[发明专利]一种缺陷检测方法、装置、电子设备和存储介质

权利要求书

1.一种缺陷检测方法，其特征在于，包括：

获取已标注的图像样本，建立数据集，所述图像样本由两个图像块组成且所述图像样本的标注为同类或不同类，所述图像块具有基于多个颜色空间确定的特征向量；

构建基于打分网络的缺陷检测模型结构；

根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型；

获取待检测的木板照片，所述木板照片基于所述多个颜色空间确定每个像素点的特征向量；

根据所述缺陷检测模型，获取所述木板照片每个像素点的量化分数；

根据每个像素点的所述量化分数，识别木板的缺陷。

2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型结构包括打分网络和差分层，所述数据集包括训练集和验证集；

所述根据所述数据集，对所述缺陷检测模型结构进行训练，得到缺陷检测模型，包括：

遍历所述训练集，根据所述打分网络，获得所述图像样本的两个图像块中每个图像块的颜色得分；

根据两个图像块的颜色得分，通过所述差分层确定所述图像样本的颜色分差；

根据所述图像样本的颜色分差和标注，通过损失函数计算损失值；

通过所述损失值更新所述缺陷检测模型结构的参数；

遍历所述验证集，根据当前更新的所述缺陷检测模型结构，确定所述验证集中所述图像样本的颜色分差；

根据所述验证集中图像样本的颜色分差和标注，统计所述颜色分差的准确率；

根据所述准确率对所述缺陷检测模型结构进行迭代，得到所述缺陷检测模型。

3.根据权利要求1所述的方法，其特征在于，所述多个颜色空间包括RGB颜色空间、HSV颜色空间、HLS颜色空间、Lab颜色空间、Luv颜色空间、YCrCb颜色空间和XYZ颜色空间中的至少三个。

4.根据权利要求2所述的方法，其特征在于，所述图像块的颜色得分，处于零对称的区间【-10,10】内。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述获取已标注的图像样本，包括：

采集多个木板照片，不同木板照片的深浅程度不同；

从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；

若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。

6.根据权利要求5所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：

获取进行深浅分类的类别数目；

根据所述类别数目对所述量化分数所对应的零对称区间进行等分；

根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；

根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的深浅类别。

7.根据权利要求1-4中任一项所述的方法，其特征在于，所述获取已标注的图像样本，包括：

采集多个木板照片，不同木板照片的颜色不同；

从每个木板照片中切出多个图像块，将所述图像块随机两两组合为图像样本；

若所述图像样本的两个图像块来自同一个木板照片，则将所述图像样本标注为同类，若所述图像样本的两个图像块来自不同的木板照片，则将所述图像样本标注为不同类。

8.根据权利要求7所述的方法，其特征在于，所述根据每个像素点的所述量化分数，识别木板的缺陷，包括：

获取进行颜色分类的类别数目；

根据所述类别数目对所述量化分数所对应的零对称区间进行等分；

根据所述木板照片每个像素点的量化分数，计算所述木板照片的平均量化分数；

根据等分后的区间和所述平均量化分数，确定待检测的木板照片所属的颜色类别。