本公开涉及一种工业产品表面缺陷检测模型训练方法、检测方法及装置，涉及计算机技术领域。工业产品表面缺陷检测模型的训练方法包括：获取训练样本；通过第一提取模型，提取所述训练样本的第一特征；根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征；根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果；根据所述检测结果，对所述第一提取模型、多个第二提取模型和检测模型进行联合训练。根据本公开，提高了工业产品表面缺陷检测模型的准确率，扩大了模型的适用范围。扩大了模型的适用范围。扩大了模型的适用范围。
【技术实现步骤摘要】
工业产品表面缺陷检测模型训练方法、检测方法及装置
[0001]本公开涉及计算机技术，特别涉及一种工业产品表面缺陷检测模型的训练方法及装置、工业产品表面缺陷检测方法及装置、电子设备、计算机可存储介质。
技术介绍
[0002]在钢板、布匹、地板等工业生产线中，钢板、布匹或地板等工业产品可能会出现表面缺陷。为了保障工业产品的质量，需要对其进行质检。
[0003]随着计算机视觉技术的发展，基于机器视觉技术的图像处理及深度学习算法日趋成熟。由于制造企业的工业质检场景通常具备光源条件可控、待检测产品本体易稳固等特点，基于图像处理及深度学习的缺陷定位与识别方法在该领域得到了广泛的应用。
[0004]然而传统的目标检测或语义分割等图像处理技术在识别精度上受到实际样本分布及算法任务类型的制约。
技术实现思路
[0005]现有技术中，缺陷图像分析过程主要采用单独处理的方式，即，目标检测任务、对缺陷区域的语义分割任务以及缺陷分类任务是分别执行的。相应的，目标检测模型、对缺陷区域的语义分割模型以及缺陷分类模型也分开训练。
[0006]但是，单独实施目标检测方法，只能理解深层空间特征，对浅层的空间特征的提取及融合能力有限，无法精确定位缺陷区域轮廓，影响预测精度；单独实施语义分割算法，只能理解浅层空间特征，对深层的高阶特征的提取能力有限，也影响检测精度。这种各任务分开处理的方式没有考虑缺陷目标检测与缺陷区域语义分割之间的协同关系，会造成特征空间的信息损失，进而降低表面缺陷检测结果的准确性。
[0007]为此，本公开提出了一种工业产品表面缺陷检测模型的训练方法，提取训练样本的浅层空间共性特征，并将其共享给不同的检测任务，对不同的检测任务进行联合训练，提高了工业产品表面缺陷检测的准确率。
[0008]根据本公开的第一方面，提供了一种工业产品表面缺陷检测模型的训练方法，包括：获取训练样本；通过第一提取模型，提取所述训练样本的第一特征；根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征；根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果；根据所述检测结果，对所述第一提取模型、多个第二提取模型和检测模型进行联合训练。
[0009]在一些实施例中，所述第一特征包括不同尺寸的多个第一下采样特征图，所述通过第一提取模型，提取所述训练样本的第一特征，包括：通过对所述训练样本多次下采样，提取不同尺寸的多个第一下采样特征图。
[0010]在一些实施例中，所述通过第一提取模型，提取所述训练样本的第一特征，包括：利用第一注意力模块，计算每个所述第一下采样特征图的不同通道的权重；根据所述不同通道的权重，提取所述第一下采样特征图。
[0011]在一些实施例中，所述根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征，包括：对所述第一下采样特征图上采样，得到上采样特征图；将尺寸相同的第一下采样特征图和上采样特征图融合，得到所述第二特征。
[0012]在一些实施例中，所述根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征，包括：对所述第一下采样特征图下采样，得到多个不同尺寸的第二下采样特征图；对所述第二下采样特征图上采样，得到上采样特征图；将所述第一下采样特征图或第二下采样特征图与尺寸相同的上采样特征图融合，得到所述第二特征。
[0013]在一些实施例中，所述根据所述检测结果，对所述第一提取模型和多个第二提取模型进行联合优化，包括：根据所述检测结果，计算联合损失函数；根据所述联合损失函数，更新所述第一提取模型、多个第二提取模型和预测模型的参数。
[0014]在一些实施例中，所述根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果，包括：针对每个检测任务，根据相应的第二特征，生成该检测任务的检测结果。
[0015]在一些实施例中，所述根据所述检测结果，对所述第一特征模型和多个第二特征模型进行联合优化，包括：根据每个检测任务的检测结果，计算该检测任务的损失函数；通过对多个不同的检测任务的损失函数加权，计算联合损失函数。
[0016]在一些实施例中，所述根据多个不同检测任务的第二特征，通过检测模型，生成检测结果，包括：利用第二注意力模块，将多个不同检测任务的第二特征融合为第三特征；根据所述第三特征，生成检测结果，其中所述检测结果包括多个不同检测任务的检测结果。
[0017]根据本公开的第二方面，提供了一种工业产品表面缺陷检测方法，包括：根据任一个实施例所述的工业产品表面缺陷检测模型的训练方法，训练工业产品表面缺陷检测模型；获取待检测工业产品的图像；根据所述待检测工业产品的图像，利用所述工业产品表面缺陷检测模型，检测所述工业产品表面的缺陷。
[0018]根据本公开的第三方面，提供了一种工业产品表面缺陷检测模型的训练装置，包括：获取模块，被配置为获取训练样本；第一提取模块，被配置为通过第一提取模型，提取所述训练样本的第一特征；第二提取模块，被配置为根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征；生成模块，被配置为根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果；训练模块，被配置为根据所述检测结果，对所述第一提取模型、多个第二提取模型和检测模型进行联合训练。
[0019]根据本公开的第四方面，提供了一种工业产品表面缺陷检测系统，包括：根据任一个实施例所述的工业产品表面缺陷检测模型的训练装置；获取模块，被配置为获取待检测工业产品的图像；检测模块，被配置为根据所述待检测工业产品的图像，利用所述工业产品表面缺陷检测模型，检测所述工业产品表面的缺陷。
[0020]根据本公开的第四方面，提供了一种电子设备，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行根据任一个实施例所述的工业产品表面缺陷检测模型的训练方法，或执行根据任一个实施例所述的工业产品表面缺陷检测方法。
[0021]根据本公开的第五方面，提供了一种计算机可存储介质，其上存储有计算机程序
指令，该指令被处理器执行时，实现根据任一个所述的工业产品表面缺陷检测模型的训练方法，或根据任一个实施例所述的工业产品表面缺陷检测方法。
附图说明
[0022]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0023]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0024]图1示出根据本公开一些实施例的工业产品表面缺陷检测模型的训练方法的流程图；
[0025]图2示出根据本公开一些实施例的提取第一特征的示意图；
[0026]图3示出根据本公开一些实施例的提取第二特征的方法的示意图；
[0027]图4示出根据本公开另一些实施例的提取第二特征的方法的示意图；
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工业产品表面缺陷检测模型的训练方法，包括：获取训练样本；通过第一提取模型，提取所述训练样本的第一特征；根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征；根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果；根据所述检测结果，对所述第一提取模型、多个第二提取模型和检测模型进行联合训练。2.根据权利要求1所述的工业产品表面缺陷检测模型的训练方法，其中，所述第一特征包括不同尺寸的多个第一下采样特征图，所述通过第一提取模型，提取所述训练样本的第一特征，包括：通过对所述训练样本多次下采样，提取不同尺寸的多个第一下采样特征图。3.根据权利要求2所述的工业产品表面缺陷检测模型的训练方法，其中，所述通过第一提取模型，提取所述训练样本的第一特征，包括：利用第一注意力模块，计算每个所述第一下采样特征图的不同通道的权重；根据所述不同通道的权重，提取所述第一下采样特征图。4.根据权利要求2所述的工业产品表面缺陷检测模型的训练方法，其中，所述根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征，包括：对所述第一下采样特征图上采样，得到上采样特征图；将尺寸相同的第一下采样特征图和上采样特征图融合，得到所述第二特征。5.根据权利要求2所述的工业产品表面缺陷检测模型的训练方法，其中，所述根据所述第一特征，针对多个不同检测任务的每个检测任务，通过对应的第二提取模型，提取第二特征，包括：对所述第一下采样特征图下采样，得到多个不同尺寸的第二下采样特征图；对所述第二下采样特征图上采样，得到上采样特征图；将所述第一下采样特征图或第二下采样特征图与尺寸相同的上采样特征图融合，得到所述第二特征。6.根据权利要求1所述的工业产品表面缺陷检测模型的训练方法，其中，所述根据所述检测结果，对所述第一提取模型和多个第二提取模型进行联合优化，包括：根据所述检测结果，计算联合损失函数；根据所述联合损失函数，更新所述第一提取模型、多个第二提取模型和预测模型的参数。7.根据权利要求6所述的工业产品表面缺陷检测模型的训练方法，其中，所述根据与多个不同检测任务对应的第二特征，通过检测模型，生成检测结果，包括：针对每个检测任务，根据相应的第二特征，生成该检测任务的检测结果。8.根据权利要求7所...
【专利技术属性】
技术研发人员：韩霖，张园，孙海，王立传，王慧芬，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。