第二中间特征图和第六尺度的第二中间特征图，所述第四尺度、所述第五尺度和所述第六尺度依次增大；其中，所述根据所述至少一个尺度的第一中间特征图，得到至少一个尺度的第二中间特征图，包括：根据所述第一尺度的第一中间特征图，得到所述第四尺度的第二中间特征图；根据所述第二尺度的第一中间特征图和所述第四尺度的第二中间特征图，得到第二尺度的第三中间特征图；
根据所述第二尺度的第三中间特征图，得到所述第五尺度的第二中间特征图；根据所述第三尺度的第一中间特征图和所述第五尺度的第二中间特征图，得到第三尺度的第四中间特征图；以及根据所述第三尺度的第四中间特征图，得到所述第六尺度的第二中间特征图。5.根据权利要求3所述的方法，其中，所述至少一个尺度的第一中间特征图包括第七尺度的第一中间特征图、第八尺度的第一中间特征图和第九尺度的第一中间特征图，所述第七尺度、所述第八尺度和所述第九尺度依次增大；其中，所述至少一个尺度的第二中间特征图包括第十尺度的第二中间特征图、第十一尺度的第二中间特征图和第十二尺度的第二中间特征图，所述第十尺度、所述第十一尺度和所述第十二尺度依次增大；其中，所述根据所述至少一个尺度的第一中间特征图，得到至少一个尺度的第二中间特征图，包括：根据所述第七尺度的第一中间特征图，得到第十三尺度的第五中间特征图；根据所述第八尺度的第一中间特征图和所述第十三尺度的第五中间特征图，得到第八尺度的第六中间特征图；根据所述第九尺度的第一中间特征图和所述第八尺度的第六中间特征图，得到第九尺度的第七中间特征图；根据所述第九尺度的第七中间特征图，得到所述第十二尺度的第二中间特征图；根据所述第八尺度的第六中间特征图和所述第十二尺度的第二中间特征图，得到所述第十一尺度的第二中间特征图；以及根据所述第十三尺度的第五中间特征图和所述第十一尺度的第二中间特征图，得到所述第十尺度的第二中间特征图。6.根据权利要求3所述的方法，其中，所述至少一个尺度的第一中间特征图包括第十四尺度的第一中间特征图、第十五尺度的第一中间特征图和第十六尺度的第一中间特征图，所述第十四尺度、所述第十五尺度和所述第十六尺度依次增大；其中，所述至少一个尺度的第二中间特征图包括第十七尺度的第二中间特征图、第十八尺度的第二中间特征图和第十九尺度的第二中间特征图，所述第十七尺度、所述第十八尺度和所述第十九尺度依次增大；其中，所述根据所述至少一个尺度的第一中间特征图，得到至少一个尺度的第二中间特征图，包括：根据所述第十四尺度的第一中间特征图，得到第二十尺度的第八中间特征图；根据所述第十五尺度的第一中间特征图和所述第二十尺度的第八中间特征图，得到第十五尺度的第九中间特征图；根据所述第十六尺度的第一中间特征图和所述第十五尺度的第九中间特征图，得到第十六尺度的第十中间特征图；根据所述第十六尺度的第十中间特征图，得到所述第十九尺度的第二中间特征图；根据所述第十五尺度的第九中间特征图和所述第十六尺度的第十中间特征图，得到所述第十八尺度的第二中间特征图；以及根据所述第二十尺度的第八中间特征图和所述第十八尺度的第二中间特征图，得到所
述第十七尺度的第二中间特征图。7.根据权利要求6所述的方法，其中，所述对所述产品切图进行骨干特征提取，得到至少一个尺度的第一中间特征图，包括：根据所述产品切图，得到第二十一尺度的第十一中间特征图和第二十一尺度的第十二中间特征图；根据所述第二十一尺度的第十一中间特征图，得到第二十一尺度的第十三中间特征图；将所述第二十一尺度的第十二中间特征图和所述第二十一尺度的第十三中间特征图进行融合处理，得到第二十一尺度的第十四中间特征图；对所述第二十一尺度的第十四中间特征图进行处理，得到所述第十六尺度的第一中间特征图；根据所述第十六尺度的第一中间特征图，得到所述第十五尺度的第一中间特征图；以及根据所述第十五尺度的第一中间特征图，得到所述第十四尺度的第一中间特征图。8.根据权利要求7所述的方法，其中，所述对所述第二十一尺度的第十四中间特征图进行处理，得到所述第十六尺度的第一中间特征图，包括：对所述第二十一尺度的第十四中间特征图进行池化处理，得到第二十二尺度的第十五中间特征图；对所述第二十二尺度的第十五中间特征图进行全连接和激活处理，得到第二十二尺度的第十六中间特征图；将所述第二十二尺度的第十五中间特征图和所述第二十二尺度的第十六中间特征图进行融合处理，得到第二十二尺度的第十七中间特征图；以及将所述第二十二尺度的第十七中间特征图进行卷积处理，得到所述第十六尺度的第一中间特征图。9.根据权利要求6～8中任一项所述的方法，其中，所述根据所述至少一个尺度的第二中间特征图，得到与所述产品切图对应的第一检测信息，包括：根据所述第十七尺度的第二中间特征图，得到第一回归概率图和第一分类概率图；根据所述第十八尺度的第二中间特征图，得到第二回归概率图和第二分类概率图；根据所述第十九尺度的第二中间特征图，得到第三回归概率图和第三分类概率图；以及根据所述第一回归概率图、所述第一分类概率图、所述第二回归概率图、所述第二分类概率图、所述第三回归概率图和所述第三分类概率图，得到与所述产品切图对应的第一检测信息。10.根据权利要求9所述的方法，其中，所述根据所述第十七尺度的第二中间特征图，得到第一回归概率图和第一分类概率图，包括：对所述第十七尺度的第二中间特征图进行处理，得到第十七尺度的第十八中间特征图和第十七尺度的第十九中间特征图；根据所述第十七尺度的第十八中间特征图，得到所述第一回归概率图；以及根据所述第十七尺度的第二中间特征图和所述第十...

【专利技术属性】
技术研发人员：矫函哲，聂磊，林森，
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：