[发明专利]缺陷检测方法、装置、计算机设备、存储介质和程序产品

说明书

本申请涉及一种缺陷检测方法、装置、计算机设备、存储介质和程序产品。根据待测电池的第一检测图像和缺陷检测模型，确定第一检测图像的缺陷预测结果，根据第一检测图像的缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型；缺陷检测模型根据电池的检测图像样本预先训练得到。本申请根据第一检测图像和缺陷检测模型获取缺陷预测结果，同时利用第一检测图像的缺陷伪标签和缺陷预测结果对缺陷检测模型进行训练，得到了更新后的新缺陷检测模型，不需要额外获取与第一检测图像同缺陷类型的外部数据集，以及不需要进行额外的离线重训练，降低了缺陷检测模型的训练周期，从而降低获取缺陷检测结果的周期，满足实际工业场景的需求。

技术领域

本申请涉及电池技术领域，特别是涉及一种缺陷检测方法、装置、计算机设备、存储介质和程序产品。

背景技术

随着科技的进步发展，电池得到了广泛应用，由于电池的生产过程可能导致电池表面存在缺陷，从而影响电池的使用寿命和安全性，因此，有必要对电池表面进行缺陷检测。

目前，电池表面的缺陷检测过程是：首先获取电池的样本图像并对样本图像进行缺陷标注，然后用标注后的样本图像进行训练得到缺陷检测模型，利用缺陷检测模型对待检电池进行缺陷检测。然而，在缺陷检测模型应用过程中，若待检电池存在新缺陷类型，则需要将新缺陷类型的待检电池的图像加入到训练集中重新训练缺陷检测模型，利用重新训练的缺陷检测模型对待检电池进行缺陷检测。

然而，目前的缺陷检测方法需要经过很长的周期，难以满足实际场景的需求。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少缺陷检测时间，从而满足实际场景需求的缺陷检测方法、装置、计算机设备、存储介质和程序产品。

第一方面，本申请提供了一种缺陷检测方法，该方法包括：

根据待测电池的第一检测图像和缺陷检测模型，确定第一检测图像的缺陷预测结果；缺陷检测模型根据电池的检测图像样本预先训练得到；

根据第一检测图像的缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型。

本申请实施例的技术方案中，根据待测电池的第一检测图像和缺陷检测模型，确定第一检测图像的缺陷预测结果，根据第一检测图像的缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型；其中，缺陷检测模型根据电池的检测图像样本预先训练得到。本申请根据第一检测图像和缺陷检测模型获取缺陷预测结果，同时利用第一检测图像的缺陷伪标签和缺陷预测结果对缺陷检测模型进行训练，得到了更新后的新缺陷检测模型，不需要额外获取与第一检测图像同缺陷类型的外部数据集，以及不需要基于检测图像样本和外部数据集进行额外的离线重训练，降低了缺陷检测模型的训练周期，从而降低获取缺陷检测结果的周期。而且，根据缺陷预测结果和缺陷伪标签训练缺陷检测模型，能够不断优化缺陷检测模型，从而使得得到的新缺陷检测模型能够得到更加准确的缺陷预测结果，从而使得新缺陷检测模型可以获得极高的检测精度和较好的迁移效果，使得在实际应用中也能满足较高精度，满足实际工业场景的需求。

在其中一个实施例中，根据第一检测图像的缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型，包括：

获取第一检测图像中缺陷区域的缺陷类别置信度和缺陷伪标签；

在缺陷类别置信度大于预设阈值的情况下，根据缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型。

本申请实施例的技术方案中，通过获取第一检测图像中缺陷区域的缺陷类别置信度和缺陷伪标签，在缺陷类别置信度大于预设阈值的情况下，根据缺陷伪标签和缺陷预测结果，训练缺陷检测模型得到新缺陷检测模型。本实施例中首先获取第一检测图像中缺陷区域的缺陷类别置信度，对缺陷类别置信度进行判断，筛选出缺陷类别置信度较大的第一检测图像，从而根据缺陷类别置信度大于预设阈值的第一检测图像的缺陷伪标签和缺陷预测结果对缺陷检测模型进行自适应训练，使得缺陷检测模型的输入数据更加可靠，提高了缺陷检测模型的精度。