[发明专利]缺陷识别方法、装置和设备在审
申请号: | 201910295343.8 | 申请日: | 2019-04-12 |
公开(公告)号: | CN111833289A | 公开(公告)日: | 2020-10-27 |
发明(设计)人: | 王千;史晓宇;李昊 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/68 |
代理公司: | 北京太合九思知识产权代理有限公司 11610 | 代理人: | 孙明子 |
地址: | 英属开曼群岛大开*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 缺陷 识别 方法 装置 设备 | ||
1.一种缺陷识别方法,包括:
获取目标物体的图像;
在所述图像中识别出所述目标物体的多个部位各自对应的图像区域;
识别所述多个部位各自对应的图像区域中是否存在所述多个部位对应的缺陷类型。
2.根据权利要求1所述的方法,所述图像包括X光图像。
3.根据权利要求1所述的方法,所述多个部位各自对应的图像区域的识别步骤,包括:
从所述图像中截取多个第一图像块,其中,每个第一图像块中包含所述多个部位;
将多个第一图像块依次输入到模型中,以通过所述模型获得所述多个第一图像块各自对应的第一分界点坐标集合,所述第一分界点坐标集合中的各分界点坐标用于分界对应图像块中包含的多个部位;
根据所述多个第一图像块各自对应的分界点坐标集合,确定所述图像对应的第二分界点坐标集合,以由所述第二分界点坐标集合中的分界点坐标界定所述多个部位在所述图像中各自对应的图像区域。
4.根据权利要求3所述的方法,所述模型包括如下网络模型中的任一种:深度神经网络模型、卷积神经网络模型。
5.根据权利要求3所述的方法,所述从所述图像中截取多个第一图像块,包括:
根据设定的图像块数量和所述图像的高度,在所述图像中确定所述多个第一图像块各自的中线位置;
根据设定的图像块高度和所述多个第一图像块各自的中线位置,截取出所述多个第一图像块,其中,每个第一图像块的宽度与所述图像的宽度相等。
6.根据权利要求3所述的方法,还包括所述模型的训练步骤:
获取所述目标物体的样本图像;
从所述样本图像中截取第二图像块,其中,所述第二图像块中包含所述多个部位;
确定所述第二图像块中标记出的第三分界点坐标集合,所述第三分界点坐标集合中的各分界点坐标用于分界所述第二图像块中包含的多个部位;
将所述第二图像块输入到模型中,以通过所述模型获得所述第二图像块对应的第四分界点坐标集合;
根据所述第三分界点坐标集合和所述第四分界点坐标集合,调整所述模型的参数。
7.根据权利要求6所述的方法,所述从所述样本图像中截取第二图像块,包括:
根据设定的图像块数量和所述样本图像的高度,在所述样本图像中确定所述第二图像块的中线位置;
根据设定的图像块高度和所述第二图像块的中线位置,截取出所述第二图像块,其中,所述第二图像块的宽度与所述样本图像的宽度相等。
8.根据权利要求6所述的方法,还包括:
根据所述样本图像的宽度对所述第三分界点坐标集合中的各分界点坐标进行归一化处理。
9.根据权利要求1至8中任一项所述的方法,所述目标物体为汽车轮胎。
10.根据权利要求9所述的方法,所述多个部位对应的缺陷类型包括:结构排列类缺陷、钢丝曲线类缺陷、局部性缺陷。
11.根据权利要求10所述的方法,针对对应于所述结构排列类缺陷的第一部位,根据设定的结构排布特征,识别所述第一部位对应的图像区域中是否存在结构排列类缺陷。
12.根据权利要求10所述的方法,针对对应于所述钢丝曲线类缺陷的第二部位,识别所述第二部位对应的图像区域中的钢丝走向特征,以根据所述钢丝走向特征确定所述第二部位对应的图像区域中是否存在钢丝曲线类缺陷。
13.根据权利要求10所述的方法,针对对应于所述局部性缺陷的第三部位,通过目标检测方式对所述第三部位对应的图像区域进行目标检测,根据检测结果确定所述第三部位对应的图像区域中是否存在局部性缺陷。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910295343.8/1.html,转载请声明来源钻瓜专利网。