[发明专利]损伤检测方法、装置、电子设备及介质

说明书

本发明涉及人工智能领域，揭露一种损伤检测方法，包括：对原始损伤图像集去噪得到标准图像集；对标准图像集进行特征处理得到特征图集；利用所述特征图集训练多个图像生成模型，将所述原始损伤图像集输入所述图像生成模型，得到损伤图像训练集及损伤特征标记图像训练集；利用所述损伤图像训练集和所述损伤特征标记图像训练集训练目标部位损伤检测模型，并利用所述目标部位损伤检测模型对待检测损伤图像检测，得到损伤类型。此外，本发明还涉及区块链技术，用于模型训练以及检测的数据可存储于区块链中。本发明还提出一种损伤检测装置、电子设备以及计算机可读存储介质。本发明可以解决目标部位损伤数据过少导致的模型训练不准确的问题。

技术领域

本发明涉及人工智能领域，尤其涉及一种损伤检测方法、装置、电子设备 及计算机可读存储介质。

背景技术

近几年，随着计算机视觉技术和深度学习技术的发展和突破，逐渐出现了 一些代替了人工作业的物体智能检测模型。然而，车辆等物体损伤的检测会存 在错综复杂、形态各异等特点，而且不同物体的部件类型、材质以及形状的不 同，使得损伤检测也会产生各种变化，使用单一模型，很难应对各种情况的损 伤。为了解决该问题，目前业内经常按物体部位进行分类，构建不同部位的检 测模型。每一个部位的检测模型都需要该部位的足量的损伤数据进行模型训练。 但是，现实生活中，不同部位发生损伤的可能性存在严重不平衡，例如，车辆 的车顶损伤的可能性远远小于前后保险杠和车门损伤的可能性，这将导致车顶损伤的图像数据较少，进而导致车顶损伤检测模型的训练数据不足从而影响模 型准确率。

发明内容

本发明提供一种损伤检测方法、装置、电子设备及计算机可读存储介质， 其主要目的在于解决了目标部位损伤数据过少导致的模型训练不准确的问题。

为实现上述目的，本发明提供的一种损伤检测方法，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。

可选地，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。

可选地，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。

可选地，所述对所述标准图像集中的图像进行网格划分，包括：