工业图像检测和分类识别方法、装置、系统及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115018822A(43)申请公布日2022.09.06(21)申请号202210849529.5G06N3/04(2006.01)(22)申请日2022.07.19(71)申请人凌云光技术股份有限公司地址100094北京市海淀区翠湖南环路13号院7号楼7层701室(72)发明人张福(74)专利代理机构北京弘权知识产权代理有限公司11363专利代理师逯长明许伟群(51)Int.Cl.G06T7/00(2017.01)G06V10/25(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称工业图像检测和分类识别方法、装置、系统及存储介质(57)摘要本申请涉及工业检测技术领域，具体而言，涉及一种工业图像检测和分类识别方法、装置、系统及存储介质，一定程度上可以解决多个检测模型导致检测系统的鲁棒性降低的问题。基于联合通道和空间注意力机制，可实现对检测网络的输出预测边界框进行回归优化；进一步将回归优化后的输出预测边界框中的假阳边界框训练M个分类模型，可实现确定每个分类模块的预测结果；进一步对每个预测结果通过加权法进行投票，可实现确定缺陷目标的种类信息和位置信息。通过具有关于过检的针对性强的分类模块，降低检测系统的鲁棒性。CN115018822ACN115018822A权利要求书1/2页1.一种工业图像检测和分类识别方法，其特征在于，包括：基于联合通道和空间注意力机制，对检测网络的输出预测边界框进行回归优化，其中，所述检测网络模型是由包含缺陷目标的待检测图像训练获得的；将回归优化后的所述输出预测边界框中的假阳边界框训练M个分类模型，确定每个分类模块的预测结果；对每个所述预测结果通过加权法进行投票，确定所述缺陷目标的种类信息和位置信息。2.根据权利要求1所述的工业图像检测和分类识别方法，其特征在于，所述将回归优化后的所述输出预测边界框中的假阳边界框训练M个分类模型，确定每个分类模块的预测结果，包括：通过所述检测网络输出预测边界框，确定所述待检测图像中过检图像的假阳边界框，以及将所述假阳边界框作为总样本集；对所述总样本集通过随机抽取的方式确定M个子样本集；将所述M个子样本集通分别输入M个分类模块，确定每个所述分类模块的预测结果；其中，M为奇数。3.根据权利要求2所述的工业图像检测和分类识别方法，其特征在于，所述训练M个分类模型，包括：将对应所述子样本集的最大值，对所述分类模块初始化；将所述子样本集基于预设比例划分为训练集和验证集；基于所述训练集和验证集训练所述分类模型。4.根据权利要求1所述的工业图像检测和分类识别方法，其特征在于，所述对每个所述预测结果通过加权法进行投票，包括：基于所述假阳边界框的精度，确定每个分类模型的预测结果的权值；将每个所述分类模型的预测结果与所述分类模型的预测结果的权值相乘后求和，获得其投票数；其中，所述权值的范围为0‑1。5.根据权利要求1所述的工业图像检测和分类识别方法，其特征在于，所述检测网络模型是由包含缺陷目标的待检测图像训练获得的，包括：获取待检测图像，所述待检测图像具有缺陷目标；基于所述待检测图像，训练所述检测网络模型的检测网络，其中，训练过程中对所述待检测图像进行在线增广。6.根据权利要求5所述的工业图像检测和分类识别方法，其特征在于，所述在线增广包括水平镜像、垂直镜像、预设角度旋转、预设方向平移，尺寸缩放。7.一种工业图像检测和分类识别装置，其特征在于，包括：检测模块，用于基于联合通道和空间注意力机制，对检测网络的输出预测边界框进行回归优化，其中，所述检测网络模型是由包含缺陷目标的待检测图像训练获得的；分类校正模块，用于将回归优化后的所述输出预测边界框中的假阳边界框通过M个分类模型，确定每个分类模块的预测结果；所述分类校正模块，还用于对每个所述预测结果通过加权法进行投票，确定所述缺陷2CN115018822A权利要求书2/2页目标的种类信息和位置信息。8.根据权利要求7所述的工业图像检测和分类识别装置，其特征在于，包括：所述检测模块和所述分类校正模块封装为单一模型。9.一种工业图像检测和分类识别系统，其特征在于，包括存储器和处理器，所述存储器用于存储工业图像检测和分类识别程序，所述处理器运行所述工业图像检测和分类识别程序以使工业图像检测和分类识别系统执行如权利要求1‑6中任一项所述工业图像检测和分类识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有工业图像检测和分类识别程序，所述工业图像检测和分类识别程序被处理器执行时实现如权利要求1‑6中任一项所述工业图像检测和分类识别方法。3CN1