[发明专利]物体缺陷识别模型的训练方法、物体缺陷识别方法及装置

说明书

本申请公开了一种物体缺陷识别模型的训练方法、物体缺陷识别方法及装置，该物体缺陷识别模型的训练方法包括：获取物体的训练样本图像；通过物体缺陷识别模型中的缺陷定位分割子模型确定有缺陷训练图像中的缺陷区域，并将其从有缺陷训练图像中分割出来，得到缺陷区域图像；通过物体缺陷识别模型中的缺陷分类子模型对缺陷区域图像进行缺陷类别的识别，得到缺陷类别识别结果和缺陷类别识别损失值；根据缺陷类别识别损失值更新物体缺陷识别模型的参数。本申请的训练方法能够避免图像中其他无关信息对于缺陷类别识别的干扰，使得模型的识别效率和准确率均较高，且训练得到的模型对于不同类型的缺陷的泛化能力较好，降低了物体缺陷识别的成本。

技术领域

本申请涉及机器视觉技术领域，具体涉及一种物体缺陷识别模型的训练方法、物体缺陷识别方法及装置。

背景技术

随着我国工业自动化和智能化的升级改造，目前在质检领域，仍有很多企业通过有经验的质检人员来判断工件或产品是否合格，然而这种方式需要依靠质检人员的主观判断，存在效率低、成本高、容易漏检和误检等问题。

近几年人工智能的快速兴起和发展，使得机器视觉技术在质检领域得到了更多应用，然而现有的基于机器视觉训练得到的物体缺陷识别模型对于不同类型的缺陷的泛化能力较差，需要针对每个类型的缺陷重新开发提取缺陷特征的算法，难度大，且成本较高。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的物体缺陷识别模型的训练方法、物体缺陷识别方法及装置。

依据本申请的第一方面，提供了一种物体缺陷识别模型的训练方法，所述方法包括：

获取物体的训练样本图像，其中所述训练样本图像包括有缺陷训练图像和无缺陷训练图像；

通过物体缺陷识别模型中的缺陷定位分割子模型确定所述有缺陷训练图像中的缺陷区域，并将所述缺陷区域从所述有缺陷训练图像中分割出来，得到缺陷区域图像；

通过所述物体缺陷识别模型中的缺陷分类子模型对所述缺陷区域图像进行缺陷类别的识别，得到缺陷类别识别结果和缺陷类别识别损失值，所述缺陷类别识别结果包括已知缺陷图像或未知缺陷图像；

根据所述缺陷类别识别损失值更新所述物体缺陷识别模型的参数，得到训练后的物体缺陷识别模型。

可选地，所述缺陷定位分割子模型通过如下方式训练得到：

通过所述缺陷定位分割子模型中的编码器对所述有缺陷训练图像进行处理，得到所述有缺陷训练图像的特征向量；

通过所述缺陷定位分割子模型的解码器对所述有缺陷训练图像的特征向量进行处理，得到重建图像；

根据所述有缺陷训练图像和所述重建图像之间的损失值，更新所述缺陷定位分割子模型的参数，得到训练后的缺陷定位分割子模型。

可选地，所述方法还包括：

对所述训练样本图像进行预处理，得到预处理图像，以通过所述物体缺陷识别模型中的缺陷定位分割子模型确定所述预处理图像中的缺陷区域，并将所述缺陷区域从所述预处理图像中分割出来，得到所述缺陷区域图像。

可选地，所述缺陷类别识别结果通过如下方式得到：

计算所述缺陷区域图像的缺陷特征向量与各已知缺陷图像的特征向量的欧几里得距离；

根据所述欧几里得距离确定所述缺陷区域图像属于各已知缺陷图像的置信度；

若所述置信度超过相应的预设置信度阈值，则确定所述缺陷区域图像属于相应的已知缺陷图像；

若所述置信度均未超过相应的预设置信度阈值，则确定所述有缺陷训练图像属于所述未知缺陷图像；