[发明专利]检测模型的训练方法、缺陷检测方法、装置及存储介质

说明书

本申请实施例提供的一种检测模型的训练方法、缺陷检测方法、装置及存储介质。包括：获取目标金属表面的检测图像及模板图像；将检测图像及目标金属表面的模板图像输入至金属表面缺陷的检测模型，得到金属表面缺陷的检测模型输出的目标金属表面的检测图像及目标金属表面的模板图像间的差异信息；金属表面缺陷的检测模型为预先训练的，用于提取输入的检测图像的特征信息及模板图像的特征信息，将检测图像的特征信息与模板图像的特征信息间的特征差异信息，及检测图像的特征信息进行拼接，形成第一特征信息；对第一特征信息进行特征融合，输出检测图像及模板图像间的差异信息；根据检测图像及模板图像间的差异信息，确定目标金属表面是否存在缺陷。

技术领域

本申请涉及缺陷检测技术领域，具体地涉及一种检测模型的训练方法、缺陷检测方法、装置及存储介质。

背景技术

金属材料是重要的工业产品，其表面质量的好坏直接影响其市场销售甚至于工程安全。随着工业生产总值的不断提高，各生产企业对产品的表面质量提出了更高的需求。同时，在生产过程中实时检测到产品表面质量问题，不但可以警示工人及时对生产设备进行检修，也可以减少浪费，调高产品的正品率。因此，实时检测材料表面质量，及早发现损坏并及时维修生产设备的配置，已越来越重要。目前，金属材料表面质量检测技术手段主要通过人工目测方法。但是人工目测方法需要人工参与，劳动强大、效率低且测量结果受主观影响大，准确率较低。

发明内容

有鉴于此，本申请提供一种检测模型的训练方法、缺陷检测方法、装置及存储介质，以利于解决现有技术中金属材料表面缺陷检测效率低，成本高的问题。

第一方面，本申请实施例提供了一种金属表面缺陷的检测方法，包括：

获取目标金属表面的检测图像及目标金属表面的模板图像；所述模板图像是所述目标金属表面无缺陷的图像；

将所述目标金属表面的检测图像及目标金属表面的模板图像输入至金属表面缺陷的检测模型，得到所述金属表面缺陷的检测模型输出的所述目标金属表面的检测图像及目标金属表面的模板图像间的差异信息；所述金属表面缺陷的检测模型为预先训练的，用于提取输入的目标金属表面的检测图像的特征信息及目标金属表面的模板图像的特征信息，将所述检测图像的特征信息与所述模板图像的特征信息间的特征差异信息，及所述检测图像的特征信息进行拼接，形成第一特征信息；对所述第一特征信息进行特征融合，输出目标金属表面的检测图像及目标金属表面的模板图像间的差异信息；

根据所述目标金属表面的检测图像及目标金属表面的模板图像间的差异信息，确定所述目标金属表面是否存在缺陷。

优选地，所述金属表面缺陷的检测模型包括：卷积池化层，特征拼接层及输出层；

所述卷积池化层，用于对输入的所述目标金属表面的检测图像及所述目标金属表面的模板图像进行卷积池化处理，提取所述目标金属表面的模板图像及检测图像的特征信息；

所述特征拼接层，用于获取所述模板图像的特征信息及检测图像的特征信息间的特征差异信息，并将获取的所述特征差异信息与所述检测图像的特征信息进行拼接，得到拼接特征信息；对所述拼接特征信息进行上采样，得到第一特征信息；

所述输出层，用于对所述第一特征信息进行卷积处理，得到所述目标金属表面的模板图像及检测图像间的差异信息。

优选地，所述特征拼接层，具体用于根据模板图像的特征信息及检测图像的特征信息，计算所述模板图像的特征信息及所述检测图像的特征信息间的特征差值，根据所述特征差值确定所述模板图像的特征信息及检测图像的特征信息间的特征差异信息。

优选地，所述卷积池化层，具体用于分别对输入的所述模板图像及所述检测图像进行第一卷积处理得到模板图像的第二特征信息及检测图像的第二特征信息；

分别对所述模板图像的第二特征信息及检测图像第二特征信息进行第一池化和第二卷积处理，得到模板图像的第三特征信息及检测图像的第三特征信息；