【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种移动计算机外壳检测方法、装置、设备及存储介质。
技术介绍
1、macintosh(mac)是apple开发的个人移动计算机，使用独立的macos系统，最新的macos系列基于next系统开发。
2、目前在生产apple mac时，需要对apple mac阳极前外壳进行缺陷检测。现有的检测方法主要依靠人工观察，即先通过对待测产品进行外部环境光照，再由测试人员观察产品外壳表面的刀纹、腐蚀点、刮伤、压伤、挂篮印等缺陷，然后按照缺陷类型和数量进行分类剔除。
3、但是，现有方法只能依靠人工检测，存在检测成本高、检测效率低、检测结果准确性低、稳定性差以及检测标准无法量化等问题。
技术实现思路
1、本专利技术提供了一种移动计算机外壳检测方法、装置、设备及存储介质，可以提高移动计算机的外壳检测效率以及检测结果的精度。
2、根据本专利技术的一方面，提供了一种移动计算机外壳检测方法，所述方法包括：
3、获取待测计算机对应的目标外壳图像，并按照预设尺寸以及目标重叠区域对所述目标外壳图像进行切分，得到待测计算机对应的多个子图像；
4、将各所述子图像依次输入至预先训练的外壳检测模型中，通过所述外壳检测模型输出各所述子图像对应的缺陷检测结果；
5、其中，所述外壳检测模型通过多个计算机外壳样本图像，对掩码卷积神经网络mask rcnn模型训练得到；
6、根据各所述子图像对应的缺陷检测结果，确定待
7、可选的，获取待测计算机对应的目标外壳图像，包括：
8、通过图像采集设备，获取待测计算机对应的原始外壳图像；
9、对所述原始外壳图像进行预处理，得到待测计算机对应的目标外壳图像。
10、可选的，所述预处理包括：滤波处理、二值化处理以及轮廓处理。
11、可选的，在获取待测计算机对应的目标外壳图像之前，还包括：
12、获取多个计算机外壳样本图像，并按照预设尺寸以及目标重叠区域对各所述样本图像进行切分，得到多个样本子图像；
13、获取与各所述样本子图像对应的缺陷标注结果，并根据所述多个样本子图像，以及各所述样本子图像对应的缺陷标注结果，生成训练集；
14、其中，所述训练集中包括多个训练样本；每个训练样本由一个样本子图像以及对应的缺陷标注结果构成；
15、使用所述训练集对mask rcnn模型进行迭代训练，得到所述外壳检测模型。
16、可选的，使用所述训练集对mask rcnn模型进行迭代训练，得到所述外壳检测模型，包括：
17、在所述训练集中依次获取一个训练样本，作为当前样本；
18、使用所述当前样本对mask rcnn模型进行训练，得到训练结果，并根据所述训练结果的损失值，对mask rcnn模型的模型参数进行调整；
19、返回执行在所述训练集中依次获取一个训练样本，作为当前样本的操作，直至完成对全部训练样本的处理。
20、可选的，根据各所述子图像对应的缺陷检测结果，确定待测计算机对应的目标检测结果，包括：
21、根据各所述子图像在目标外壳图像中对应的位置，将各所述子图像对应的缺陷检测结果复原至目标外壳图像中，得到待测计算机对应的目标检测结果；
22、其中，所述缺陷检测结果包括缺陷类型，以及所述缺陷类型在子图像中对应的目标区域。
23、根据本专利技术的另一方面，提供了一种移动计算机外壳检测装置，所述装置包括：
24、图像获取模块，用于获取待测计算机对应的目标外壳图像，并按照预设尺寸以及目标重叠区域对所述目标外壳图像进行切分，得到待测计算机对应的多个子图像；
25、模型检测模块，用于将各所述子图像依次输入至预先训练的外壳检测模型中，通过所述外壳检测模型输出各所述子图像对应的缺陷检测结果；
26、其中，所述外壳检测模型通过多个计算机外壳样本图像，对掩码卷积神经网络mask rcnn模型训练得到；
27、结果确定模块，用于根据各所述子图像对应的缺陷检测结果，确定待测计算机对应的目标检测结果。
28、根据本专利技术的另一方面，提供了一种电子设备，所述设备包括：
29、至少一个处理器；以及
30、与所述至少一个处理器通信连接的存储器；其中，
31、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的移动计算机外壳检测方法。
32、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的移动计算机外壳检测方法。
33、根据本专利技术的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本专利技术任一实施例所述的移动计算机外壳检测方法。
34、本专利技术实施例提供的技术方案，通过获取待测计算机对应的目标外壳图像，并按照预设尺寸以及目标重叠区域对所述目标外壳图像进行切分，得到待测计算机对应的多个子图像，将各所述子图像依次输入至预先训练的外壳检测模型中，通过所述外壳检测模型输出各所述子图像对应的缺陷检测结果，根据各所述子图像对应的缺陷检测结果，确定待测计算机对应的目标检测结果的技术手段，可以提高移动计算机的外壳检测效率以及检测结果的精度。
35、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种移动计算机外壳检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待测计算机对应的目标外壳图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述预处理包括：滤波处理、二值化处理以及轮廓处理。
4.根据权利要求1所述的方法，其特征在于，在获取待测计算机对应的目标外壳图像之前，还包括：
5.根据权利要求4所述的方法，其特征在于，使用所述训练集对Mask RCNN模型进行迭代训练，得到所述外壳检测模型，包括：
6.根据权利要求1所述的方法，其特征在于，根据各所述子图像对应的缺陷检测结果，确定待测计算机对应的目标检测结果，包括：
7.一种移动计算机外壳检测装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，所述设备包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的移动计算机外壳检测方法。
10.一种计算机程序产品，其特征在于，所述计
...【技术特征摘要】
1.一种移动计算机外壳检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待测计算机对应的目标外壳图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述预处理包括：滤波处理、二值化处理以及轮廓处理。
4.根据权利要求1所述的方法，其特征在于，在获取待测计算机对应的目标外壳图像之前，还包括：
5.根据权利要求4所述的方法，其特征在于，使用所述训练集对mask rcnn模型进行迭代训练，得到所述外壳检测模型，包括：
6.根据权利要求1所述的方法，其特征在于，根据各所...
【专利技术属性】
技术研发人员：李红兵，丁豪，秦可勇，徐旺祥，
申请(专利权)人：江苏阿瑞斯智能设备有限公司，
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。