[发明专利]图像检测方法、装置、系统及电子设备

说明书

本发明公开了一种图像检测方法、装置、系统及电子设备。其中，该方法包括：获取图像；确定图像中的瑕疵所属的形状簇，其中，形状簇依据瑕疵形状分类得到；采用与确定的形状簇对应的图像检测模型，对图像进行瑕疵检测，得到图像的瑕疵检测结果。本发明解决了相关技术中对图像中的瑕疵进行检测时，存在检测精度不高，检测效率低的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种图像检测方法、装置、系统及电子设备。

背景技术

目前，瑕疵检测是一项具有挑战性的任务，其应用场景有很多，例如，工业瑕疵检测涵盖了重工业和轻工业两个大方向下面的各种垂直行业，例如，钢铁行业、光伏行业、纺织行业等。但在相关技术中，对瑕疵进行检测时所采用的方法一般是训练模型，依据训练好的模型对瑕疵进行检测，得到瑕疵检测结果。但采用该方法需要训练大量的训练数据，以及精确的模型算法，因而导致对瑕疵的检测存在检测精度不高，检测效率低的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像检测方法、装置、系统及电子设备，以至少解决相关技术中对图像中的瑕疵进行检测时，存在检测精度不高，检测效率低的技术问题。

根据本发明实施例的一个方面，提供了一种图像检测方法，包括：获取图像；确定所述图像中的瑕疵所属的形状簇，其中，所述形状簇依据瑕疵形状分类得到；采用与确定的所述形状簇对应的图像检测模型，对所述图像进行瑕疵检测，得到所述图像的瑕疵检测结果。

可选地，在确定所述图像中的瑕疵所属的形状簇之前，还包括：依据瑕疵形状，将瑕疵划分为不同的类别；建立不同的类别与形状簇之间的映射关系。

可选地，确定所述图像中的瑕疵所属的形状簇，包括：采用瑕疵形状簇分类器，预测所述图像中的瑕疵属于多种形状簇中每种形状簇的概率，并确定属于所述多种形状簇的概率中的最大概率；将所述最大概率与预定阈值进行比较；在所述最大概率大于所述预定阈值的情况下，确定所述最大概率对应的形状簇为所述图像中的瑕疵所属的形状簇。

可选地，在确定所述图像中的瑕疵所属的形状簇之前，还包括：获取第一训练样本，其中，所述第一训练样本包括第一样本图像，以及所述第一样本图像中的瑕疵所属的形状簇；基于所述第一训练样本进行机器训练，得到所述瑕疵形状簇分类器。

可选地，在采用与确定的所述形状簇对应的图像检测模型，对所述图像进行瑕疵检测，得到所述图像的瑕疵检测结果之前，还包括：获取第二训练样本，其中，所述第二训练样本包括第二样本图像，以及所述第二样本图像中的瑕疵检测结果，所述第二样本图像中的瑕疵检测结果所包括的瑕疵属于确定的所述形状簇；基于所述第二训练样本进行机器训练，得到所述图像检测模型。

可选地，基于所述第二训练样本进行机器训练，得到所述图像检测模型，包括：获取第三训练样本，其中，所述第三训练样本包括第三样本图像，以及所述第三样本图像中的瑕疵检测结果，所述第三样本图像中的瑕疵检测结果所包括的瑕疵不属于确定的所述形状簇；基于所述第二训练样本和所述第三训练样本进行机器训练，得到所述图像检测模型。

可选地，所述图像的瑕疵检测结果包括以下至少之一：所述图像中瑕疵的类别，所述图像中瑕疵的位置。

可选地，在采用与确定的所述形状簇对应的图像检测模型，对所述图像进行瑕疵检测，得到所述图像的瑕疵检测结果之后，还包括：显示所述图像的瑕疵检测结果。

根据本发明实施例的另一个方面，提供了一种图像检测方法，包括：在显示界面的输入区域接收图像；在所述显示界面接收瑕疵检测指令；响应所述瑕疵检测指令，在所述显示界面显示所述图像中的瑕疵所属的形状簇，其中，所述形状簇依据瑕疵形状分类得到，并采用所包括的代表形状表示；在所述显示界面显示所述图像的瑕疵检测结果，其中，所述瑕疵检测结果为采用与所述形状簇对应的图像检测模型，对所述图像进行瑕疵检测得到。