[发明专利]设备配件检测方法、装置、系统、设备及存储介质

权利要求书

1.一种设备配件检测方法，其特征在于，所述方法应用于边缘计算节点，所述边缘计算节点预先加载配件识别网络；所述方法包括：

获取被测设备的目标配件图像；

利用所述配件识别网络对所述目标配件图像进行识别，得到所述目标配件的预测分类结果；

将所述预测分类结果与所述被测设备对应的目标配件的参考类型信息进行对比，得到所述目标配件的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取被测设备的目标配件图像包括：

获取所述被测设备的图像；

利用目标检测网络对所述图像进行检测，得到包含所述目标配件的图像区域；

基于所述图像区域得到目标配件图像。

3.根据权利要求1所述的方法，其特征在于，所述利用所述配件识别网络对所述目标配件图像进行识别，得到所述目标配件的预测分类结果，包括：

获取所述目标配件属于多种预设分类的概率值；

确定所述多种预设分类的概率值中的最大值，并将所述最大值与所述目标配件对应的第一分类阈值进行比较，在所述最大值大于或等于所述目标配件对应的第一分类阈值的情况下，确定所述最大值对应的类型为所述目标配件的预测分类结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

针对所述配件识别网络，通过设置不同的分类阈值获取所述目标配件对应的查全率和查准率；

根据所述查全率和查准率对应的查准率-查全率P-R曲线，确定所述第一分类阈值。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在得到所述被测设备的目标配件的检测结果的情况下，将所述目标配件图像、所述目标配件图像对应的检测结果上传至云端，以使所述云端对所述配件识别网络进行优化；

利用优化后的配件识别网络更新所述配件识别网络。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

针对优化后的配件识别网络，利用云端通过设置不同的分类阈值获取所述目标配件对应的查全率和查准率；

根据所述查全率和查准率对应的P-R曲线确定第二分类阈值，并将第一分类阈值更新为第二分类阈值。

7.一种设备配件检测装置，其特征在于，所述装置应用于边缘计算节点，所述边缘计算节点预先加载配件识别网络；所述装置包括：

配件图像获取模块，获取被测设备的目标配件图像；

分类预测模块，利用所述配件识别网络对所述目标配件图像进行识别，得到所述目标配件的预测分类结果；

信息比对模块，将所述预测分类结果与所述被测设备对应的目标配件的参考类型信息进行对比，得到所述目标配件的检测结果。

8.一种设备配件检测系统，其特征在于，所述系统包括图像采集设备、边缘计算节点；所述边缘计算节点预先加载配件识别网络；

所述图像采集设备用于采集被测设备的多个部件的图像；

所述边缘计算节点用于获取所述被测设备的目标配件图像，利用配件识别网络对所述目标配件图像进行识别，得到所述目标配件的检测结果。

9.一种电子设备，其特征在于，包括：处理器、存储器；

所述存储器，用于存储计算机程序；

所述处理器，用于通过调用所述计算机程序，执行如权利要求1-6中任一项所述的设备配件检测方法。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一项所述的设备配件检测方法。