[发明专利]轮毂缺陷识别方法、电子装置、装置及可读存储介质

说明书

本申请涉及一种轮毂缺陷识别方法、电子装置、装置及可读存储介质，方法包括步骤：当监测到轮毂进入到X光检测位置时触发检测信号，基于检测信号采集轮毂的轮毂X光图像；获取深度学习识别模型，并通过深度学习识别模型对轮毂X光图像进行缺陷识别操作，得到识别结果；根据识别结果判断轮毂是否存在缺陷，若轮毂存在缺陷，将识别结果对应的缺陷信息添加到深度学习识别模型的样本库中，并采用样本库更新深度学习识别模型。通过深度学习识别模型对轮毂的缺陷进行识别，同时将识别得到的缺陷信息添加到深度学习识别模型的样本库中，从而使得深度学习识别模型能够进行自主学习，以适应不同类型的轮毂，提高缺陷的检测效率。

技术领域

本申请涉及产品检测领域，尤其涉及一种轮毂缺陷识别方法、电子装置、装置及可读存储介质。

背景技术

在轮毂的生产过程中，设备和操作技术均会影响轮毂的质量，处理不当时，可能使轮毂产生缺陷，如夹渣、裂纹、气孔、缩孔、缩松等，这些缺陷可能会对汽车行驶带来安全隐患。现有技术中，对于轮毂缺陷的识别多采用传统算法进行识别；而由于轮毂会随生产技术的发展而迭代更新，因此，对于新类型的轮毂而言，需要人为对算法进行调整才能进行应用，算法不够自主，识别效率较低。

发明内容

本申请提供了一种轮毂缺陷识别方法、电子装置、装置及可读存储介质，旨在解决现有技术中缺陷识别算法不够自主，同时识别效率较低的技术问题。

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种轮毂缺陷识别方法，所述方法包括步骤：

当监测到轮毂进入到X光检测位置时触发检测信号，基于所述检测信号采集所述轮毂的轮毂X光图像；

获取深度学习识别模型，并通过所述深度学习识别模型对所述轮毂X光图像进行缺陷识别操作，得到识别结果，其中，所述识别结果用于表征所述轮毂的缺陷状态；

根据所述识别结果判断轮毂是否存在缺陷，若所述轮毂存在缺陷，将所述识别结果对应的缺陷信息添加到所述深度学习识别模型的样本库中，并采用所述样本库更新所述深度学习识别模型。

可选地，所述根据所述缺陷识别操作的识别结果判断轮毂是否存在缺陷的步骤包括：

若所述识别结果为轮毂存在缺陷，则将所述轮毂X光图像发送至检测人员终端；

接收所述检测人员终端根据所述轮毂X光图像反馈的判定结果；

根据所述判定结果确定所述轮毂是否存在缺陷。

可选地，所述根据所述缺陷识别操作的识别结果判断轮毂是否存在缺陷的步骤包括：

获取缺陷检测标准；

将所述缺陷检测标准与所述识别结果进行对比操作；

根据所述对比操作的结果判断轮毂是否存在缺陷。

可选地，所述通过所述深度学习识别模型对所述轮毂X光图像进行缺陷识别操作的步骤包括：

获取与所述轮毂X光图像对应的对中样本图像，并截取所述对中样本图像中的对中区域；

将所述轮毂X光图像与所述对中样本图像进行对中操作，以使所述轮毂X光图像中与所述对中区域对应的部分与所述对中区域重合；

通过所述深度学习识别模型对对中操作之后的轮毂X光图像进行缺陷识别。

可选地，所述通过所述深度学习识别模型对所述轮毂X光图像进行缺陷识别操作的步骤包括：

在所述轮毂X光图像中生成感兴趣区域；

通过所述深度学习识别模型对所述感兴趣区域进行缺陷识别操作。