[发明专利]一种基于人工智能的物体鉴别方法、装置和可读存储介质

说明书

本发明公开了一种基于人工智能的物体鉴别方法、装置和可读存储介质，包括：获取第一影像，其中所述第一影像中包含待鉴别物体；将所述第一影像输入已预先训练的模型，生成第二影像，所述第二影像中包含修复后物体，所述第二影像中所述修复后物体与所述第一影像中所述待鉴别物体表征的成像条件相同或相近，所述修复后物体表征所述待鉴别物体上的缺陷已修复；基于所述第一影像和所述第二影像，确定所述待鉴别物体是否存在缺陷。由此，本方案针对每一个第一影像生成成像条件相同或者相近的第二影像，使用时，将第二影像作为对比模板来判断第一影像中的待鉴别物体是否存在缺陷，可提高待鉴别物体是否完好的准确性，提升良品率。

技术领域

本发明涉及物体鉴别技术领域，尤其涉及一种基于人工智能的物体鉴别方法、装置和可读存储介质。

背景技术

在实体制造业中，往往利用产品图像来判断该产品是否存在缺陷，具体做法是将产品图像与产品模板图像做图像对比，根据对比结果来判断该产品是否存在缺陷。

但实际应用中，针对同一批产品，所拍摄的产品图像往往是不同的，若将不同外观的产品图像与同一个产品模板图像进行对比，容易造成将本无缺陷的产品被误判成有缺陷的，错误率高。

发明内容

本发明实施例提供了一种基于人工智能的物体鉴别方法、装置和可读存储介质，用于提升待鉴别物体是否存在缺陷的准确率。

本发明一方面提供一种基于人工智能的物体鉴别方法，所述方法包括：获取第一影像，其中所述第一影像中包含待鉴别物体；将所述第一影像输入已预先训练的模型，生成第二影像，所述第二影像中包含修复后物体，所述第二影像中所述修复后物体与所述第一影像中所述待鉴别物体表征的成像条件相同或相近，所述修复后物体表征所述待鉴别物体上的缺陷已修复；基于所述第一影像和所述第二影像，确定所述待鉴别物体是否存在缺陷。

在一可实施方式中,所述模型为GAN模型，所述模型训练过程为：将多个影像样本输入于所述GAN模型中进行训练，其中所述多个影像样本均为无缺陷的样本。

在一可实施方式中，所述GAN模型应用基于绝对误差算法的损失函数。

在一可实施方式中，所述基于所述第一影像和所述第二影像，确定所述待鉴别物体是否存在缺陷，包括：将所述第一影像和第二影像输入基于深度学习的匹配网络中进行比对，输出用于表征所述待鉴别物体是否存在缺陷的比对结果。

在一可实施方式中，所述将所述第一影像和第二影像输入基于深度学习的匹配网络中进行比对，包括：识别并获取所述第一影像中的待鉴别物体以及所述第二影像中的修复后物体；将所识别得到的待鉴别物体和修复后物体输入所述匹配网络中进行比对。

在一可实施方式中，所述匹配网络为孪生网络。

在一可实施方式中，所述第一影像和第二影像包括图像、视频和3D模型。

在一可实施方式中，所述成像条件的要素包括所述影像的拍摄距离、拍摄角度和拍摄光照以及物体在所述影像中的位置。

本发明另一发面提供一种基于人工智能的物体鉴别装置，所述装置包括：数据获取模块，用于获取第一影像，其中所述第一影像中包含待鉴别物体；数据生成模块，用于将所述第一影像输入已预先训练的模型，生成第二影像，所述第二影像中包含修复后物体，所述第二影像中所述修复后物体与所述第一影像中所述待鉴别物体表征的成像条件相同或相近，所述修复后物体表征所述待鉴别物体上的缺陷已修复；数据鉴别模块，用于基于所述第一影像和所述第二影像，确定所述待鉴别物体是否存在缺陷。

本发明另一方面提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任一项所述的基于人工智能的物体鉴别方法。