玻璃检测方法技术

本申请实施例提供了玻璃检测方法

【技术实现步骤摘要】
玻璃检测方法、装置、设备及介质


[0001]本申请实施例涉及图像处理领域，尤其涉及玻璃检测方法
、
装置
、
设备及介质
。

技术介绍

[0002]玻璃检测项目是对玻璃是否存在破损
、
斑点或不均匀性等问题的项目
。
传统的玻璃检测多是在简单的平面图上进行训练
、
设计的，平面图形中所包含的信息较少，并且这些平面图中的玻璃相对单一
、
占用幅度大，从而导致训练结果不够准确，并不具备良好的实用性
。

技术实现思路

[0003]以下是对本文详细描述的主题的概述
。
本概述并非是为了限制权利要求的保护范围
。
[0004]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一，本申请实施例提供了玻璃检测方法
、
装置
、
设备及介质，能够提高玻璃检测的准确性
。
[0005]本申请的第一方面的实施例，一种玻璃检测方法，包括：
[0006]获取玻璃全景图像和对应玻璃全景图像的强度图像，所述玻璃全景图像为彩色模式；
[0007]将所述玻璃全景图像和所述强度图像拼接，得到拼接图像；
[0008]对所述拼接图像提取特征得到第一特征图像；
[0009]对所述第一特征图像提取深层特征图像和浅层特征图像；
[0010]融合所述深层特征图像和所述浅层特征图像得到融合特征图像；
[0011]根据所述融合特征图像进行检测得到检测结果
。
[0012]根据本申请的第一方面的某些实施例，所述将所述玻璃全景图像和所述强度图像拼接，得到拼接图像，包括：
[0013]将三通道的玻璃全景图像和三通道的强度图像在通道上进行拼接，得到六通道的拼接图像
。
[0014]根据本申请的第一方面的某些实施例，所述对所述拼接图像提取特征得到第一特征图像，包括：
[0015]通过特征提取网络对所述拼接图像提取特征得到第一特征图像；
[0016]其中，所述特征提取网络包括编码器层
、
分组卷积层和逆瓶颈层，所述编码器层由多个卷积层
、
池化层堆叠而成
。
[0017]根据本申请的第一方面的某些实施例，所述对所述第一特征图像提取深层特征图像和浅层特征图像，包括：
[0018]通过核尺寸小的卷积模块对所述第一特征图像提取浅层特征图像；
[0019]通过核尺寸大的卷积模块对所述第一特征图像提取浅层特征图像
。
[0020]根据本申请的第一方面的某些实施例，所述卷积模块对输入图像的特征提取过程
如下：
[0021]将输入图像依次经过
3x3
卷积层
、
批标准化层和激活函数层处理，得到第一子处理图像；
[0022]将所述第一子处理图像依次经过
1xk
卷积层
、kx1
变形卷积层
、
批标准化层和激活函数层处理，得到第二子处理图像；
[0023]将所述第一子处理图像依次经过
kx1
变形卷积层
、1xk
卷积层
、
批标准化层和激活函数层处理，得到第三子处理图像；
[0024]将所述第二子处理图像和所述第三子处理图像拼接后，依次经过
3x3
卷积层
、
批标准化层和激活函数层处理，得到第四子处理图像；
[0025]将所述第一子处理图像和所述第四子处理图像拼接得到第五子处理图像；
[0026]将所述第五子处理图像依次经过
1xk
卷积层
、kx1
变形卷积层
、
批标准化层和激活函数层处理，得到第六子处理图像；
[0027]将所述第五子处理图像依次经过
kx1
变形卷积层
、1xk
卷积层
、
批标准化层和激活函数层处理，得到第七子处理图像；
[0028]将所述第六子处理图像和所述第七子处理图像拼接后，依次经过
3x3
卷积层
、
批标准化层和激活函数层处理，得到第八子处理图像；
[0029]将所述第五子处理图像和所述第八子处理图像拼接后，依次经过自注意力层
、3x3
卷积层
、
批标准化层和激活函数层处理，得到输出特征图像
。
[0030]根据本申请的第一方面的某些实施例，核尺寸小的卷积模块的
k
小于核尺寸大的卷积模块的
k。
[0031]根据本申请的第一方面的某些实施例，所述融合所述深层特征图像和所述浅层特征图像得到融合特征图像，包括：
[0032]对所述深层特征图像进行卷积得到第一卷积图像；
[0033]对所述浅层特征图像进行卷积得到第二卷积图像；
[0034]拼接所述第一卷积图像和所述第二卷积图像得到第三卷积图像；
[0035]对所述第三卷积图像进行卷积得到融合特征图像
。
[0036]本申请的第二方面的实施例，一种玻璃检测装置，包括：
[0037]图像输入单元，用于获取玻璃全景图像和对应玻璃全景图像的强度图像，所述玻璃全景图像为彩色模式；
[0038]图像拼接单元，用于将所述玻璃全景图像和所述强度图像拼接，得到拼接图像；
[0039]第一特征提取单元，用于对所述拼接图像提取特征得到第一特征图像；
[0040]第二特征提取单元，用于对所述第一特征图像提取深层特征图像和浅层特征图像；
[0041]特征融合单元，用于融合所述深层特征图像和所述浅层特征图像得到融合特征图像；
[0042]图像检测单元，用于根据所述融合特征图像进行检测得到检测结果
。
[0043]本申请的第三方面的实施例，一种电子设备，包括：存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的玻璃检测方法
。
[0044]本申请的第四方面的实施例，一种计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上所述的玻璃检测方法
。
[0045]上述方案至少具有以下的有益效果：通过获取玻璃全景图像和对应玻璃全景图像的强度图像；将玻璃全景图像和强度图像拼接，得到拼接图像；对拼接图像提取特征得到第一特征图像；对第一特征图像提取深层特征图像和浅层特征图像；融合深层特征图像和浅层特征图像得到融合特征图像；根据融合特征图像进行检测得到检测结果；综合利用全景图和强度图的方法，提高玻璃检测的准确性；使用特征提取网络进行特征提取，并逐渐提取图像的局部和全局高级语义特征，辅助推测每个像素点的语义信息；通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种玻璃检测方法，其特征在于，包括：获取玻璃全景图像和对应玻璃全景图像的强度图像，所述玻璃全景图像为彩色模式；将所述玻璃全景图像和所述强度图像拼接，得到拼接图像；对所述拼接图像提取特征得到第一特征图像；对所述第一特征图像提取深层特征图像和浅层特征图像；融合所述深层特征图像和所述浅层特征图像得到融合特征图像；根据所述融合特征图像进行检测得到检测结果
。2.
根据权利要求1所述的一种玻璃检测方法，其特征在于，所述将所述玻璃全景图像和所述强度图像拼接，得到拼接图像，包括：将三通道的玻璃全景图像和三通道的强度图像在通道上进行拼接，得到六通道的拼接图像
。3.
根据权利要求1所述的一种玻璃检测方法，其特征在于，所述对所述拼接图像提取特征得到第一特征图像，包括：通过特征提取网络对所述拼接图像提取特征得到第一特征图像；其中，所述特征提取网络包括编码器层
、
分组卷积层和逆瓶颈层，所述编码器层由多个卷积层
、
池化层堆叠而成
。4.
根据权利要求1所述的一种玻璃检测方法，其特征在于，所述对所述第一特征图像提取深层特征图像和浅层特征图像，包括：通过核尺寸小的卷积模块对所述第一特征图像提取浅层特征图像；通过核尺寸大的卷积模块对所述第一特征图像提取浅层特征图像
。5.
根据权利要求4所述的一种玻璃检测方法，其特征在于，所述卷积模块对输入图像的特征提取过程如下：将输入图像依次经过
3x3
卷积层
、
批标准化层和激活函数层处理，得到第一子处理图像；将所述第一子处理图像依次经过
1xk
卷积层
、kx1
变形卷积层
、
批标准化层和激活函数层处理，得到第二子处理图像；将所述第一子处理图像依次经过
kx1
变形卷积层
、1xk
卷积层
、
批标准化层和激活函数层处理，得到第三子处理图像；将所述第二子处理图像和所述第三子处理图像拼接后，依次经过
3x3
卷积层
、
批标准化层和激活函数层处理，得到第四子处理图像；将所述第一子处理图像和所述第四子处理图像拼接得到第五子处理图像；将所述第五子处理图像依次经过
1xk...

【专利技术属性】
技术研发人员：常青玲，廖洹浩，徐世廷，孟晓飞，崔岩，许钟文，
申请(专利权)人：广东四维看看智能设备有限公司，
类型：发明
国别省市：