[发明专利]工业质检的方法和装置

说明书

本发明提供了一种工业质检的方法和装置，其中，所述方法包括以下步骤：获取待检测工件的图像数据；采用分割网络对所述图像数据进行处理以得到分割图像数据，其中，所述分割网络布署于GPU中；判断所述分割图像数据是否具有检出目标；若是，则将所述分割图像数据从所述GPU加载至CPU，以对所述待检测工件进行质检。本发明能够通过筛选仅将具有检出目标的分割图像数据从GPU加载至CPU中，避免加载无检出目标的分割图像数据，从而能够有效提升整个质检过程的检出速度。

技术领域

本发明涉及工业检测技术领域，具体涉及一种工业质检的方法和一种工业质检的装置。

背景技术

随着深度学习的不断发展，深度学习的应用领域也越来越多，语义分割作为深度学习的一个热门分支，其应用领域也越来越广泛，例如，广泛应用于自动驾驶领域、医疗影像分析领域、工业缺陷检测领域、生物细胞检测领域等。但是在使用显卡布署的过程中，分割网的处理耗时明显要大于分类网和目标检测网，而在工业质检领域，模型的处理速度是非常重要的，它决定了设备检测的产能，很大程度上影响了工厂的成本。

目前分割网布署于显卡中以处理图像，并将处理结果从GPU（GraphicsProcessing Unit，图形处理器）下载到CPU（Central Processing Unit，中央处理器），然后通过CPU对处理结果进行后处理，但是处理结果从GPU下载到CPU的过程很耗时，影响设备检测的速度。

发明内容

本发明为解决上述技术问题，提供了一种工业质检的方法，能够通过筛选仅将具有检出目标的分割图像数据从GPU加载至CPU中，避免加载无检出目标的分割图像数据，从而能够有效提升整个质检过程的检出速度。

一种工业质检的方法，包括以下步骤：获取待检测工件的图像数据；采用分割网络对所述图像数据进行处理以得到分割图像数据，其中，所述分割网络布署于GPU中；判断所述分割图像数据是否具有检出目标；若是，则将所述分割图像数据从所述GPU加载至CPU，以对所述待检测工件进行质检。

根据本发明的一个实施例，所述检出目标为工业缺陷目标。

根据本发明的一个实施例，判断所述分割图像数据是否具有检出目标，包括以下步骤：获取所述分割图像数据的类别总数；计算所述分割图像数据中每一类所述工业缺陷目标所在分割图像的检出阈值；计算所述分割图像数据中每一类所述工业缺陷目标所在分割图像的最大连通域像素数量；判断所述最大连通域像素数量是否大于所述检出阈值；若是，则判定所述分割图像具有所述检出目标，以将所述分割图像从所述GPU加载至所述CPU。

根据本发明的一个实施例，所述检出阈值为每一类所述工业缺陷目标所在分割图像中像素值不为0的像素数量，并且，采用下列公式计算所述分割图像数据中每一类所述工业缺陷目标所在分割图像的检出阈值：

其中，the_i表示所述检出阈值，n_i表示第i类工业缺陷目标的总数，A_ji表示第i类工业缺陷目标、第j个工业缺陷目标的面积。

根据本发明的一个实施例，计算所述分割图像数据中每一类所述工业缺陷目标所在分割图像的最大连通域数量，具体包括以下步骤：采用Two-pass算法将每一类所述工业缺陷目标所在分割图像划分为不同连通域，其中，每个所述连通域像素的像素值不等于0；采用扫描算法计算每一类所述工业缺陷目标所在分割图像的每个连通域像素数量；采用排序算法计算每一类所述工业缺陷目标所在分割图像中像素值不为0的最大连通域像素数量。