[发明专利]辅料检测方法、装置、电子设备及存储介质

权利要求书

1.一种辅料检测方法，其特征在于，所述方法包括：

基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像；

确定所述特征图像中的辅料对应的特征映射空间；

在所述辅料对应的特征映射空间中，确定所述辅料的瑕疵类型。

2.根据权利要求1所述的方法，其特征在于，所述基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像，包括：

对所述待测图像和所述模板图像进行特征提取；

获取所述待测图像中没有辅料的局部区域以及所述模板图像中与所述没有辅料的局部区域的对应区域的匹配特征点；

基于所述匹配特征点将所述待测图像与所述模板图像进行对齐，将对齐后的特征提取图像作为所述特征图像。

3.根据权利要求1所述的方法，其特征在于，在所述确定所述特征图像中的辅料对应的特征映射空间之前，所述方法还包括：

基于预先采集的多种辅料的数据，采用指定类型的网络进行特征学习并生成所述辅料对应的特征映射空间，所述指定类型的网络包括：ResNet50网络。

4.根据权利要求1或3所述的方法，其特征在于，所述确定所述特征图像中的辅料对应的特征映射空间，包括：

基于注意力机制确定所述特征图像中与所述辅料对应的相关区域；

将所述辅料对应的相关区域的嵌入空间作为所述辅料对应的所述特征映射空间。

5.根据权利要求1所述的方法，其特征在于，所述确定所述辅料的瑕疵类型，包括：

在所述辅料对应的特征映射空间中，提取所述辅料所处的局部区域的深度特征；

在所述深度特征与所述模板图像中对应区域的特征相似度大于或等于预设阈值时，确定所述辅料无瑕疵；

在所述深度特征与所述模板图像中对应区域的特征相似度小于所述预设阈值时，采用多种辅料瑕疵类型划分组合方式确定所述辅料的瑕疵类型。

6.根据权利要求5所述的方法，其特征在于，所述采用多种辅料瑕疵类型划分组合方式确定所述辅料的瑕疵类型，包括：

在所述辅料对应的特征映射空间中，采用基于深度学习的图像分类方式判定所述辅料是否存在辅料瑕疵类型中的漏贴、多贴、翘起和/或粘连气泡；

在所述辅料对应的特征映射空间中，采用基于深度学习的图像语义分割技术以及规则辅助的方式判定所述辅料是否存在辅料瑕疵类型中的歪斜、偏移和/或破损。

7.根据权利要求6所述的方法，其特征在于，所述在所述辅料对应的特征映射空间中，采用基于深度学习的图像语义分割技术以及规则辅助的方式判定所述辅料是否存在辅料瑕疵类型中的歪斜、偏移和/或破损，包括：

在所述辅料对应的特征映射空间中，基于Deeplab语义分割网络训练获得语义分割模型；

通过所述语义分割模型求取分割出的所述辅料的掩模的面积与所述模板图像对应区域的面积之比，基于所述面积之比进行歪斜、偏移和/或破损等辅料瑕疵类型判定。

8.一种辅料检测装置，其特征在于，所述装置包括：

特征匹配模块，用于基于待测图像中没有辅料的局部区域，对所述待测图像与模板图像进行特征匹配，获得特征图像；

特征映射空间确定模块，用于确定所述特征图像中的辅料对应的特征映射空间；

瑕疵类型判定模块，用于在所述辅料对应的特征映射空间中，确定所述辅料的瑕疵类型。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行权利要求1－7中任一项所述方法中的步骤。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器运行时，执行权利要求1－7任一项所述方法中的步骤。