[发明专利]一种缺陷检测语义分割模型建模方法、装置、介质及设备

权利要求书

1.一种工件缺陷检测的语义分割模型建模方法，其特征在于，包括如下步骤：

获取训练用的多组原始工件点云数据，所述工件为包含指定缺陷种类的工件；

基于所述原始工件点云数据确定每个工件的缺陷合成图像：将所述原始工件点云数据转换为二维深度图；基于所述二维深度图分别获取第一梯度图Scale1与第二梯度图Scale2；基于三通道合成所述二维深度图、所述Scale1、所述Scale2以获取所述缺陷合成图像；

获取所述工件对应的缺陷标注Label图像：

构建语义分割模型，基于多组所述工件缺陷合成图像以及对应的所述缺陷标注Label图像训练并迭代所述语义分割模型参数后获取收敛的语义分割模型；

固化模型层与对应权重为pb文件，导出所述pb文件作为工件缺陷图像对应的深度学习pb模型文件。

2.根据权利要求1所述的语义分割模型建模方法，其特征在于，基于Sobel算子获取所述二维深度图对应下的第一梯度图Scale1；

和/或，基于Laplace算子获取所述二维深度图对应下的第二梯度图Scale2。

3.根据权利要求1所述的语义分割模型建模方法，其特征在于，经由三维点云投射函数将所述原始工件点云数据转换为二维深度图。

4.根据权利要求1所述的语义分割模型建模方法，其特征在于，基于所述原始工件点云数据确定所述缺陷标注Label图像，包括删除所述原始工件点云数据中的缺陷区域点云后另存为新工件点云数据；对所述新工件点云数据与所述原始工件点云数据进行差值计算，获取工件缺陷区域点云数据；合并所述工件缺陷区域点云数据与所述新工件点云数据以获取工件缺陷图像数据；标注所述工件缺陷图像数据以获取的缺陷标注Label图像。

5.根据权利要求4所述的语义分割模型建模方法，其特征在于，经由Matlab对新工件点云数据与原始工件点云数据进行差值后获取所述工件缺陷区域点云数据。

6.根据权利要求1所述的语义分割模型建模方法，其特征在于，所述语义分割模型包括顺次连接的特征提取网络以及特征预测网络；

所述特征提取网络用于缺陷区域发生位置的预测，其包括特征提取层、特征压缩层、特征压平层以及特征分类层；根据所述特征提取层对所述图像数据进行特征提取，获取所述图像数据的特征图；根据所述特征压缩层对所述特征图进行压缩并输出所述特征图的特征向量；

根据所述特征压平层对所述特征向量进行卷积核分解并输出所述特征图的枚举向量；将所述枚举向量输入至所述特征分类层中以对不同类型的缺陷进行独立预测并获取缺陷区域位置；

所述特征预测网络用于对所述特征提取网络确定的缺陷区域内每个像素点进行分类，对所述缺陷区域定位与分割后输出所述工件的缺陷预测Label图 。

7.根据权利要求6所述的语义分割模型建模方法，其特征在于，所述特征提取网络中，所述特征提取层包括多个依次连接的卷积层；所述特征压缩层包括多个交替设置的卷积层与池化层；所述特征压平层包括多个一维卷积层；所述特征分类层包括多个全连接层；

和/或，所述特征预测网络包括依次连接的多个池化层以及一个全连接层。