[发明专利]训练缺陷分级检测模型的方法、装置、设备及存储介质

说明书

本发明实施例提供了一种训练缺陷分级检测模型的方法、装置、设备及存储介质。该方法包括：获取样本图像；将样本图像输入预设的缺陷分级检测模型；利用缺陷分级检测模型中的分类分支网络和分级分支网络对样本图像进行缺陷分级检测，得到样本图像中缺陷的类别、位置和级别的预测值；利用缺陷分级检测模型中的聚类分支网络对样本图像进行处理得到样本图像中缺陷级别的伪标签，并将为标签作为样本图像中缺陷级别的真值；根据缺陷类别、位置、级别的预测值和真值训练预设的缺陷分级检测模型，得到目标缺陷分级检测模型。根据本发明实施例可以获得能够进行缺陷级别检测的模型，且训练过程中无需进行缺陷级别的标注。

技术领域

本发明属于工业表面缺陷检测技术领域，尤其涉及一种训练缺陷分级检测模型的方法及装置、缺陷分级检测装置及方法、计算设备及计算机存储介质。

背景技术

随着神经网络技术的发展和应用，目前工业表面缺陷检测已经开始利用训练的检测模型进行缺陷定位和分类，并取得了很好的效果。然而，对于工业表面缺陷检测而言，人们不仅关注缺陷的类别和位置，还关注缺陷的等级。目前的检测模型不能很好地完成缺陷级别的检测。

发明内容

本发明实施例提供一种训练缺陷分级检测模型的方法及装置、缺陷分级检测方法及装置、计算设备及计算机存储介质，能够获得能够进行缺陷级别检测的模型，且训练过程中无需进行缺陷级别的标注，克服了人工标注工作量大准度低的痛点。

第一方面，本发明实施例提供一种训练缺陷分级检测模型的方法，该方法包括：

获取样本图像，所述样本图像包括缺陷位置和类别的标注信息；

将所述样本图像输入预设的缺陷分级检测模型，所述缺陷分级检测模型包括用于获取缺陷的类别和位置的分类分支网络，用于获取缺陷的级别的分级分支网络，以及用于生成缺陷级别伪标签的聚类分支网络；

利用所述缺陷分级检测模型中的分类分支网络和分级分支网络对所述样本图像进行缺陷分级检测，得到所述样本图像中缺陷的预测类别、预测位置和预测级别；

利用所述缺陷分级检测模型中的聚类分支网络对所述样本图像进行处理得到所述样本图像中缺陷级别的伪标签，并将所述为标签作为所述样本图像中缺陷级别的真值；

根据所述样本图像的缺陷的所述预测类别、预测位置、预测级别以及所述样本图像中缺陷位置和类别的所述标注信息、所述样本图像中缺陷级别的伪标签训练所述预设的缺陷分级检测模型，得到目标缺陷分级检测模型。

第二方面，本发明实施例提供了一种陷分级检测方法，该方法包括：

获取待进行缺陷检测的目标图像；

利用第一方面的方法训练的目标缺陷分级检测模型对所述目标图像进行缺陷分级检测，得到所述目标图像中缺陷的预测类别、预测位置和预测级别；

根据所述目标图像中缺陷的预测类别和预测位置，以及预测级别确定目标图像的缺陷信息。

第三方面，本发明实施例提供了一种训练缺陷分级检测模型的装置，该装置包括：

样本获取模块，用于获取样本图像，所述样本图像包括缺陷位置和类别的标注信息；

输入模块，用于将所述样本图像输入预设的缺陷分级检测模型，所述缺陷分级检测模型包括用于获取缺陷的类别和位置的分类分支网络，用于获取缺陷的级别的分级分支网络，以及用于生成缺陷级别伪标签的聚类分支网络；

第一预测模块，用于利用所述缺陷分级检测模型中的分类分支网络和分级分支网络对所述样本图像进行缺陷分级检测，得到所述样本图像中缺陷的预测类别、预测位置和预测级别；

第二预测模块，用于利用所述缺陷分级检测模型中的聚类分支网络对所述样本图像进行处理得到所述样本图像中缺陷级别的伪标签，并将所述为标签作为所述样本图像中缺陷级别的真值；