【技术实现步骤摘要】
本申请涉及图像检测，更具体地涉及一种图像检测方法、一种电子设备以及一种存储介质。
技术介绍
1、工业缺陷检测是图像处理
的一个重要应用方向，工业缺陷检测是指在工业应用场景中，对可能出现缺陷的产品进行检测并对产品进行异常判别，从而来区分产品的优劣性。
2、相关技术中，工业缺陷检测通常采用无监督的异常检测方法。该方法将训练期间预定义的一组正常样本的特征组成一个特征库，并根据聚类算法对该特征库进行压缩，以提高缺陷检测效率。但是，由于缺陷检测的精度受限于特征库的压缩率，对特征库进行压缩会导致缺陷检测的精度降低。
技术实现思路
1、考虑到上述问题而提出了本申请。本申请提供了一种图像检测方法、一种电子设备以及一种存储介质。
2、根据本申请一方面，提供了一种图像检测方法，包括：获取待检测图像；将待检测图像输入至特征提取模型进行特征提取，以获得与待检测图像中的待检测区域对应的待测特征向量组，其中，待检测区域对应有特征向量库，特征向量库包括至少一个参考特征向量组，至少一个参考特征向量组与至少一个参考区域一一对应，特征向量库所对应的待检测区域和至少一个参考区域均对应于同一图像位置；将待检测区域所对应的待测特征向量组与待检测区域所对应的特征向量库中存储的参考特征向量组进行比较，以确定待检测区域是否满足第一预设要求，其中，第一预设要求为待检测区域所对应的待测特征向量组与特征向量库中的至少部分参考特征向量组之间的相似度大于第一相似度阈值；在待检测区域不满足第一预设要求时，确定待
3、上述技术方案通过提取待检测图像中的待检测区域对应的待测特征向量组，并将待测特征向量组与对应的特征向量库中存储的参考特征向量组进行比较，可以较为准确地判断该待检测区域是否为异常区域。且由于与该待测特征向量组对应的特征向量库所对应的待检测区域和参考区域对应于同一图像位置，因此，可以减少与待测特征向量组进行比较的参考特征向量组的数量。由此，有助于减少计算量，提高图像检测的效率。
4、示例性地，将待检测区域所对应的待测特征向量组与待检测区域所对应的特征向量库中存储的参考特征向量组进行比较，以确定待检测区域是否满足第一预设要求包括：分别计算待检测区域所对应的待测特征向量组与待检测区域所对应的特征向量库中存储的每个参考特征向量组间的第一特征差异值；确定第一特征差异值中最小的第一特征差异值为第一异常分数；判断第一异常分数是否大于或等于第一分数阈值；在第一异常分数大于或等于第一分数阈值时，确定该待检测区域不满足第一预设要求；其中，第一异常分数与相似度负相关，第一分数阈值与相似度阈值负相关。
5、上述技术方案仅将特征向量库中与待测特征向量组最相近的特征对应的第一特征差异值作为第一异常分数，并利用该第一异常分数与第一分数阈值的比较结果，确定该待检测区域是否满足第一预设要求，有助于为后续步骤提供较为准确的依据，从而有助于进一步提高图像检测效率。
6、示例性地，待检测区域的数量为至少两个，至少两个待检测区域与至少两个特征向量库一一对应；在待检测区域不满足第一预设要求时，方法还包括：对于至少两个待检测区域中的每个待检测区域，将该待检测区域所对应的待测特征向量组与另一待检测区域所对应的第二特征向量库中存储的第二参考特征向量组进行比较，以确定该待检测区域是否满足第二预设要求，第二预设要求为该待检测区域所对应的待测特征向量组与第二特征向量库中的至少部分第二参考特征向量组之间的相似度大于第二相似度阈值；在该待检测区域满足第二预设要求时，确定该待检测区域为偏移异常区域。
7、上述技术方案在待检测区域不满足第一预设要求时，通过将该待检测区域所对应的待测特征向量组与第二特征向量库所对应的第二参考特征向量组进行比较，可以较为准确地判断该待检测区域是否为偏移异常区域。由此，该方案可以在具备检测结构性异常（比如脏污、破损）导致的异常区域的基础上，还具备对偏移异常导致的异常区域的检测能力。总之，该方案有助于扩大图像检测方法的应用范围，进一步提高用户的使用体验。
8、示例性地，将该待检测区域所对应的待测特征向量组与另一待检测区域所对应的第二特征向量库中存储的第二参考特征向量组进行比较，以确定该待检测区域是否满足第二预设要求，包括：分别计算该待检测区域所对应的待测特征向量组与第二特征向量库中存储的每个第二参考特征向量组间的第二特征差异值；确定第二特征差异值中最小的第二特征差异值为第二异常分数；判断第二异常分数是否小于第二分数阈值；在第二异常分数小于第二分数阈值时，确定待测特征向量组对应的待检测区域满足第二预设要求；其中，第二异常分数与相似度负相关。
9、上述技术方案仅将第二特征向量库中与待测特征向量组最相近的特征对应的第二特征差异值作为第二异常分数，并利用该第二异常分数与第二分数阈值的比较结果，确定该待检测区域是否满足第二预设要求，有助于较为准确地确定该待检测区域是否为偏移异常区域。该方案计算简单，有助于为后续步骤提供较为准确的依据。
10、示例性地，在将待检测图像输入至特征提取模型进行特征提取之前，方法还包括：将待检测图像中的待检测产品与模板图像中的模板产品进行匹配，获得第一匹配结果；基于第一匹配结果对待检测图像的图像参数进行调整，以使得调整后的待检测图像与模板图像的大小相同且待检测图像中的待检测产品与模板图像中的模板产品对齐，其中，图像参数包括位置、形状和大小中的一项或多项；其中，至少一个参考区域分别为至少一个参考图像中的图像区域，至少一个参考图像中的每个参考图像与模板图像的大小相同且每个参考图像中的参考产品与模板图像中的模板产品对齐。
11、上述技术方案在将待检测图像输入至特征提取模型进行特征提取之前，基于模板图像对待检测图像进行调整，以使得调整后的待检测图像与模板图像的大小相同且待检测图像中的待检测产品与模板图像中的模板产品对齐，由此，有助于消除待检测图像中的旋转和扭曲，统一待检测图像与模板图像间的尺度，从而有助于提高计算效率，且有助于增强图像检测方法的鲁棒性，提高图像检测的准确度。
12、示例性地，待检测区域在待检测图像中的位置为目标图像位置；特征向量库通过以下特征向量库生成操作得到：获取样本图像集，样本图像集包括至少一个样本图像，样本图像集中的每个样本图像均不包含异常区域；对于样本图像集中的每个样本图像，利用特征提取模型提取该样本图像对应的图像特征向量；选取样本图像集中的样本图像各自对应的图像特征向量中与位于目标图像位置处的参考区域相对应的特征向量组，并基于所选取的特征向量组获得与目标图像位置对应的特征向量库；其中，与目标图像位置对应的特征向量库为与目标图像位置对应的待检测区域所对应的特征向量库，至少一个参考区域分别为至少一个参考图像中的图像区域，至少一个参考图像为样本图像集中的至少部分样本图像。
13、在本申请的上述技术方案中，每个目标图像位置与一个特征向量库对应，换言之，每个特征向量库仅存储与该目标图像位置对应的本文档来自技高网...
【技术保护点】
1.一种图像检测方法，其特征在于，包括：
2.根据权利要求1所述的图像检测方法，其特征在于，所述将所述待检测区域所对应的待测特征向量组与所述待检测区域所对应的所述特征向量库中存储的参考特征向量组进行比较，以确定所述待检测区域是否满足第一预设要求包括：
3.根据权利要求1所述的图像检测方法，其特征在于，所述待检测区域的数量为至少两个，所述至少两个待检测区域与至少两个特征向量库一一对应；在所述待检测区域不满足所述第一预设要求时，所述方法还包括：
4.根据权利要求3所述的图像检测方法，其特征在于，所述将该待检测区域所对应的待测特征向量组与另一待检测区域所对应的第二特征向量库中存储的第二参考特征向量组进行比较，以确定该待检测区域是否满足第二预设要求，包括：
5.根据权利要求1-4任一项所述的图像检测方法，其特征在于，在将所述待检测图像输入至特征提取模型进行特征提取之前，所述方法还包括：
6.根据权利要求1-4任一项所述的图像检测方法，其特征在于，所述待检测区域在所述待检测图像中的位置为目标图像位置；所述特征向量库通过以下特征向量
7.根据权利要求6所述的图像检测方法，其特征在于，所述基于所选取的特征向量组获得与所述目标图像位置对应的特征向量库，包括：
8.根据权利要求6所述的图像检测方法，其特征在于，样本图像的数量为多个，所述基于所选取的特征向量组获得与该目标图像位置对应的特征向量库，包括：
9.根据权利要求6所述的图像检测方法，其特征在于，所述特征向量库生成操作还包括：
10.一种电子设备，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1-9任一项所述的图像检测方法。
11.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1-9任一项所述的图像检测方法。
...【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
2.根据权利要求1所述的图像检测方法，其特征在于，所述将所述待检测区域所对应的待测特征向量组与所述待检测区域所对应的所述特征向量库中存储的参考特征向量组进行比较，以确定所述待检测区域是否满足第一预设要求包括：
3.根据权利要求1所述的图像检测方法，其特征在于，所述待检测区域的数量为至少两个，所述至少两个待检测区域与至少两个特征向量库一一对应；在所述待检测区域不满足所述第一预设要求时，所述方法还包括：
4.根据权利要求3所述的图像检测方法，其特征在于，所述将该待检测区域所对应的待测特征向量组与另一待检测区域所对应的第二特征向量库中存储的第二参考特征向量组进行比较，以确定该待检测区域是否满足第二预设要求，包括：
5.根据权利要求1-4任一项所述的图像检测方法，其特征在于，在将所述待检测图像输入至特征提取模型进行特征提取之前，所述方法还包括：
6.根...
【专利技术属性】
技术研发人员：徐海俊，韩晓，
申请(专利权)人：苏州镁伽科技有限公司，
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。