[发明专利]一种玻璃缺陷检测方法、装置和存储介质

权利要求书

1.一种玻璃缺陷检测方法，其特征在于，包括：

获取被检测玻璃图像，确定所述被检测玻璃图像中的待检测区域；

获取所述待检测区域中像素的色彩信息，根据所述色彩信息在所述待检测区域中筛选出候选区域；

基于预设的压缩网络，使用卷积神经网络提取所述候选区域的图像特征，所述预设的压缩网络为利用模型压缩技术减少原有网络参数的网络；

对所述图像特征进行分类，得到分类结果；

若分类结果为缺陷，则确定在所述候选区域中检测到缺陷以及获取所述缺陷的属性信息；

当所述属性信息指向缺陷图像时，将所述图像特征输入预设的分割网络，由所述预设的分割网络的采样路径对所述图像特征进行信息提取和信息融合，以及根据提取和融合后的信息在所述候选区域的图像中分割出所述缺陷图像，所述采样路径包括收缩路径和扩展路径。

2.如权利要求1所述的方法，其特征在于，所述预设的压缩网络属于预设的检测模型，所述预设的检测模型对应所述卷积神经网络，所述对所述图像特征进行分类，得到分类结果，包括：

在所述卷积神经网络的全连接层对所述图像特征进行分类，得到分类结果。

3.如权利要求2所述的方法，其特征在于，所述图像特征为特征图，所述在所述卷积神经网络的全连接层对所述图像特征进行分类，得到分类结果，包括：

在所述卷积神经网络的全连接层对所述特征图进行降维处理，获取所述候选区域的特征值；

使用预设的分类器对所述特征值进行分类，得到分类结果。

4.如权利要求1所述的方法，其特征在于，当所述属性信息指向缺陷类型时，所述获取所述缺陷的属性信息，包括：

根据所述分类结果，获取所述缺陷类型。

5.如权利要求1所述的方法，其特征在于，所述图像特征为特征图，当所述属性信息指向缺陷区域时，所述获取所述缺陷的属性信息，包括：

使用预设的区域定位算法在所述特征图中进行目标定位，得到初始矩形区域；

使用预设的边框回归算法对所述初始矩形区域进行边框回归，得到所述缺陷区域。

6.如权利要求1所述的方法，其特征在于，所述获取所述缺陷的属性信息，之后包括：

根据预设的排序规则，对所述缺陷的属性信息进行排序，并显示。

7.如权利要求3所述的方法，其特征在于，所述获取所述缺陷的属性信息，之后包括：

根据所述特征值，计算所述分类结果的置信率；

根据所述置信率的数值大小对所述缺陷的属性信息进行排序，并显示。

8.如权利要求1-7任一项所述的方法，其特征在于，所述确定所述被检测玻璃图像中的待检测区域，包括：

筛选出所述被检测玻璃图像中的玻璃区域，将所述玻璃区域确定为待检测区域。

9.一种玻璃缺陷检测装置，其特征在于，包括：

图像单元，用于获取被检测玻璃图像，确定所述被检测玻璃图像中的待检测区域；

候选单元，用于获取所述待检测区域中像素的色彩信息，根据所述色彩信息在所述待检测区域中筛选出候选区域；

图像特征提取单元：用于基于预设的压缩网络，使用卷积神经网络提取所述候选区域的图像特征，所述预设的压缩网络为利用模型压缩技术减少原有网络参数的网络；

分类单元：用于对所述图像特征进行分类，得到分类结果；

缺陷确定单元：用于若分类结果为缺陷，则确定在所述候选区域中检测到缺陷以及获取所述缺陷的属性信息；

分割单元：用于当所述属性信息指向缺陷图像时，将所述图像特征输入预设的分割网络，由所述预设的分割网络的采样路径对所述图像特征进行信息提取和信息融合，以及根据提取和融合后的信息在所述候选区域的图像中分割出所述缺陷图像，所述采样路径包括收缩路径和扩展路径。

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的玻璃缺陷检测方法中的步骤。