System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,特别是涉及一种缺陷分析方法、装置、计算机设备及其存储介质。
技术介绍
1、工业互联技术的普及推动了工业智能制造业的变革,其中,基于视觉的人工智能质检技术在提升工业设备缺陷检测方面取得了较为显著的效果。
2、现有技术中,通过对包含目标设备的待分析图像进行缺陷分析,即可确定待分析图像中的目标设备是否存在缺陷,以及当目标设备存在缺陷时,确定该缺陷的缺陷类型。
3、工业场景中目标设备的缺陷种类繁多,但是,现有技术在对包含目标设备的待分析图像进行缺陷分析时,仅能够对目标设备出现频率较高的缺陷(即第一类缺陷)进行分析与识别,难以识别出目标设备出现频率较低的缺陷(即第二类缺陷)。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够准确识别出目标设备出现频率较低缺陷的缺陷分析方法、装置、计算机设备及其存储介质。
2、第一方面,本申请提供了一种缺陷检测方法。该方法包括:
3、对待检测图像进行特征提取,得到待检测图像对应的待检测图像特征;其中,待检测图像中包含需要进行缺陷检测的目标设备;
4、将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;其中,缺陷判断模型是根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息训练得到,第一类缺陷的出现频率大于第二类缺陷的出现频率。
5、在其中一个实施例中,缺陷判断模型的训练过程如下:
6、根据第一类缺陷的文本信息和图像信息
7、根据第一预测图像特征、第一实际图像特征和第二预测图像特征,对缺陷判断模型进行训练。
8、在其中一个实施例中,根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息,确定第一类缺陷对应的第一预测图像特征和第一实际图像特征,以及第二类缺陷对应的第二预测图像特征,包括:
9、采用图像生成器,分别对第一类缺陷的文本信息和第二类缺陷的文本信息进行图像特征预测处理,得到第一类缺陷对应的第一预测图像特征和第二类缺陷对应的第二预测图像特征;
10、采用图像编码器,对第一类缺陷的图像信息进行图像编码处理,得到第一类缺陷对应的第一实际图像特征。
11、在其中一个实施例中,采用图像生成器,分别对第一类缺陷的文本信息和第二类缺陷的文本信息进行图像特征预测处理,得到第一类缺陷对应的第一预测图像特征和第二类缺陷对应的第二预测图像特征,包括:
12、分别对第一类缺陷的文本信息和第二类缺陷的文本信息进行文本特征编码处理,得到第一类缺陷对应的第一实际文本特征和第二类缺陷对应的第二实际文本特征;
13、采用图像生成器,分别对第一实际文本特征和第二实际文本特征进行进图像特征预测处理,得到第一实际文本特征对应的第一预测图像特征和第二实际文本特征对应的第二预测图像特征。
14、在其中一个实施例中,采用图像生成器,对第一实际文本特征和第二实际文本特征进行进图像特征预测处理,得到第一实际文本特征对应的第一预测图像特征和第二实际文本特征对应的第二预测图像特征,包括:
15、将第一实际文本特征和随机噪声输入至图像生成器,得到图像生成器输出的第一实际文本特征对应的第一预测图像特征;
16、将第二实际文本特征和随机噪声输入至图像生成器,得到图像生成器输出的第二实际文本特征对应的第二预测图像特征。
17、在其中一个实施例中,方法还包括:
18、采用双层分类器,对第一预测图像特征、第一实际图像特征和第二预测图像特征进行缺陷类别判断,得到目标判断结果;
19、根据目标判断结果,对图像生成器和图像编码器进行参数调整。
20、在其中一个实施例中,双层分类器包括第一层分类器和第二层分类器,对第一预测图像特征、第一实际图像特征和第二预测图像特征进行缺陷类别判断,得到目标判断结果,包括:
21、采用第一层分类器,对第一预测图像特征、第一实际图像特征和第二预测图像特征进行初次缺陷类别判断,得到初始判断结果;
22、采用第二层分类器,根据初始判断结果,对第一预测图像特征、第一实际图像特征和第二预测图像特征进行二次缺陷类别判断,得到目标判断结果。
23、第二方面,本申请还提供了一种缺陷检测装置。该装置包括:
24、提取模块,用于对待检测图像进行特征提取,得到待检测图像对应的待检测图像特征;其中,待检测图像中包含需要进行缺陷检测的目标设备;
25、输入模块,用于将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;其中,缺陷判断模型是根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息训练得到,第一类缺陷的出现频率大于第二类缺陷的出现频率。
26、第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
27、对待检测图像进行特征提取,得到待检测图像对应的待检测图像特征;其中,待检测图像中包含需要进行缺陷检测的目标设备;
28、将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;其中,缺陷判断模型是根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息训练得到,第一类缺陷的出现频率大于第二类缺陷的出现频率。
29、第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
30、对待检测图像进行特征提取,得到待检测图像对应的待检测图像特征;其中,待检测图像中包含需要进行缺陷检测的目标设备;
31、将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;其中,缺陷判断模型是根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息训练得到,第一类缺陷的出现频率大于第二类缺陷的出现频率。
32、第五方面,本申请还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
33、对待检测图像进行特征提取,得到待检测图像对应的待检测图像特征;其中,待检测图像中包含需要进行缺陷检测的目标设备;
34、将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;其中,缺陷判断模型是根据第一类缺陷的文本信息和图像信息,以及第二类缺陷的文本信息训练得到,第一类缺陷的出现频率大于第二类缺陷的出现频率。
35、上述缺陷分析方法、装置、计算机设备及其存储介质,通过获取待检测图像对应的待检测图像特征,并将待检测图像特征输入至缺陷判断模型中,得到目标设备对应的缺陷检测结果;并且,上述过程中的缺陷判断模型是根据本文档来自技高网...
【技术保护点】
1.一种缺陷检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述缺陷判断模型的训练过程如下:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一类缺陷的文本信息和图像信息,以及所述第二类缺陷的文本信息,确定所述第一类缺陷对应的第一预测图像特征和第一实际图像特征,以及所述第二类缺陷对应的第二预测图像特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述采用图像生成器,分别对所述第一类缺陷的文本信息和所述第二类缺陷的文本信息进行图像特征预测处理,得到所述第一类缺陷对应的第一预测图像特征和所述第二类缺陷对应的第二预测图像特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述采用图像生成器,对所述第一实际文本特征和所述第二实际文本特征进行进图像特征预测处理,得到所述第一实际文本特征对应的第一预测图像特征和所述第二实际文本特征对应的第二预测图像特征,包括:
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述双层分
8.一种缺陷检测装置,其特征在于,所述装置包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种缺陷检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述缺陷判断模型的训练过程如下:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一类缺陷的文本信息和图像信息,以及所述第二类缺陷的文本信息,确定所述第一类缺陷对应的第一预测图像特征和第一实际图像特征,以及所述第二类缺陷对应的第二预测图像特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述采用图像生成器,分别对所述第一类缺陷的文本信息和所述第二类缺陷的文本信息进行图像特征预测处理,得到所述第一类缺陷对应的第一预测图像特征和所述第二类缺陷对应的第二预测图像特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述采用图像生成器,对所述第一实际文本特征和所述第二实际文本特征进行进图像特征预测处理,得到所述第一实际文本特征对应的第一预测图像特征和所述第二实际文本特征对应...
【专利技术属性】
技术研发人员:宋彦,黄俊楚,
申请(专利权)人:中国电信股份有限公司技术创新中心,
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。