缺陷检测方法及装置、电子设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082413A(43)申请公布日2022.09.20(21)申请号202210793658.7G06N3/08(2006.01)(22)申请日2022.07.05G06N3/04(2006.01)(71)申请人深圳市商汤科技有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人蒋小可吴立威(74)专利代理机构北京林达刘知识产权代理事务所(普通合伙)11277专利代理师刘新宇(51)Int.Cl.G06T7/00(2017.01)G06V10/26(2022.01)G06V10/44(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书2页说明书17页附图4页(54)发明名称缺陷检测方法及装置、电子设备和存储介质(57)摘要本公开涉及一种缺陷检测方法及装置、电子设备和存储介质，所述方法包括：获取包括多个通道信息的待检测图像，该多个通道信息包括针对不同光源方向的目标对象的明暗分布信息，以及目标对象的梯度信息，其中，对于不同光源方向，图像采集设备拍摄到的目标对象的明暗分布信息不同；并将该待检测图像输入缺陷检测网络，确定待检测图像的缺陷检测结果。本公开实施例可实现自动检测待检测图像中存在的缺陷，减少了人工成本，提高了缺陷检测的精准度，降低了错检、漏检的概率。CN115082413ACN115082413A权利要求书1/2页1.一种缺陷检测方法，其特征在于，包括：获取待检测图像，所述待检测图像包括多个通道信息，所述多个通道信息包括针对不同光源方向的目标对象的明暗分布信息，以及所述目标对象的梯度信息，其中，对于不同光源方向，图像采集设备拍摄到的目标对象的明暗分布信息不同；将所述待检测图像输入缺陷检测网络，确定所述待检测图像的缺陷检测结果，所述缺陷检测结果包括目标对象的缺陷区域和/或缺陷类别；其中，所述缺陷检测网络基于训练数据集训练得到，所述训练数据集包括目标对象的多个样本图像，所述样本图像包括多个通道信息，所述多个通道信息包括针对不同光源方向的目标对象的明暗分布信息，以及所述目标对象的梯度信息。2.根据权利要求1所述的方法，其特征在于，训练所述缺陷检测网络的过程包括：将所述训练数据集的样本图像输入初始状态的缺陷检测网络，得到第一预测结果；根据预设的损失函数、所述第一预测结果、所述样本图像，确定第一损失，其中，所述第一损失用于指示所述缺陷检测网络对样本图像的检测误差；根据所述第一损失，对初始状态的缺陷检测网络进行训练，得到训练好的缺陷检测网络。3.根据权利要求2所述的方法，其特征在于，在训练所述缺陷检测网络之前，所述方法还包括构建训练数据集，其中，所述构建训练数据集包括：获取目标对象的N帧待处理图像，所述N帧待处理图像是图像采集设备在不同光源方向，拍摄到所述目标对象带有不同明暗分布的图像；根据所述目标对象的所述N帧待处理图像，确定所述目标对象的M帧第一梯度图像；将所述N帧待处理图像和所述M帧第一梯度图像进行合并处理，得到合并后的样本图像；将多个样本图像进行聚合，构建训练数据集。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象的所述N帧待处理图像，确定所述目标对象的M帧第一梯度图像，包括：利用光度立体技术，根据所述目标对象的所述N帧待处理图像，确定所述目标对象的M帧第一梯度图像。5.根据权利要求3所述的方法，其特征在于，所述获取目标对象的N帧待处理图像，包括：在所述图像采集设备采集到的N帧待处理图像为彩色图像的情况下，将所述彩色图像转化为灰度图像；将转化后的N帧灰度图像，确定为获取的目标对象的N帧待处理图像。6.根据权利要求1‑5中任一项所述的方法，其特征在于，所述缺陷检测网络包括特征提取网络、分类网络、以及分割网络，所述分类网络和所述分割网络均与所述特征提取网络连接，其中，所述特征提取网络用于对输入的待检测图像进行特征提取，得到至少一组特征图，所述分类网络用于对所述至少一组特征图进行分类处理，得到所述目标对象的缺陷类别，所述分割网络用于对所述至少一组特征图进行分割处理，得到所述目标对象的缺陷区2CN115082413A权利要求书2/2页域。7.根据权利要求1‑6中任一项所述的方法，其特征在于，所述获取待检测图像，包括：获取目标对象的N帧初始图像，所述N帧初始图像是图像采集设备在不同光源方向，拍摄到所述目标对象带有不同明暗分布的图像；根据所述目标对象的所述N帧初始图像，确定所述目标对象的M帧第二梯度图像；将所述N帧初始图像和所述M帧第二梯度图像进行合并处理，得到合并后的待检测图像。8.一种缺陷检测装置，其特征在于，包括：获取模块，用于获取待检测图像，所述待检测图像包括多个通道信息