[发明专利]标定物品缺陷的方法、装置及电子设备

说明书

本发明实施例提供的一种标定物品缺陷的方法、装置及设备，通过获取待标定图像；待标定图像为存在物品区域的无标签的图像；基于预先训练完成的第一神经网络模型，对待标定图像进行标定处理，得到待标定图像的带有标签的预标定图像；其中，第一神经网络模型为利用多个第一样本图像，进行无监督训练得到的用于标定物品缺陷的模型；第一样本图像的物品区域中的物品不存在缺陷；利用预先训练完成的第二神经网络模型，检测预标定图像是否存在标定异常；第二神经网络模型为利用多个第二样本图像和每个第二样本图像的标签，进行有监督训练得到的模型；如果不存在标定异常，基于预标定图像，确定所标定图像的标定图像。本方案可以提升缺陷标定的效率。

技术领域

本发明涉及缺陷检测技术领域，特别是涉及一种标定物品缺陷的方法、装置及电子设备。

背景技术

在物品的质量管理中，可以利用缺陷检测技术对物品表面的缺陷进行检测。具体的，可以预先利用多个样本图像以及每个样本图像中物品缺陷的标定结果，进行有监督的训练得到神经网络模型，进而将待检测物品的表面图像输入所得到的神经网络模型，得到待检测物品表面的缺陷检测结果。其中，样本图像中的物品与待检测物品的物品类型相同，例如，待检测物品为布匹，样本图像中的物品也为布匹。可见，对样本图像进行缺陷的标定对于缺陷检测而言，至关重要。

相关技术中，可以由人工观测样本图像中物品的缺陷，并对存在缺陷的区域进行标定。示例性的，如图1(a)和图1(b)所示，人工观测到某一布匹的待标定图像图1(a)存在区域101中的缺陷：错纱，对该缺陷进行标定，得到标定结果图1(b)，其中区域102中的黑色实线为错纱缺陷的标定区域。

但是，在具体应用中，上述样本图像的数量往往是大量的，人工对样本图像进行缺陷的标定时，需要进行大量的人工观测以及标定的过程，导致缺陷的标定效率相对而言较低的问题。

发明内容

本发明实施例的目的在于提供一种标定物品缺陷的方法、装置及电子设备，以实现提升缺陷的标定效率的效果。具体技术方案如下：

第一方面，本发明实施例提供了一种标定物品缺陷方法，该方法包括：

获取待标定图像；所述待标定图像为存在物品区域的无标签的图像；

基于预先训练完成的第一神经网络模型，对所述待标定图像进行标定处理，得到所述待标定图像的带有标签的预标定图像；其中，所述第一神经网络模型为利用多个第一样本图像，进行无监督训练得到的、用于标定物品缺陷的模型；所述第一样本图像的物品区域中的物品不存在缺陷；

利用预先训练完成的第二神经网络模型，检测所述预标定图像是否存在标定异常；其中，所述第二神经网络模型用于识别所述预标定图像中是否存在对于物品缺陷的标定异常，且所述第二神经网络模型为利用多个第二样本图像和每个第二样本图像的标签，进行有监督训练得到的模型；

如果不存在标定异常，基于所述预标定图像，确定所述待标定图像的标定图像。

第二方面，本发明实施例提供了一种标定物品缺陷的装置，该装置包括：

图像获取模块，用于获取待标定图像；所述待标定图像为存在物品区域的无标签的图像；

预标定模块，用于基于预先训练完成的第一神经网络模型，对所述待标定图像进行标定处理，得到所述待标定图像的带有标签的预标定图像；其中，所述第一神经网络模型为利用多个第一样本图像，进行无监督训练得到的、用于标定物品缺陷的模型；所述第一样本图像的物品区域中的物品不存在缺陷；

标定异常检测模块，用于利用预先训练完成的第二神经网络模型，检测所述预标定图像是否存在标定异常；其中，所述第二神经网络模型用于识别所述预标定图像中是否存在对于物品缺陷的标定异常，且所述第二神经网络模型为利用多个第二样本图像和每个第二样本图像的标签，进行有监督训练得到的模型；