[发明专利]一种口罩缺陷的识别方法、装置、设备及存储介质

说明书

本发明适用机器视觉图像检测与深度学习技术领域，提供了一种口罩缺陷的识别方法、装置、设备及存储介质，该方法包括：通过多特征融合卷积神经网络模型中的第一子模型对待进行口罩缺陷识别的口罩图像进行空间变换处理，得到第一口罩图像，通过多特征融合卷积神经网络模型中的第二子模型对该口罩图像进行降维处理，得到第二口罩图像，将第一子图像和第二子图像进行图像融合，得到第三口罩图像，采用Softmax函数对该第三口罩图像的图像特征进行分类预测，得到与口罩缺陷类型对应的各分类概率，根据该分类概率对口罩图像的口罩缺陷进行识别，从而通过多特征融合卷积神经网络模型提高口罩缺陷特征的区分度，以及提高了对不同口罩缺陷类型识别的精确度。

技术领域

本发明属于机器视觉图像检测与深度学习技术领域，尤其涉及一种口罩缺陷的识别方法、装置、设备及存储介质。

背景技术

随着经济水平的不断提高，工业生产的加快和城市汽车用量的增多，其排放的废气和尾气对环境造成严重污染，使得空气质量严重下降，雾霾也越来越严重，由此导致的呼吸道疾病病例增多、细菌病菌等感染几率变大，口罩的使用从之前的医用、工业应用等发展成为大众生活用品。目前，绝大多数口罩都是采用无纺布来生产的，无纺布口罩在生产过程中会产生耳带焊接不良、鼻条未安装、耳带鼻条长短不一、口罩重叠焊接在一起、口罩本体上染上了生产设备的黑点和油污等各种缺陷，这些缺陷可能导致口罩不能良好的固定在使用者脸上，有些甚至会影响到使用者的身体健康。

目前无纺布口罩表面的缺陷检测主要是人工目检和机器检测。人工目检由于需要检测人员长时间用眼，容易造成眼睛疲劳，检测费时费力，人工目检还容易受到检测人员主观因素的影响，导致经常出现误检、漏检等情况。随着机器视觉技术的不断进步，基于机器视觉的相关检测算法受到广泛的关注，机器检测主要通过图像处理的方法实现口罩缺陷的检测和识别，而传统的机器检测方法需要人为设定图像特征提取和识别的参数，需要操作者具有一定的专业知识背景，根据不同的口罩缺陷类型制定不同的检测方案，不具有灵活性。

发明内容

本发明的目的在于提供一种口罩缺陷的识别方法、装置、设备及存储介质，旨在解决由于现有技术无法提供一种有效的口罩缺陷的识别方法，导致口罩缺陷识别不准确的问题。

一方面，本发明提供了一种口罩缺陷的识别方法，所述方法包括下述步骤：

当接收到口罩缺陷的识别请求时，获取待识别的口罩图像，并将所述口罩图像输入到预先训练好的多特征融合卷积神经网络模型中，所述多特征融合卷积神经网络模型包括第一子模型、第二子模型；

通过所述第一子模型对所述口罩图像进行空间变换处理，得到对应的第一口罩图像；

通过所述第二子模型对所述口罩图像进行降维处理，得到对应的第二口罩图像；

将所述第一子图像和所述第二子图像进行图像融合，得到对应的第三口罩图像；

采用Softmax函数对所述第三口罩图像的图像特征进行分类预测，得到与预设口罩缺陷类型对应的各分类概率，根据所述分类概率对所述口罩图像的口罩缺陷进行识别。

另一方面，本发明提供了一种口罩缺陷的识别装置，所述装置包括：

口罩图像获取单元，用于当接收到口罩缺陷的识别请求时，获取待识别的口罩图像，并将所述口罩图像输入到预先训练好的多特征融合卷积神经网络模型中，所述多特征融合卷积神经网络模型包括第一子模型、第二子模型；

空间变换处理单元，用于通过所述第一子模型对所述口罩图像进行空间变换处理，得到对应的第一口罩图像；

图像降维处理单元，用于通过所述第二子模型对所述口罩图像进行降维处理，得到对应的第二口罩图像；

图像融合单元，用于将所述第一子图像和所述第二子图像进行图像融合，得到对应的第三口罩图像；以及