[发明专利]一种物品表面缺陷的检测方法、装置、设备和介质

说明书

本申请实施例公开了一种物品表面缺陷的检测方法、装置、设备和介质，涉及人工智能计算机视觉、深度学习以及云计算领域，具体涉及图像识别技术。具体实现方案为：将待测物品表面图像输入缺陷检测模型，以识别确定缺陷种类；其中，缺陷检测模型为深度学习模型，包括至少两层特征提取网络；提取缺陷检测模型在识别过程中由至少一层特征提取网络输出的中级图像特征；将中级图像特征与预设中级图像特征库中的中级图像特征进行匹配；根据匹配结果对缺陷检测模型确定的缺陷种类进行校正。本申请实施例能够在对新增缺陷种类进行识别时，不需要更新缺陷检测模型，可直接通过预设中级图像特征库对其进行匹配，从而进一步提高了检测效率。

技术领域

本申请实施例涉及人工智能计算机视觉、深度学习以及云计算领域，具体涉及图像识别技术。

背景技术

在生产制造领域中，存在对所制造产生进行表面缺陷检测的需求。以纺织布匹为例，需要对纺织布匹的表面瑕疵进行缺陷检测，且需要对缺陷种类进行区分。

目前所采用的几种缺陷检测方法，对特定种类缺陷检测的针对性强，一旦出现新种类的缺陷，则原有的检测准确性降低，或者需要重新训练深度学习的检测模型才能检测新种类缺陷。这样导致对检测模型的训练成本高，不能及时适应出现新种类缺陷的检测需求。

发明内容

本申请实施例提供了一种物品表面缺陷的检测方法、装置、设备和介质。

根据第一方面，提供了一种物品表面缺陷的检测方法，包括：

将待测物品表面图像输入缺陷检测模型，以识别确定缺陷种类；其中，所述缺陷检测模型为深度学习模型，包括至少两层特征提取网络；

提取所述缺陷检测模型在识别过程中由至少一层特征提取网络输出的中级图像特征；

将所述中级图像特征与预设中级图像特征库中的中级图像特征进行匹配；

根据匹配结果对所述缺陷检测模型确定的缺陷种类进行校正；其中，所述预设中级图像特征库中的中级图像特征是基于标注缺陷种类的物品表面图像，输入所述缺陷检测模型后，从至少一层特征提取网络中提取的特征。

根据第二方面，提供了一种物品表面缺陷的检测装置，包括：

缺陷种类识别模块，用于将待测物品表面图像输入缺陷检测模型，以识别确定缺陷种类；其中，所述缺陷检测模型为深度学习模型，包括至少两层特征提取网络；

图像特征提取模块，用于提取所述缺陷检测模型在识别过程中由至少一层特征提取网络输出的中级图像特征；

图像特征匹配模块，用于将所述中级图像特征与预设中级图像特征库中的中级图像特征进行匹配；

缺陷种类校正模块，用于根据匹配结果对所述缺陷检测模型确定的缺陷种类进行校正；其中，所述预设中级图像特征库中的中级图像特征是基于标注缺陷种类的物品表面图像，输入所述缺陷检测模型后，从至少一层特征提取网络中提取的特征。

根据第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所提供的物品表面缺陷的检测方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所提供的物品表面缺陷的检测方法。

根据本申请的技术提高了物品表面图像的检测效率。