[发明专利]一种缺陷检测方法、装置、电子设备和存储介质

说明书

本发明提供了一种缺陷检测方法、装置、电子设备及存储介质，所述方法包括：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。这样，只需要提供一种颜色缺陷对应的图像样本，即可对该缺陷进行检测，大大精简了工作量。

技术领域

本发明涉及图片识别技术领域，具体而言，涉及一种缺陷检测方法、装置、电子设备和存储介质。

背景技术

颜色缺陷识别和颜色缺陷检测是工业制造领域质检环节的常见环节，其目的是将：制造品的颜色划分为某一属类，采用相对应的生产工艺进行加工处理，确保产品颜色一致或按颜色分为多个类别进行销售；发现制造品上某些非正常的颜色分布，如不均匀、脏污等，对其进行相应的处理避免颜色品相差的制造品流入市场；某些制造品的颜色特性与某些缺陷相关，检测颜色特性能否辅助检测相关缺陷。现有的颜色缺陷检测，一般包括深浅检测、颜色检测、双色检测、蓝变检测、矿物线检测、色差检测。

针对上述缺陷，现有检测的具体方式，一般是针对不同的缺陷，单独设计不同的检测模型，进行单独训练和检测；但是这对于现有的颜色缺陷而言，工作量太过于复杂。

有鉴于此，提供一种可以分别用于多种颜色缺陷检测的缺陷检测方案。

发明内容

本发明解决的问题是现有的多种颜色缺陷检测，需要单独设计检测模型和检测方法，太过于复杂。

为解决上述问题，本发明首先提供一种缺陷检测方法，其包括：

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。

优选地，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。

优选地，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。