[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有效

专利信息
申请号: 202211701346.5 申请日: 2022-12-29
公开(公告)号: CN115690102B 公开(公告)日: 2023-04-18
发明(设计)人: 请求不公布姓名 申请(专利权)人: 摩尔线程智能科技(北京)有限责任公司;摩尔线程智能科技(上海)有限责任公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/13;G06T5/30;G06V10/28;G06V10/34;G06V10/44;G06V10/75;G06V10/82;G06N3/08;G06N3/045
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 100080 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 缺陷 检测 方法 装置 电子设备 存储 介质 程序 产品
【说明书】:

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。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;根据所述待检测图像和所述模板图像,确定所述待检测图像中的缺陷的候选框;至少根据所述候选框对应的图像块在形态学变换前后的差异信息,确定所述候选框对应的缺陷检测结果。本公开利用候选框对应的图像块在形态学变换前后的差异信息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测技术方案。

根据本公开的一方面,提供了一种缺陷检测方法,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;

根据所述待检测图像和所述模板图像,确定所述待检测图像中的缺陷的候选框;

至少根据所述候选框对应的图像块在形态学变换前后的差异信息,确定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;

根据所述训练图像和所述模板图像,确定所述训练图像中的缺陷的候选框;

至少将所述候选框对应的图像块在形态学变换前后的差异信息输入机器学习模型,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;

第一确定模块,用于根据所述待检测图像和所述模板图像,确定所述待检测图像中的缺陷的候选框;

第二确定模块,用于至少根据所述候选框对应的图像块在形态学变换前后的差异信息,确定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;

第三确定模块,用于根据所述训练图像和所述模板图像,确定所述训练图像中的缺陷的候选框;

预测模块,用于至少将所述候选框对应的图像块在形态学变换前后的差异信息输入机器学习模型,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;

训练模块,用于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,提供了一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。

根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的一方面,提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备中运行时,所述电子设备中的处理器执行上述方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于摩尔线程智能科技(北京)有限责任公司;摩尔线程智能科技(上海)有限责任公司,未经摩尔线程智能科技(北京)有限责任公司;摩尔线程智能科技(上海)有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211701346.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top