[发明专利]损伤检测方法、装置、电子设备及介质在审
申请号: | 202010361297.X | 申请日: | 2020-04-30 |
公开(公告)号: | CN111652209A | 公开(公告)日: | 2020-09-11 |
发明(设计)人: | 赵霄鸿;刘莉红;刘玉宇 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/46;G06T5/00;G06K9/62;G06N3/04;G06N3/08;G06Q40/08 |
代理公司: | 深圳市沃德知识产权代理事务所(普通合伙) 44347 | 代理人: | 高杰;于志光 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 损伤 检测 方法 装置 电子设备 介质 | ||
1.一种损伤检测方法,其特征在于,所述方法包括:
获取原始损伤图像集,其中,所述原始损伤图像集包括目标部位损伤图像集和非目标部位损伤图像集;
对所述原始损伤图像集进行去噪处理,得到标准图像集;
对所述标准图像集中的图像进行网格划分,得到划分组合图像集,并对所述划分组合图像集进行特征提取,得到特征图集;
利用所述特征图集训练预构建的第一生成式对抗网络模型;
对所述特征图集进行损伤特征类型标记,得到损伤特征类型标记图像集,利用所述损伤特征类型标记图像集训练预构建的第二生成式对抗网络模型;
将所述目标部位损伤图像集输入至所述第一生成式对抗网络模型,得到目标部位损伤图像训练集,及将所述目标部位损伤图像集输入至所述第二生成式对抗网络模型,得到目标部位损伤特征标记图像训练集;
利用所述目标部位损伤图像训练集和所述目标部位损伤特征标记图像训练集训练预构建的目标部位损伤检测模型;
利用所述目标部位损伤检测模型对待检测损伤图像进行检测,得到待检测损伤图像的损伤类型。
2.如权利要求1所述的损伤检测方法,其特征在于,所述对所述原始损伤图像集进行去噪处理,得到标准图像集,包括:
将预构建的两个噪声统计器的差值乘以预设的倍数组成卷积核,利用所述卷积核对所述原始损伤图像集中的每个图像进行卷积操作,得到图像噪声值;
将所述原始损伤图像集中图像噪声值大于预设门限值的图像删除,得到所述标准图像集。
3.如权利要求2所述的损伤检测方法,其特征在于,所述图像噪声值的计算公式如下:
其中W,H分别为所述原始损伤图像集中图像的宽和高,imageI为所述原始损伤图像集中第I个图像,I(x,y)为第I个图像的像素坐标,N表示所述卷积核。
4.如权利要求1所述的损伤检测方法,其特征在于,所述对所述标准图像集中的图像进行网格划分,包括:
采用尺度维度Mi和横宽比维度Mj对所述标准图像集中的图像进行网格划分。
5.如权利要求4所述的损伤检测方法,其特征在于,所述利用所述特征图集训练预构建的第一生成式对抗网络模型,包括:
对所述特征图集进行分类组合,得到目标部位特征图扩展组合和非目标部位特征图扩展组合;
将所述特征图集根据尺度维度Mi进行分类,得到不同尺度维度的特征图集F(Mi);
根据所述特征图集F(Mi)、所述目标部位特征图扩展组合及所述非目标部位特征图扩展组合构建特征图损伤函数,利用所述特征图损伤函数对所述第一生成式对抗网络模型进行训练,得到所述第一生成式对抗网络模型的图像损伤值;
当所述计算出来的损伤值小于第一预设阈值时,所述第一生成式对抗网络模型完成训练。
6.如权利要求5的损伤检测方法,其特征在于,所述特征图损伤函数为:
其中,代表不同尺度维度的特征图损失值,f(Mi)为尺度为Mi的特征图集F(Mi)中的图像,ZS为所述第一生成式对抗网络模型中生成网络生成的特征图像,DX表示第一生成式对抗网络模型中的判别网络判断图像真实概率的函数,表示非目标部位特征图扩展组合的期望,表示目标部位特征图扩展组合的期望。
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平安科技(深圳)有限公司,未经平安科技(深圳)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/202010361297.X/1.html,转载请声明来源钻瓜专利网。