[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

说明书

本申请涉及一种缺陷识别方法、装置、电子设备及计算机可读存储介质，涉及精密仪器检测技术领域。方法包括：获取待识别工业仪器对应的点云图像，以及点云图像中各像素点的特征信息；其中，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；根据各像素点的特征信息确定与点云图像对应的特征图像；对特征图像进行数据强化处理，得到处理后的特征图像；将处理后的特征图像输入训练好的缺陷识别模型进行处理，输出处理后的特征图像中包含的缺陷区域图像，以及缺陷区域图像对应的缺陷类别。采用本申请能够实现提高针对工业仪器的缺陷检测效率。

技术领域

本申请涉及精密仪器检测技术领域，特别是涉及一种缺陷识别方法、装置、电子设备及计算机可读存储介质。

背景技术

随着工业智能化的发展，人工智能在工业智能化的领域中发挥着越来越重要的作用。而在高精尖产业的领域中，例如新能源，精密仪器制造中，极高的质量检测精度需求导致该产业对于质检人员的工作强度，时间以及人员数量有着极大的需求。例如，在新能源的锂电池行业，一个轻微的凸起或凹坑就有可能导致锂电池后期爆炸，因此对于每一块电池都有着极其严格的检测要求，对于工厂来说，人员的检测效率成为了生产效率的重中之重，因此如何提高检测效率成为了很多高精密加工工业领域越来越重视的问题。

传统技术中，通过3D语义分割算法定位和给出待检测仪器的三维点云图像中每个像素的类别，并根据图像中每个像素的类别对图像进行筛选得到不符合要求的器件。

然而，传统的3D语义分割算法应用在工业仪器的检测中，存在效率低的问题。

发明内容

本申请提供一种缺陷识别方法、装置、电子设备及计算机可读存储介质，能够实现提高针对工业仪器的缺陷检测效率。

第一方面，本申请提供了一种缺陷识别方法，包括：

获取待识别工业仪器对应的点云图像，以及点云图像中各像素点的特征信息；其中，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；

根据各像素点的特征信息确定与点云图像对应的特征图像；

对特征图像进行数据强化处理，得到处理后的特征图像；

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

第二方面，本申请还提供了一种缺陷识别装置，包括：

获取模块，用于获取待识别工业仪器对应的点云图像，以及点云图像中各像素点的特征信息；其中，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；

确定模块，用于根据各像素点的特征信息确定与点云图像对应的特征图像；

处理模块，用于对特征图像进行数据强化处理，得到处理后的特征图像；

识别模块，用于将处理后的特征图像输入训练好的缺陷识别模型进行处理，输出处理后的特征图像中包含的缺陷区域图像，以及缺陷区域图像对应的缺陷类别。

第三方面，本申请还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质，计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法的步骤。