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】
本专利技术涉及图像,具体而言,涉及一种图像检测方法、装置、设备及存储介质。
技术介绍
1、机器学习是一门涉及许多算法和技术的广泛领域。然而机器学习模型需要大量的数据作为训练集,用于训练的图像需要进行标注,但是在专业领域,设备的缺陷标注往往需要相关技术人员进行,导致了训练集的数量较少,模型训练质量较差。
技术实现思路
1、基于此,有必要提供一种图像检测方法、装置、设备及存储介质。
2、为了实现上述目的,一方面,本申请实施例提供了一种图像检测方法,包括:
3、获取正常设备的三维模型;
4、采集故障设备的图像,并确定图像与三维模型的位置关系;
5、获取故障设备的修复视频,并根据修复视频确定故障位置;
6、基于故障位置,于三维模型中标记出修复部位;
7、基于标记出的修复部位以及位置关系,于图像中分拣出故障部位图片;
8、获取与修复视频对应的维修报告,并提取维修报告中的故障信息;
9、基于故障信息,对故障部位图片进行标注;
10、建立神经网络模型,并将标注好的故障部位图片作为训练集对神经网络模型进行训练,得到故障分析模型;
11、将待检测设备的图像输入至故障分析模型,得到故障结果。
12、在其中一个实施例中,确定图像与三维模型的位置关系的步骤,包括:
13、对图像和三维模型进行预处理,且从预处理后的图像和三维模型中提取关键特征;利用特征匹配算法,将预
14、根据匹配特征点,估计估计图像相对于三维模型的姿态;
15、根据姿态,将图像坐标系映射到三维模型坐标系,并得到位置关系。
16、在其中一个实施例中,关键特征包括角点、边缘、纹理中的一种或多种。
17、在其中一个实施例中,于图像中分拣出故障部位图片的步骤,包括:
18、从图像中,分割和提取与修复部位相关的故障部位图片。
19、在其中一个实施例中,故障信息包括故障类型以及修复方法。
20、一方面,本专利技术实施例提供了一种图像检测装置,包括:
21、获取模块,用于获取正常设备的三维模型;
22、采集模块,用于采集故障设备的图像,并确定图像与三维模型的位置关系;
23、位置确定模块,用于获取故障设备的修复视频,并根据修复视频确定故障位置;
24、标记模块,用于基于故障位置,于三维模型中标记出修复部位;
25、分拣模块,用于基于标记出的修复部位以及位置关系,于图像中分拣出故障部位图片;
26、故障信息提及模块,用于获取与修复视频对应的维修报告,并提取维修报告中的故障信息;
27、标注模块,用于基于故障信息,对故障部位图片进行标注;
28、模型建立模块,用于建立神经网络模型,并将标注好的故障部位图片作为训练集对神经网络模型进行训练,得到故障分析模型;
29、结果输出模块,用于将待检测设备的图像输入至故障分析模型,得到故障结果。
30、在其中一个实施例中,采集模块还用于对图像和三维模型进行预处理,且从预处理后的图像和三维模型中提取关键特征;还用于利用特征匹配算法,将预处理后的图像的关键特征与预处理后的三维模型的关键特征进行匹配,得到匹配特征点,且根据匹配特征点,估计估计图像相对于三维模型的姿态;还根据姿态,将图像坐标系映射到三维模型坐标系,并得到位置关系。
31、在其中一个实施例中,分拣模块还用于从图像中,分割和提取与修复部位相关的故障部位图片。
32、一方面,本专利技术实施例提供了一种计算机,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上述任一项方法的步骤。
33、另一方面,本专利技术实施例还提供了一种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上述方法的步骤。
34、上述技术方案中的一个技术方案具有如下优点和有益效果:
35、上述图像检测方法,通过确定故障设备图像与三维模型的位置关系,能够将图像信息与实际设备的几何结构关联起来。利用修复视频,系统能够实时获取故障位置信息,同时在三维模型中标记出修复部位,基于标记出的修复部位以及位置关系,于图像中分拣出故障部位图片。通过获取与修复视频对应的维修报告,并提取其中的故障信息,可以自动化地收集维修过程中的关键信息,为分拣出的图像进行标注,以进行神经网络模型的建立。通过上述方法,可以自动获取大量的存在缺陷的图像,且该图像为已经标注好的,降低了大量的人力成本。
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,包括步骤:
2.根据权利要求1所述的图像检测方法,其特征在于,确定所述图像与所述三维模型的位置关系的步骤,包括:
3.根据权利要求2所述的图像检测方法,其特征在于,所述关键特征包括角点、边缘、纹理中的一种或多种。
4.根据权利要求1所述的图像检测方法,其特征在于,于所述图像中分拣出故障部位图片的步骤,包括:
5.根据权利要求1所述的图像检测方法,其特征在于,所述故障信息包括故障类型以及修复方法。
6.一种图像检测装置,其特征在于,包括:
7.根据权利要求6所述的图像检测装置,其特征在于,所述采集模块还用于对所述图像和所述三维模型进行预处理,且从预处理后的图像和三维模型中提取关键特征;还用于利用特征匹配算法,将预处理后的图像的关键特征与预处理后的三维模型的关键特征进行匹配,得到匹配特征点,且根据所述匹配特征点,估计估计图像相对于三维模型的姿态;还根据所述姿态,将图像坐标系映射到三维模型坐标系,并得到所述位置关系。
8.根据权利要求6所述的图像检测装置,其特征在于,所
9.一种计算机设备,其特征在于,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5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法的步骤。
...【技术特征摘要】
1.一种图像检测方法,其特征在于,包括步骤:
2.根据权利要求1所述的图像检测方法,其特征在于,确定所述图像与所述三维模型的位置关系的步骤,包括:
3.根据权利要求2所述的图像检测方法,其特征在于,所述关键特征包括角点、边缘、纹理中的一种或多种。
4.根据权利要求1所述的图像检测方法,其特征在于,于所述图像中分拣出故障部位图片的步骤,包括:
5.根据权利要求1所述的图像检测方法,其特征在于,所述故障信息包括故障类型以及修复方法。
6.一种图像检测装置,其特征在于,包括:
7.根据权利要求6所述的图像检测装置,其特征在于,所述采集模块还用于对所述图像和所述三维模型进行预处理,且从预处理后的图像和三维模型中提取关键特征;还用于利用特征匹...
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。