[发明专利]图像缺陷分类方法、装置及电子设备

权利要求书

1.一种图像缺陷分类方法，其特征在于，包括：

针对待进行缺陷检测的目标图像进行缩放处理，得到与所述目标图像对应的缩略图，以便于利用骨架网络中的粗特征提取分支对所述缩略图进行特征粗提取，得到粗特征；

基于提取到的所述粗特征，通过反向梯度的方式得到所述目标图像对应的热力图，以便于基于所述热力图对所述目标图像上存在的缺陷进行定位，并基于定位得到的缺陷位置从所述目标图像上裁剪缺陷子图；

利用所述骨架网络中的细特征提取分支，对所述缺陷子图进行特征提取，得到所述目标图像的细特征；

通过分支特征权重调节器，对所述粗特征和所述细特征进行权值调整，得到最终的目标特征，所述目标特征用于输入到集成分类器，以便于在所述集成分类器中对所述目标图像的缺陷类别进行预测；其中

所述基于提取到的所述粗特征，通过反向梯度的方式得到所述目标图像对应的热力图，包括：

根据预测类别和标签的损失函数、以及提取的粗特征，通过引导式反向传播求得梯度；

由三维梯度可视化方式将梯度转化为热力图。

2.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述针对待进行缺陷检测的目标图像进行缩放处理，得到与所述目标图像对应的缩略图，包括：

获取目标图像的原始尺寸以及进行缩放处理的目标尺寸；

基于所述原始尺寸和所述目标尺寸，对所述目标图像进行缩放处理，得到缩略图。

3.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述利用骨架网络中的粗特征提取分支对所述缩略图进行特征粗提取，得到粗特征，包括：

将所述缩略图输入到骨架网络中的粗特征提取分支中；

在粗特征提取分支中，对所述缩略图进行全图的前景和背景的特征提取，得到粗特征。

4.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述基于定位得到的缺陷位置从所述目标图像上裁剪缺陷子图，包括：

以缺陷位置为中心，按照预设的裁剪尺寸对所述目标图像进行裁剪处理，得到与所述缺陷位置对应的缺陷子图。

5.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述利用所述骨架网络中的细特征提取分支，对所述缺陷子图进行特征提取，得到所述目标图像的细特征，包括：

将所述缺陷子图输入到所述骨架网络中的细特征提取分支中；

在所述骨架网络中的细特征提取分支的网络层中提取所述目标图像的细特征。

6.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述通过分支特征权重调节器，对所述粗特征和所述细特征进行权值调整，包括：

利用分支特征权重调节器，进行粗特征分支特征和细特征分支的权重控制；

在模型训练阶段，随着训练周期的变化，实现训练前期粗特征分支特征权重大、细特征分支权重小。

7.根据权利要求1所述的图像缺陷分类方法，其特征在于，所述在所述集成分类器中对所述目标图像的缺陷类别进行预测，包括：

配置自适应权重参数α，通过适应器根据当前训练周期的数目自动生成，通过预设的衰减函数进行粗特征和细特征的调节，再通过分类器的累加集合，进行缺陷类别的预测；

自适应权重参数α是渐变式地从1变为0，逐渐减小，确保整个训练过程中，粗特征分支和细特征分支同时维持学习状态，让整个网络模型在训练前期依靠粗特征分支进行缺陷粗分类和热力图缺陷定位，在训练后期依靠细特征分支进行缺陷定位和细分类，实现无需人工标注的通过热力图自动缺陷定位的精细化缺陷分类模型。