【技术实现步骤摘要】
本申请涉及缺陷检测，尤其涉及一种缺陷检测方法及装置、计算机设备、存储介质。
技术介绍
1、缺陷检测是指对待测对象表面的缺陷进行检测的技术。通过对待测对象进行图像采集，并对采集的图像进行缺陷检测，可以对待测对象的缺陷位置及时进行维修，保证待测对象在实际应用中的使用。例如，在核反应堆中，控制棒导向筒开口销是一种关键部件，主要用于控制核反应堆的反应速率和保持核反应堆的安全性。控制棒导向筒开口销需要通过插入控制棒导向筒开口销对应的销孔中，并通过在其叉开的部分固定螺栓或轴上的轮子，以保证机械部件之间的准确性和稳定性。因此，对控制棒导向筒开口销对应的销孔采集的图像进行缺陷检测，可以保证控制棒插入导向筒的运行过程中的质量状态，从而提高核电站的可靠性和安全性。
2、目前，相关技术对控制棒导向筒开口销对应的销孔的缺陷检测方法通常采用人工操作的方式，即人工对控制棒导向筒开口销对应的销孔采集的图像进行判断，这种缺陷检测方法的效率较低，且检测准确性也不高。
技术实现思路
1、本申请实施例的主要目的在于提出了一种缺陷检测方法及装置、计算机设备、存储介质，能够提高对待测对象的缺陷检测效率和准确性。
2、为实现上述目的，本申请实施例的第一方面提出了一种缺陷检测方法，所述方法包括：
3、获取训练样本数据，所述训练样本数据包括待检测样本对象的样本缺陷图像、样本缺陷类别、样本边界框和样本缺陷掩码数据；其中，所述样本边界框用于指示所述待检测样本对象的缺陷部位在所述样本缺陷图像中的区域
4、基于缺陷区域提取模型对所述样本缺陷图像进行缺陷区域提取，得到样本缺陷定位图像；
5、基于图像缺陷检测模型对所述样本缺陷定位图像进行缺陷检测，得到样本检测结果；其中，所述样本检测结果包括预测边界框、预测缺陷类别和预测缺陷掩码数据；
6、基于所述样本缺陷掩码数据和所述预测缺陷掩码数据计算得到第一损失值，基于所述样本缺陷类别、所述预测缺陷类别、所述样本边界框和所述预测边界框计算得到第二损失值，并基于所述第一损失值和所述第二损失值确定模型损失值；
7、基于所述模型损失值对所述缺陷区域提取模型和所述图像缺陷检测模型的模型参数进行更新，并基于更新后的所述缺陷区域提取模型和所述图像缺陷检测模型构建目标缺陷检测模型；
8、获取目标检测图像，并基于所述目标缺陷检测模型对所述目标检测图像进行缺陷检测，得到目标检测结果；其中，所述目标检测结果包括目标边界框、目标缺陷类别和目标缺陷掩码数据。
9、在一些实施例中，所述基于缺陷区域提取模型对所述样本缺陷图像进行缺陷区域提取，得到样本缺陷定位图像，包括：
10、基于缺陷区域提取模型对所述样本缺陷图像进行缺陷区域提取，得到第一样本定位边界框和第一样本定位置信度；
11、基于所述第一样本定位边界框和所述第一样本定位置信度对所述样本缺陷图像进行图像提取，得到样本缺陷定位图像。
12、在一些实施例中，所述基于所述第一样本定位边界框和所述第一样本定位置信度对所述样本缺陷图像进行图像提取，得到样本缺陷定位图像，包括：
13、若所述第一样本定位置信度小于预设置信度阈值，基于预先训练的多尺度特征融合模型对所述样本缺陷图像进行多尺度特征融合，得到样本融合特征图像；
14、基于所述缺陷区域提取模型对所述样本融合特征图像进行缺陷区域提取，得到第二样本定位边界框和第二样本定位置信度；
15、基于所述第二样本定位边界框和所述第二样本定位置信度对所述样本缺陷图像进行图像提取，得到样本缺陷定位图像。
16、在一些实施例中，所述基于所述第一损失值和所述第二损失值确定模型损失值，包括：
17、获取所述待检测样本对象的实例分割任务和缺陷检测精度值；
18、基于所述实例分割任务和所述缺陷检测精度值确定样本权重，所述样本权重包括所述第一损失值对应的第一权重和所述第二损失值对应的第二权重；
19、根据所述第一权重、所述第一损失值、所述第二权重和所述第二损失值进行加权计算，得到模型损失值。
20、在一些实施例中，所述图像缺陷检测模型包括图像特征提取层、多尺度特征提取层、区域检测层、空间特征提取层、分类层，所述基于图像缺陷检测模型对所述样本缺陷定位图像进行缺陷检测，得到样本检测结果，包括：
21、基于所述图像特征提取层对所述样本缺陷定位图像进行特征提取，得到样本初始特征；
22、基于所述多尺度特征提取层对所述样本初始特征进行多尺度特征提取，得到多个不同维度的样本候选特征；
23、基于所述区域检测层对所述样本初始特征进行区域目标检测，得到多个样本候选区域边界框；
24、基于所述空间特征提取层对多个不同维度的所述样本候选特征和多个所述样本候选区域边界框进行空间特征提取，得到样本空间特征；
25、基于所述分类层对所述样本空间特征进行缺陷检测，得到样本检测结果。
26、在一些实施例中，所述基于所述分类层对所述样本空间特征进行缺陷检测，得到样本检测结果，包括：
27、基于所述分类层的掩码预测分支对所述样本空间特征进行像素级预测，得到所述预测缺陷掩码数据；所述掩码预测分支是基于轻量级的深度可分离卷积优化构建的结构；
28、基于所述分类层的类别预测分支对所述样本空间特征进行类别预测，得到所述预测缺陷类别；
29、基于所述分类层的边界框预测分支对所述样本空间特征进行边界框预测，得到所述预测边界框。
30、在一些实施例中，所述样本检测结果还包括置信度预测值，所述基于所述样本缺陷类别、所述预测缺陷类别、所述样本边界框和所述预测边界框计算得到第二损失值，包括：
31、基于所述样本初始特征进行先验框提取，得到多个候选先验框；
32、基于预设缺陷类别、多个所述候选先验框和所述置信度预测值进行置信度损失计算，得到第一子损失值；
33、基于所述预测边界框、所述样本边界框和多个所述候选先验框进行位置损失计算，得到第二子损失值；
34、基于所述预测缺陷类别和所述样本缺陷类别进行类别损失计算，得到第三子损失值；
35、对所述第一子损失值、所述第二子损失值和所述第三子损失值进行加权计算，得到所述第二损失值。
36、为实现上述目的，本申请实施例的第二方面提出了一种缺陷检测方法，所述装置包括：
37、获取模块，用于获取训练样本数据，所述训练样本数据包括待检测样本对象的样本缺陷图像、样本缺陷类别、样本边界框和样本缺陷掩码数据；所述样本边界框用于指示所述待检测样本对象的缺陷部位在所述样本缺陷图像中的区域信息，所述样本缺陷掩码数据用于指示所述待检测样本对象的缺陷部位在所述样本边界框中的像素边界；
【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，所述基于缺陷区域提取模型对所述样本缺陷图像进行缺陷区域提取，得到样本缺陷定位图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本定位边界框和所述第一样本定位置信度对所述样本缺陷图像进行图像提取，得到样本缺陷定位图像，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述第一损失值和所述第二损失值确定模型损失值，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述图像缺陷检测模型包括图像特征提取层、多尺度特征提取层、区域检测层、空间特征提取层、分类层，所述基于图像缺陷检测模型对所述样本缺陷定位图像进行缺陷检测，得到样本检测结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述分类层对所述样本空间特征进行缺陷检测，得到样本检测结果，包括：
7.根据权利要求5所述的方法，其特征在于，所述样本检测结果还包括置信度预测值，所述基于所述样本缺陷类别、所述预测缺陷类
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，其特征在于，所述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，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。
10.一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7中任一项所述的方法。
...【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，所述基于缺陷区域提取模型对所述样本缺陷图像进行缺陷区域提取，得到样本缺陷定位图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本定位边界框和所述第一样本定位置信度对所述样本缺陷图像进行图像提取，得到样本缺陷定位图像，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述第一损失值和所述第二损失值确定模型损失值，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述图像缺陷检测模型包括图像特征提取层、多尺度特征提取层、区域检测层、空间特征提取层、分类层，所述基于图像缺陷检测模型对所述样本缺陷定位图像进行缺陷检测，得到样本检测结果，...
【专利技术属性】
技术研发人员：谭毅，胡建强，马超，唐博，束家龙，雷屹坤，
申请(专利权)人：中广核核电运营有限公司，
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。