基于正向样本的设备缺陷检测方法、系统、终端及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082722A(43)申请公布日2022.09.20(21)申请号202211002559.9G06V10/26(2022.01)(22)申请日2022.08.22(71)申请人四川金信石信息技术有限公司地址610000四川省成都市中国（四川）自由贸易试验区成都高新区和乐二街171号B6栋1单元13楼1320号(72)发明人杜成龙张学敏李孟福沈建军(74)专利代理机构成都行之智信知识产权代理有限公司51256专利代理师何筱茂(51)Int.Cl.G06V10/762(2022.01)G06V10/82(2022.01)G06V10/75(2022.01)G06V10/40(2022.01)权利要求书2页说明书6页附图6页(54)发明名称基于正向样本的设备缺陷检测方法、系统、终端及介质(57)摘要本发明公开了基于正向样本的设备缺陷检测方法、系统、终端及介质，涉及设备缺陷检测技术领域，其技术方案要点是：基于正向样本对目标设备的待测图进行缺陷对比分析，得到待测图的特征分布图；对特征分布图中的特征点进行聚类分析，确定至少一个聚类中心；以聚类中心为起始点向不同的方向发射集成特征点，得到特征点的主干线分布图；以主干线分布图中聚类中心和各个主干线的分布形态匹配确定目标设备的设备缺陷类型。本发明仅依赖非常容易获取到的无缺陷的正向样本图片，并结合深度学习实例分割出设备主体，排除干扰项后进行设备缺陷检测，克服了深度学习算法对于缺陷样本的深度依赖问题。CN115082722ACN115082722A权利要求书1/2页1.基于正向样本的设备缺陷检测方法，其特征是，包括以下步骤：基于正向样本对目标设备的待测图进行缺陷对比分析，得到待测图的特征分布图；对特征分布图中的特征点进行聚类分析，确定至少一个聚类中心；以聚类中心为起始点向不同的方向发射集成特征点，得到特征点的主干线分布图；以主干线分布图中聚类中心和各个主干线的分布形态匹配确定目标设备的设备缺陷类型。2.根据权利要求1所述的基于正向样本的设备缺陷检测方法，其特征是，所述特征分布图的获得过程具体为：采用预训练的实例分割模型分别对正常无缺陷的基准图、待缺陷检测的待测图进行设备主体分割、灰度图预处理以及特征点提取，得到基准图的第一特征集以及待测图的第二特征集；依据第一特征集、第二特征集进行特征点匹配和图像配准处理，得到配准图；将配准图与基准图做差分处理，得到差分图；对差分图进行形态学处理，得到形态图；依据形态图中的特征轮廓将形态图还原至待测图，得到待测图的特征分布图。3.根据权利要求2所述的基于正向样本的设备缺陷检测方法，其特征是，所述实例分割模型的预训练过程具体为：获取不含缺陷的设备的正向样本；确定实例分割标准格式，并对正向样本进行标注处理，以确定正向样本中的设备主体和标签；将标注处理后的正向样本输入神经网络模型进行训练，得到实例分割模型。4.根据权利要求2所述的基于正向样本的设备缺陷检测方法，其特征是，所述配准图的获得过程具体为：将第一特征集和第二特征集进行特征点匹配，确定最优匹配点；依据最优匹配点估算得到图像变换模型；依据图像变换模型对待测图和最优匹配点进行变化处理，得到配准图。5.根据权利要求1所述的基于正向样本的设备缺陷检测方法，其特征是，所述主干线分布图的获得过程具体为：以固定距离为间隔建立覆盖范围序列；以聚类中心为原点以及以覆盖范围序列中的覆盖范围值为半径建立多个圆形轨迹线；对特征分布图中处于圆形轨迹线的分布范围内的特征点进行聚类分析，确保聚类后的聚类子中心分布在圆形轨迹线上，得到至少一个聚类子中心；以聚类中心为起始点，将处于预设夹角范围内不同圆形轨迹线上的聚类子中心依次连接，得到至少一条主干线轨迹；预设夹角范围为扇形区，且预设夹角范围的分布方向以确保靠近聚类中心的多个圆形轨迹线上均存在聚类子中心进行选取；将所有的主干线轨迹集成后得到特征点的主干线分布图。6.根据权利要求1所述的基于正向样本的设备缺陷检测方法，其特征是，所述主干线分布图的获得过程具体为：2CN115082722A权利要求书2/2页以固定距离为间隔建立覆盖范围序列；以聚类中心为原点以及以覆盖范围序列中的覆盖范围值为半径建立多个圆形轨迹线；对特征分布图中处于圆形轨迹线的分布范围内的特征点进行聚类分析，确保聚类后的聚类子中心分布在圆形轨迹线上，得到至少一个聚类子中心；以聚类中心为起始点，将处于预设偏角范围内不同圆形轨迹线上的聚类子中心依次连接，得到至少一条主干线轨迹；预设偏角范围由预设正偏角值和预设负偏角值确定，并以靠近聚类中心侧的前两个圆形轨迹线上聚类子中心的连线延长线作为表示0偏角值的零界线，同时以前一个圆形轨迹线上聚类子中心作为偏角原点，以及以预设正偏角值