本申請涉及一種物體表面缺陷檢測方法、裝置、計算機設備、存儲介質和計算機程序產品，應用于人工智能技術領域，用于提高物體表面缺陷檢測精準度。所述方法包括：對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；根據針對所述待檢測物體的缺陷檢測指令，對所述預測掩膜圖像中的缺陷類別進行過濾處理，得到所述待檢測物體的目標缺陷。待檢測物體的目標缺陷。待檢測物體的目標缺陷。
【技術實現步驟摘要】
物體表面缺陷檢測方法、裝置、計算機設備和存儲介質
[0001]本申請涉及人工智能
，特別是涉及一種物體表面缺陷檢測方法、裝置、計算機設備、存儲介質和計算機程序產品。
技術介紹
[0002]隨著工業智能化的程度不斷提高，人工智能技術也逐漸被應用在工業行業中，通過人工智能技術來簡化工業流程、提升工業質檢效率成為了當下工業行業的熱點。高精密儀器行業對工件的質量要求非常高，需要精確檢測出生產的精密工件上是否存在劃痕和臟污等。然而在高精密工業場景中，多數工件的體積較小，人工通過肉眼判斷精密工件的表面缺陷例如毛絲、細劃痕、輕臟污等缺陷的難度較大，而且人工檢測體積較小的高精密工業儀器的缺陷會非常耗時耗力。
[0003]傳統技術中，通常使用語義分割技術對物體圖像的圖像區域進行劃分，例如灰度、紋理、顏色、形狀等，讓不同區域間差異性明顯，從而判斷出物體的缺陷位置。然而傳統的語義分割技術的關注度更傾向于體積較大的物體，如場景中的人、車等，往往會忽略體積較小的物體或者畫面中占比較小的圖案，且傳統的語義分割技術處理物體的邊緣精度不夠，無法精準識別出物體的缺陷，由此存在高精密工業行業中時細小缺陷的識別精準度較低的問題。
技術實現思路
[0004]基于此，有必要針對上述技術問題，提供一種能夠提高物體表面缺陷檢測精準度的物體表面缺陷檢測方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。
[0005]第一方面，本申請提供了一種物體表面缺陷檢測方法。所述方法包括：
[0006]對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；
[0007]將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；
[0008]根據針對所述待檢測物體的缺陷檢測指令，對所述預測掩膜圖像中的缺陷類別進行過濾處理，得到所述待檢測物體的目標缺陷。
[0009]在其中一個實施例中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像，包括：
[0010]根據所述缺陷檢測模型中的編碼器，對所述增強圖像進行多尺度特征融合處理，得到所述增強圖像的多尺度特征；
[0011]根據所述缺陷檢測模型中的解碼器，對所述多尺度特征進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像。
[0012]在其中一個實施例中，根據所述缺陷檢測模型中的編碼器，對所述增強圖像進行多尺度特征融合處理，得到所述增強圖像的多尺度特征，包括：
[0013]若所述編碼器中的當前尺度比位于所述編碼器中的首層級聯網絡時，則對所述增強圖像進行特征提取處理，得到第一特征，作為所述多尺度特征；
[0014]若所述編碼器中的當前尺度比位于所述編碼器中的除首層級聯網絡之外的級聯網絡時，則對所述當前尺度比接收的所有特征進行融合處理，得到融合特征；對所述融合特征進行特征提取處理，得到目標特征，作為所述多尺度特征。
[0015]在其中一個實施例中，對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像，包括：
[0016]根據選擇的圖像增強方式，對所述待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；所述圖像增強方式包括圖像拼接方式、通道疊加方式、信息融合方式中的至少一種。
[0017]在其中一個實施例中，根據選擇的圖像增強方式，對所述待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像，包括：
[0018]當所述選擇的圖像增強方式為通道疊加方式時，對所述物體圖像進行通道提取處理，得到所述物體圖像的通道信息，并對所述通道信息進行通道疊加處理，得到疊加圖像，作為所述增強圖像；
[0019]當所述選擇的圖像增強方式為信息融合方式時，對所述物體圖像進行特征提取處理，得到所述物體圖像的關鍵特征，并對所述關鍵特征進行特征轉換處理，得到關鍵信息圖像，作為所述增強圖像；
[0020]當所述選擇的圖像增強方式為圖像拼接方式時，對所述物體圖像進行拼接處理，得到拼接圖像，作為所述增強圖像。
[0021]在其中一個實施例中，在將所述增強圖像輸入到預先構建的缺陷檢測模型中之前，還包括：
[0022]對所述增強圖像進行數據增強處理，得到所述待檢測物體的多維度圖像；
[0023]使用所述多維度圖像更新所述增強圖像。
[0024]在其中一個實施例中，在對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像之后，還包括：
[0025]對所述增強圖像中的圖像區域的進行分類處理，得到所述增強圖像中的各圖像區域的類別信息；
[0026]根據所述類別信息，生成所述增強圖像的類別掩膜圖像；
[0027]將所述增強圖像和所述增強圖像對應的類別掩膜圖像輸入到待訓練的缺陷檢測模型中進行迭代訓練，得到訓練后缺陷檢測模型，作為所述預先構建的缺陷檢測模型。
[0028]第二方面，本申請還提供了一種物體表面缺陷檢測裝置。所述裝置包括：
[0029]增強模塊，用于對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；
[0030]檢測模塊，用于將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；
[0031]過濾模塊，用于根據針對所述待檢測物體的缺陷檢測指令，對所述預測掩膜圖像中的缺陷類別進行過濾處理，得到所述待檢測物體的目標缺陷。
[0032]第三方面，本申請還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現以下步驟：
[0033]對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；
[0034]將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；
[0035]根據針對所述待檢測物體的缺陷檢測指令，對所述預測掩膜圖像中的缺陷類別進行過濾處理，得到所述待檢測物體的目標缺陷。
[0036]第四方面，本申請還提供了一種計算機可讀存儲介質。所述計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現以下步驟：
[0037]對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；
[0038]將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；
[0本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種物體表面缺陷檢測方法，其特征在于，所述方法包括：對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；將所述增強圖像輸入到預先構建的缺陷檢測模型中，通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像；所述預測掩膜圖像攜帶有所述預測掩膜圖像中各像素點對應的缺陷類別；根據針對所述待檢測物體的缺陷檢測指令，對所述預測掩膜圖像中的缺陷類別進行過濾處理，得到所述待檢測物體的目標缺陷。2.根據權利要求1所述的方法，其特征在于，所述通過所述缺陷檢測模型對所述增強圖像進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像，包括：根據所述缺陷檢測模型中的編碼器，對所述增強圖像進行多尺度特征融合處理，得到所述增強圖像的多尺度特征；根據所述缺陷檢測模型中的解碼器，對所述多尺度特征進行缺陷預測處理，得到所述增強圖像的預測掩膜圖像。3.根據權利要求2所述的方法，其特征在于，所述根據所述缺陷檢測模型中的編碼器，對所述增強圖像進行多尺度特征融合處理，得到所述增強圖像的多尺度特征，包括：若所述編碼器中的當前尺度比位于所述編碼器中的首層級聯網絡時，則對所述增強圖像進行特征提取處理，得到第一特征，作為所述多尺度特征；若所述編碼器中的當前尺度比位于所述編碼器中的除首層級聯網絡之外的級聯網絡時，則對所述當前尺度比接收的所有特征進行融合處理，得到融合特征；對所述融合特征進行特征提取處理，得到目標特征，作為所述多尺度特征。4.根據權利要求1所述的方法，其特征在于，所述對待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像，包括：根據選擇的圖像增強方式，對所述待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像；所述圖像增強方式包括圖像拼接方式、通道疊加方式、信息融合方式中的至少一種。5.根據權利要求4所述的方法，其特征在于，所述根據選擇的圖像增強方式，對所述待檢測物體的物體圖像進行圖像增強處理，得到所述物體圖像的增強圖像，包括：當所述選擇的圖像增強方式為通道疊加方式時，對所述物體圖像進行通道提取處理，得...
【專利技術屬性】
技術研發人員：王遠，劉樞，呂江波，沈小勇，
申請(專利權)人：北京思謀智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。