[发明专利]一种检测方法、装置、计算机设备和存储介质

说明书

本公开提供了一种检测方法、装置、计算机设备和存储介质，其中，该方法包括：获取第一目标图像；第一目标图像包括待测对象；利用训练好的目标神经网络，提取第一目标图像的目标图像特征；基于目标图像特征和目标类别对应的特征分布信息，确定待测对象与目标类别之间的匹配程度；基于匹配程度，确定待测对象是否为目标类别的对象。本公开实施例将利用训练好的目标神经网络提取的目标图像特征，与特征分布信息进行比对，能够准确地计算出目标图像特征服从目标类别的对象对应的特征分布的概率，基于此概率，能够较为准确地确定待测对象与目标类别之间的匹配程度，进而能够较为准确地确定出待测对象是否为目标类别的对象，有效提高了检测精度。

技术领域

本公开涉及神经网络技术领域，具体而言，涉及一种检测方法、装置、计算机设备和存储介质。

背景技术

矿井中用于传输煤矿的方式一般为皮带传输，由于自然因素或者人为因素的影响，会导致传送带上偶尔存在非煤矿的异物，比如铁杆和矿泉水瓶等，这些传送带上的异物会降低煤矿传输的效率，损害加工仪器，甚至会导致皮带被撕裂，威胁到矿井人员安全等，因此，如何准确的检测出皮带上的非煤矿的异物，是本领域技术人员亟待解决的问题。

发明内容

本公开实施例至少提供一种检测方法、装置、计算机设备和存储介质。

第一方面，本公开实施例提供了一种检测方法，包括：

获取第一目标图像；所述第一目标图像包括待测对象；

利用训练好的目标神经网络，提取所述第一目标图像的目标图像特征；

基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度；

基于所述匹配程度，确定所述待测对象是否为所述目标类别的对象。

这里，目标类别对应的特征分布信息可以是经过训练好的神经网络对包括目标类别的对象的图像提取得到的，例如，可以是上述训练好的目标神经网络提取得到的，其能够准确地反映目标类别的对象对应的图像特征的分布状况。将利用训练好的目标神经网络提取第一目标图像的目标图像特征，与上述特征分布信息进行比对，能够准确地计算出目标图像特征服从目标类别的对象对应的特征分布的概率，基于此概率，能够较为准确地确定待测对象与目标类别之间的匹配程度，进而能够较为准确地确定出待测对象是否为目标类别的对象，有效提高了检测精度。

一种可选的实施方式中，所述特征分布信息包括预设概率分布；

所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：

确定所述目标图像特征与所述预设概率分布的匹配程度，并将确定的匹配程度作为所述待测对象与所述目标类别之间的匹配程度。

该实施方式中，由于预设概率分布能够准确地反映目标类别的对象的图像特征的分布，因此，通过计算目标图像特征服从预设概率分布的分布概率，能够较为准确地确定目标图像特征与预设概率分布的匹配程度，进而能够较为准确地确定该目标图像特征对应的待测对象与目标类别之间的匹配程度。

一种可选的实施方式中，所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：

基于所述目标图像特征，生成第二目标图像；所述第二目标图像与所述第一目标图像的规格相同；

确定所述第一目标图像与所述第二目标图像之间的图像相似度；

基于所述目标图像特征、所述目标类别对应的特征分布信息和所述图像相似度，确定所述待测对象与所述目标类别之间的匹配程度。