[发明专利]物体缺陷检测方法、装置、电子设备和存储介质

说明书

本发明公开了一种物体缺陷检测方法、装置、电子设备和存储介质。其中，方法包括：获取不同缺陷尺度的物体图像；对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。采用本发明提供的方案能提高物体缺陷检测过程中极端尺度的缺陷的检测效果，以及提高检测性能。

技术领域

本发明涉及缺陷识别技术领域，尤其涉及一种物体缺陷检测方法、装置、电子设备和存储介质。

背景技术

目前，对于热轧带钢表面的缺陷，常采用基于卷积神经网络的骨干网络加上改进的特征融合的识别模型来对采集到的图片进行检测以识别缺陷。但由于金属内部极大尺度缺陷和极小尺度缺陷的尺寸相差超过40倍，面积相差超过1600倍，且卷积神经网络本身并不具有尺度不变性，使用特征融合的方式带来的尺度不变性只是利用深度神经网络的强大拟合能力勉强达到多尺度检测的效果。因此，上述检测方式中，极大尺度缺陷和极小尺度缺陷的检测效果差，网络训练过程中强制拟合极端尺度缺陷导致性能损失。

发明内容

为解决缺陷检测过程中极端尺度缺陷检测效果差，以及强制拟合极端尺度导致全尺度缺陷检测性能低的技术问题，本发明实施例提供一种物体缺陷检测方法、装置、电子设备和存储介质。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种物体缺陷检测方法，方法包括：

获取不同缺陷尺度的物体图像；

对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像；

根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果。

上述方案中，所述对所述物体图像进行绝对尺度和相对尺度的尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：

确定所述物体图像缺陷尺度的尺度类型；所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；

根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像。

上述方案中，所述根据所述尺度类型，采用对应的绝对尺度和相对尺度的尺度变换方式对所述物体图像进行尺度变换，获得缺陷尺度在预设尺度范围内的第一物体图像包括：

当所述尺度类型为第一尺度时，按照预设第一比例对所述物体图像进行缩放；在缩放后的所述物体图像的四周补入预设数量的补位图像；将补入补位图像后的图像作为第一物体图像；

当所述尺度类型为第二尺度时，将所述物体图像作为第一物体图像；

当所述尺度类型为第三尺度时，对所述物体图像进行多次局部图像的截取，将多次截取后的局部图像按照预设第二比例进行放大，将放大后的局部图像作为第一物体图像。

上述方案中，所述根据所述第一物体图像的缺陷尺度，利用预设识别模型对所述第一物体图像进行检测识别，获得所述物体图像的缺陷检测结果包括：

对所述第一物体图像进行特征提取；

确定所述第一物体图像的缺陷的尺度类型；其中，所述尺度类型包括第一尺度、第二尺度或第三尺度，其中，所述第一尺度大于或等于第一预设阈值、第二尺度小于第一预设阈值且大于第二预设阈值，第三尺度小于或等于第二预设阈值；