[发明专利]融合目标检测模型和图像分割模型的缺陷识别方法及装置

说明书

本发明提供一种融合目标检测模型和图像分割模型的缺陷识别方法及装置，其中方法包括：获取待检测设备的表面图像；将待检测设备的表面图像输入至目标检测模型，得到待检测设备的缺陷检测结果；将待检测设备的表面图像输入至图像分割模型，得到待检测设备的缺陷分割结果；根据缺陷检测结果和缺陷分割结果，获取待检测设备的缺陷识别结果；目标检测模型是根据样本设备的表面图像以及样本设备的缺陷检测标签进行训练得到的，图像分割模型是根据样本设备的表面图像以及样本设备的缺陷分割标签进行训练得到的。本发明实现利用计算机视觉高效准确地进行设备瑕疵检测工作，降低设备瑕疵检测的误差，提高检测精度，节约人力资源。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种融合目标检测模型和图像分割模型的缺陷识别方法及装置。

背景技术

齿轮是汽车领域中一种典型的动力传递器件，在各个汽车中起到至为关键的作用。因此，齿轮如果存在缺陷，会直接影响汽车的性能和使用寿命。

目前，市面存在许多专业测量齿轮参数的仪器，但是从价格、实用性等方面考虑，目前大部分厂商依然采用的人工检测的方式对齿轮进行缺陷检测，这种方式往往会消耗大量的人力资源，并且检测速度慢，存在人眼疲劳导致误检和漏检的可能性，难以满足现代化工业批量生产制造的需求。

发明内容

本发明提供一种融合目标检测模型和图像分割模型的缺陷识别方法及装置，用以解决现有技术中人工进行缺陷检测，导致检测效率低和检测精准低的缺陷，实现自动精准低进行缺陷检测。

本发明提供一种融合目标检测模型和图像分割模型的缺陷识别方法，包括：

获取待检测设备的表面图像；

将所述待检测设备的表面图像输入至目标检测模型，得到所述待检测设备的缺陷检测结果；

将所述待检测设备的表面图像输入至图像分割模型，得到所述待检测设备的缺陷分割结果；

根据所述缺陷检测结果和所述缺陷分割结果，获取所述待检测设备的缺陷识别结果；

所述目标检测模型是根据样本设备的表面图像以及所述样本设备的缺陷检测标签进行训练得到的，所述图像分割模型是根据所述样本设备的表面图像以及所述样本设备的缺陷分割标签进行训练得到的。

根据本发明提供的一种融合目标检测模型和图像分割模型的缺陷识别方法，所述目标检测模型的训练步骤包括：

获取所述样本设备的表面图像；

根据多种预设缺陷类型，对所述样本设备的表面图像标记对应的缺陷分割标签；

根据所述缺陷分割标签，对所述样本设备的表面图像标记对应的缺陷检测标签；

根据所述样本设备的表面图像和所述样本设备的缺陷检测标签，构建缺陷检测数据集；

根据所述缺陷检测数据集，对原始目标检测模型的参数进行预训练，得到预训练参数；

根据所述预训练参数，对改进目标检测模型的参数进行迭代训练，得到所述目标检测模型；

其中，所述改进目标检测模型是，在原始目标检测模型的基础上，对所述原始目标检测模型的原始骨干网络进行改进得到的；所述原始骨干网络的改进包括将所述原始目标检测模型的原始骨干网络中的至少一个卷积网络层替换为可变形卷积网络层，并在所述原始骨干网络中增加由编码器和解码器组成的对称网络结构。

根据本发明提供的一种融合目标检测模型和图像分割模型的缺陷识别方法，所述根据所述预训练参数，对改进目标检测模型的参数进行迭代训练，得到所述目标检测模型，包括：

根据所述预训练参数，对所述改进目标检测模型的参数进行初始化；