[发明专利]缺陷检测方法、装置、电子设备、存储介质和程序产品

说明书

本公开涉及一种图像数据处理技术领域，尤其涉及一种缺陷检测方法、装置、电子设备、存储介质和程序产品。所述方法包括：获取待检测图像以及所述待检测图像对应的模板图像；获得所述待检测图像与所述模板图像的差异图像；根据所述差异图像，确定所述待检测图像中的缺陷的候选框；获得所述候选框在所述模板图像上的第一图像块，以及所述候选框在所述差异图像上的第二图像块；通过预先训练的第一神经网络对所述第一图像块和所述第二图像块进行处理，得到所述候选框对应的缺陷检测结果。本公开利用第一神经网络对缺陷的候选框在模板图像上的第一图像块和在差异图像上的第二图像块进行处理，以对候选框进行缺陷检测，能够提高缺陷检测的准确性。

技术领域

本公开涉及图像数据处理技术领域，尤其涉及一种缺陷检测方法、装置、电子设备、存储介质和程序产品。

背景技术

智能化工业质检是计算机视觉及工业质检领域的重要问题。如何提高对产品进行缺陷检测的准确性，是亟待解决的技术问题。

发明内容

本公开提供了一种缺陷检技术方案。

根据本公开的一方面，提供了一种缺陷检方法，包括：

获取待检测图像以及所述待检测图像对应的模板图像；

获得所述待检测图像与所述模板图像的差异图像；

根据所述差异图像，确定所述待检测图像中的缺陷的候选框；

获得所述候选框在所述模板图像上的第一图像块，以及所述候选框在所述差异图像上的第二图像块；

通过预先训练的第一神经网络对所述第一图像块和所述第二图像块进行处理，得到所述候选框对应的缺陷检测结果。

根据本公开的一方面，提供了一种用于缺陷检测的机器学习模型的训练方法，包括：

获取训练图像以及所述训练图像对应的模板图像；

获得所述训练图像与所述模板图像的差异图像；

根据所述差异图像，确定所述训练图像中的缺陷的候选框；

获得所述候选框在所述模板图像上的第一图像块，以及所述候选框在所述差异图像上的第二图像块；

通过预先训练的第一神经网络对所述第一图像块进行处理，得到所述第一图像块对应的第一深度特征，并通过所述第一神经网络对所述第二图像块进行处理，得到所述第二图像块对应的第二深度特征；

至少将所述第一深度特征和所述第二深度特征输入机器学习模型，经由所述机器学习模型得到所述候选框对应的缺陷预测结果；

根据所述候选框对应的标注信息，以及所述缺陷预测结果，训练所述机器学习模型。

根据本公开的一方面，提供了一种缺陷检测装置，包括：

第一获取模块，用于获取待检测图像以及所述待检测图像对应的模板图像；

第一获得模块，用于获得所述待检测图像与所述模板图像的差异图像；

第一确定模块，用于根据所述差异图像，确定所述待检测图像中的缺陷的候选框；

第二获得模块，用于获得所述候选框在所述模板图像上的第一图像块，以及所述候选框在所述差异图像上的第二图像块；

检测模块，用于通过预先训练的第一神经网络对所述第一图像块和所述第二图像块进行处理，得到所述候选框对应的缺陷检测结果。

根据本公开的一方面，提供了一种用于缺陷检测的机器学习模型的训练装置，包括：

第二获取模块，用于获取训练图像以及所述训练图像对应的模板图像；

第三获得模块，用于获得所述训练图像与所述模板图像的差异图像；

第二确定模块，用于根据所述差异图像，确定所述训练图像中的缺陷的候选框；

第四获得模块，用于获得所述候选框在所述模板图像上的第一图像块，以及所述候选框在所述差异图像上的第二图像块；