[发明专利]一种检测方法、计算机设备、存储介质

说明书

本申请实施例公开了一种检测方法。所述方法包括：将对象图片输入瑕疵检测网络的主干网络进行特征提取，得到特征数据，将特征数据输入所述瑕疵检测网络的多个分支网络，根据特征数据，由多个分支网络分别检测所述对象图片上不同类别的瑕疵，输出瑕疵检测结果，使得神经网络的每个分支可以有针对性的单独检测一个类别的瑕疵，避免神经网络同时学习多种瑕疵形态时检测精度低的问题，另一方面也比采用多个神经网络进行检测所耗费的计算资源更少，在耗费同等的计算资源的情况下，提高了瑕疵检测的精确度和效率。

技术领域

本申请涉及数据处理技术领域，具体涉及一种检测方法、一种计算机设备、一种计算机可读存储介质。

背景技术

随着工业自动化的不断升级，对于人工智能在工业领域的应用提出了越来越高的要求。在工业图像瑕疵检测领域，瑕疵形态繁多，不同瑕疵之间的形态差异参差不齐，比如有些瑕疵之间形态比较相似，有些瑕疵之间形态差异较大。工业瑕疵的这个特点，是瑕疵检测分类面临的一大难题。

众所周知，不同形态的瑕疵对业务方面的影响程度不同，所以客户对瑕疵分类的准确率要求比较高，如果瑕疵类别分错，会造成两个方面的损失：第一，影响大的瑕疵误检成影响小的瑕疵，会在产品使用过程中出现预料不到的严重问题，给下游客户造成严重损失，引起下游客户的投诉；第二，影响小的瑕疵误检成影响大的瑕疵，造成产品定价偏低，将产品以低价售出，造成客户收入损失。

申请人经研究发现，当检测对象的瑕疵形态较多，不同形态瑕疵之间的形态差异参差不齐时，能够比较好的实现差异大的瑕疵之间的区分，但是形态差异相似的瑕疵之间容易出现分类错误，存在检测精度低和检测效率不高的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的检测方法、以及计算机设备、计算机可读存储介质。

依据本申请的一个方面，提供了一种检测方法，包括：

将对象图片输入瑕疵检测网络的主干网络进行特征提取，得到特征数据；

将所述特征数据输入所述瑕疵检测网络的多个分支网络；

根据所述特征数据，由所述多个分支网络分别检测所述对象图片上不同类别的瑕疵，输出瑕疵检测结果。

可选地，所述多个分支网络分别采用针对对象图片样本标记的不同类别的样本瑕疵数据训练得到。

可选地，在所述将对象图片输入瑕疵检测网络的主干网络进行特征提取，得到特征数据之前，所述方法还包括：

将对象图片样本输入所述主干网络进行特征提取，得到样本特征数据，并将所述样本特征数据输出至所述多个分支网络；

采用针对所述对象图片样本标记的不同类别的样本瑕疵数据训练所述主干网络和多个分支网络，得到所述瑕疵检测网络。

可选地，所述采用针对所述对象图片样本标记的不同类别的样本瑕疵数据训练所述主干网络和多个分支网络，得到所述瑕疵检测网络包括：

对所述多个分支网络输出的样本瑕疵检测结果分别和对应的样本瑕疵数据进行比较，得到所述多个分支网络的样本差异数据，其中，一个分支网络对应于一个类别的样本瑕疵数据；

根据所述多个分支网络的样本差异数据，修正对应的分支网络以及所述主干网络。

可选地，所述样本瑕疵数据包括样本瑕疵的子类别，在所述对所述多个分支网络输出的样本瑕疵检测结果分别和对应的样本瑕疵数据进行比较，得到所述多个分支网络的样本差异数据之前，所述方法还包括：

根据所述样本瑕疵的子类别所属的父类别，确定所述样本瑕疵数据对应的类别。