[发明专利]缺陷识别方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种缺陷识别方法，其特征在于，包括：

获取待识别工业仪器对应的点云图像，以及所述点云图像中各像素点的特征信息；其中，所述特征信息包括初始位置信息、深度信息、反光强度以及预先设置的点云特征；

对所述各像素点的初始位置信息进行转换，得到经过转换后所述各像素点对应的转换位置信息；

将所述各像素点的深度信息、反光强度以及预先设置的点云特征与所述各像素点对应的转换位置信息进行绑定，形成与所述点云图像对应的特征图像；

对所述特征图像进行数据强化处理，得到处理后的特征图像；

将所述处理后的特征图像输入训练好的缺陷识别模型进行处理，输出所述处理后的特征图像中包含的缺陷区域图像，以及所述缺陷区域图像对应的缺陷类别。

2.根据权利要求1所述的方法，其特征在于，所述将所述处理后的特征图像输入训练好的缺陷识别模型，输出所述处理后的特征图像中包含的缺陷区域图像，以及所述缺陷区域图像对应的缺陷类别之前，还包括：

获取样本工业仪器对应的样本点云图像、所述样本点云图像对应的样本特征图像，以及所述样本特征图像对应的样本缺陷区域图像；其中，所述样本特征图像为对所述样本点云图像进行数据重构处理和所述数据强化处理得到的；

将所述样本特征图像输入待训练的缺陷识别模型中，对所述样本特征图像进行数据增强处理，得到输入网络特征；对所述输入网络特征进行图像融合处理，得到预测缺陷区域图像；

利用所述预测缺陷区域图像与所述样本缺陷区域图像，对所述待训练的缺陷识别模型进行训练，得到所述训练好的缺陷识别模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述输入网络特征进行图像融合处理，得到预测缺陷区域图像，包括：

获取所述输入网络特征对应的多个层级的初始特征；

基于各个层级的初始特征，得到所述各个层级的至少一个融合特征；

利用所述多个层级中的最后一个层级对应的融合特征，得到预测缺陷区域图像。

4.根据权利要求3所述的方法，其特征在于，所述基于各个层级的初始特征，得到所述各个层级的至少一个融合特征，包括：

获取当前层级，和所述当前层级对应的当前融合特征；

若所述当前层级不是所述多个层级中的最后一个层级，则确定所述当前融合特征在所述当前层级包括的所有融合特征中的特征次序；

若所述特征次序表征所述当前融合特征为所述当前层级包括的所有融合特征中的首个，则基于所述当前层级的初始特征、所述当前层级的上一层级的网络特征，以及所述当前层级的下一层级的初始特征，得到所述当前融合特征；其中，所述当前层级的上一层级的网络特征为所述当前层级的上一层级的初始特征、或特征次序小于等于所述当前融合特征的特征次序的任意一个融合特征；或者，

若所述特征次序表征所述当前融合特征不是所述当前层级包括的所有融合特征中的首个，则基于所述当前层级的目标融合特征、所述当前层级的上一层级的网络特征，以及所述当前层级的下一层级的目标融合特征，得到所述当前融合特征；其中，所述当前层级的目标融合特征和所述当前层级的下一层级的目标融合特征的特征次序均为所述当前融合特征的特征次序的前一个。

5.根据权利要求4所述的方法，其特征在于，所述获取当前层级，和所述当前层级对应的当前融合特征之后，还包括：

若所述当前层级为所述多个层级中的最后一个层级，则确定所述当前融合特征在所述最后一个层级包括的多个融合特征中的特征次序；

若所述特征次序表征所述当前融合特征为所述最后一个层级包括的多个融合特征中的首个，则基于所述最后一个层级的初始特征、所述最后一个层级的上一层级的网络特征，得到所述当前融合特征；其中，所述最后一个层级的上一层级的网络特征为所述最后一个层级的上一层级的初始特征、或特征次序小于等于所述当前融合特征的特征次序的任意一个融合特征；或者，

若所述特征次序表征所述当前融合特征不是所述最后一个层级包括的多个融合特征中的首个，则基于所述最后一个层级的目标融合特征、所述最后一个层级的上一层级的网络特征，得到所述当前融合特征；其中，所述最后一个层级的目标融合特征的特征次序为所述当前融合特征的特征次序的前一个。