质量检测方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种质量检测方法、装置、设备及计算机可读存储介质。本发明专利技术通过获取包括待检测对象的待检测图像，利用预先训练得到的第一检测模型，对待检测图像进行感兴趣区域检测，得到至少一个感兴趣区域，然后，分别从待检测图像中裁剪出所述至少一个感兴趣区域中各感兴趣区域的图像，并利用预先训练得到的第二检测模型，分别对各感兴趣区域的图像进行目标检测，得到各感兴趣区域对应的目标检测结果，进而，基于所述至少一个感兴趣区域对应的目标检测结果，确定待检测图像的质量检测结果，能够准确、有效识别矫治器的局部缺陷及矫治器模具的缺陷。具的缺陷。具的缺陷。

【技术实现步骤摘要】
质量检测方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及医疗器械领域，具体涉及医疗器械的质量检测技术，尤其涉及一种质量检测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]由于美观、便捷以及利于清洁等优点，基于高分子材料的壳状牙齿正畸矫治器(如隐形矫治器)越来越受欢迎。壳状牙齿正畸矫治器是利用变形产生的回弹力把牙齿从一个布局重新定位到另一布局。
[0003]壳状牙齿正畸矫治器(以下简称：矫治器)生产过程通常需要经历如下流程：光固化模具成型
‑
>利用光固化模具对矫治器压膜
‑
>矫治器裁剪、脱壳
‑
>矫治器研磨、清洗
‑
>矫治器分拣、包装。
[0004]由于光固化模具的缺陷，或者由于矫治器的生产环境因素影响复杂、矫治器的材料特性等各种因素，可能会导致生产得到的矫治器出现各种缺陷。其中，光固化模具上的缺陷会带入矫治器，影响对矫治器的压制质量，从而影响佩戴，无法达到矫正牙齿的目的，因此，需要识别出来光固化模具的缺陷，做相应的返工。矫治器压膜完成后，在矫治器剪裁、脱壳、研磨、清洗等一系列流程中，由于外力或是光固化模具引入的问题，会导致矫治器会产生外观缺陷。存在外观缺陷的矫治器属于瑕疵产品，无法佩戴以到达矫正牙齿的目的，需要被识别并处理。
[0005]现有技术中，主要通过以下方式识别光固化模具和矫治器的缺陷：在生产过程中，由操作工人进行目视检查；在质检阶段，由质检人员进行目视检查；在成品质检阶段，由质检人员进行单步目视检查和多步对比目视检查。
[0006]然而，上述主要通过人工识别光固化模具和矫治器的缺陷的方式，至少存在以下问题：由于产量的需求、质量控制的要求和质检人员的人数限制，目视检查非常繁重，给操作工人和质检人员带来巨大的工作压力；质量问题(尤其是矫治器的局部缺陷)的目视检查受到操作工人和质检人员的主观因素(如视力、经验、疲劳程度等)影响，无法形成客观统一的评价标准，不利于质量控制；部分缺陷非常难以判断，或是非常细微从而难以察觉。
[0007]因此，现有技术通过人工识别光固化模具和矫治器的缺陷的方式，无法准确、有效识别光固化模具和矫治器的缺陷，并且需要占用大量的人力资源，质检成本高、时间长、效率低，无法有效控制矫治器的质量。

技术实现思路

[0008]本专利技术的多个方面提供一种质量检测方法、装置、设备及计算机可读存储介质，用以准确、有效识别矫治器的局部缺陷及矫治器模具的缺陷。
[0009]本专利技术的一方面，提供一种质量检测方法，包括：
[0010]获取包括待检测对象的待检测图像，所述待检测对象包括矫治器或者用于对所述矫治器压膜的模具；
[0011]利用预先训练得到的第一检测模型，对所述待检测图像进行感兴趣区域检测，得到至少一个感兴趣区域；
[0012]分别从所述待检测图像中裁剪出所述至少一个感兴趣区域中各感兴趣区域的图像，并利用预先训练得到的第二检测模型，分别对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果；
[0013]基于所述至少一个感兴趣区域对应的目标检测结果，确定所述待检测对象的质量检测结果。
[0014]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取包括检测对象的待检测图像，包括：
[0015]利用多视角图像采集系统，采用俯视+三维环形的图像采集方式，采集包括所述检测对象的多视角二维待检测图像。
[0016]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述至少一个感兴趣区域包括以下任意一个或多个：前牙区域和两个后牙区域。
[0017]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待检测对象为矫治器；
[0018]所述对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果，包括：对所述各感兴趣区域的图像进行局部缺陷的检测，得到所述各感兴趣区域对应的目标检测结果，所述目标检测结果包括局部缺陷的类型、位置和尺寸；
[0019]其中，所述局部缺陷包括以下任意一项或多项：线状凹陷、块状凹陷、光固化缺层的痕迹、树脂残留、卡光固化、附件小、裂纹或裂开、压制不清晰、褶皱、切到附件、牵引附件变形损坏、边缘问题、牵引钩未夹、颌垫未磨开、磨坏。
[0020]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待检测对象为模具；
[0021]所述对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果，包括：对所述各感兴趣区域的图像进行模具缺陷的检测，得到所述各感兴趣区域对应的目标检测结果，所述目标检测结果包括模具缺陷的类型、位置和尺寸；
[0022]其中，所述模具缺陷包括以下任意一项或多项：底座缺陷、牙体表面缺陷、牙体形态缺陷；
[0023]所述底座缺陷包括以下任意一项或多项：底座不平、底座圆盘有杂质、底座圆盘底面凹凸不平；
[0024]所述牙体表面缺陷包括以下任意一项或多项：线状凹陷、表面有洞、牙面飞边、表面有异物、树脂残留；
[0025]所述牙体形态缺陷包括以下任意一项或多项：牙体破损、牙体缺损、附件小。
[0026]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于所述至少一个感兴趣区域对应的目标检测结果，确定所述待检测对象的质量检测结果，包括：
[0027]分别对所述至少一个感兴趣区域的图像和所述至少一个感兴趣区域对应的目标检测结果进行拼接，得到拼接结果；
[0028]对所述拼接结果中重叠的目标检测结果进行柔性非极大值抑制，得到所述待检测对象的质量检测结果，所述质量检测结果包括目标的类型、位置和尺寸，所述目标包括所述
矫治器对应的局部缺陷或者所述模具对应的模具缺陷。
[0029]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
[0030]获取第一训练集，所述第一训练集包括多张包括待检测对象的第一样本图像，所述第一样本图像上标注有感兴趣区域的标注信息，所述感兴趣区域中的相邻感兴趣区域有所重叠；
[0031]利用待训练第一检测模型对所述第一训练集中的第一样本图像进行感兴趣区域检测，得到感兴趣区域检测结果；
[0032]基于所述第一样本图像的感兴趣区域的标注信息与感兴趣区域检测结果之间的第一差异，对所述待训练第一检测模型进行训练，直至满足第一预设训练完成条件，得到所述第一检测模型；
[0033]其中，所述第一预设训练完成条件包括：对所述待训练第一检测模型的训练次数的达到预设次数，和/或，所述第一差异小于预设阈值。
[0034]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一预设训练完成条件包括：
[0035]Loss＝BCE_obj+BC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种质量检测方法，其特征在于，包括：获取包括待检测对象的待检测图像，所述待检测对象包括矫治器或者用于对所述矫治器压膜的模具；利用预先训练得到的第一检测模型，对所述待检测图像进行感兴趣区域检测，得到至少一个感兴趣区域；分别从所述待检测图像中裁剪出所述至少一个感兴趣区域中各感兴趣区域的图像，并利用预先训练得到的第二检测模型，分别对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果；基于所述至少一个感兴趣区域对应的目标检测结果，确定所述待检测对象的质量检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取包括检测对象的待检测图像，包括：利用多视角图像采集系统，采用俯视+三维环形的图像采集方式，采集包括所述检测对象的多视角二维待检测图像。3.根据权利要求1所述的方法，其特征在于，所述至少一个感兴趣区域包括以下任意一个或多个：前牙区域和两个后牙区域。4.根据权利要求1所述的方法，其特征在于，所述待检测对象为矫治器；所述对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果，包括：对所述各感兴趣区域的图像进行局部缺陷的检测，得到所述各感兴趣区域对应的目标检测结果，所述目标检测结果包括局部缺陷的类型、位置和尺寸；其中，所述局部缺陷包括以下任意一项或多项：线状凹陷、块状凹陷、光固化缺层的痕迹、树脂残留、卡光固化、附件小、裂纹或裂开、压制不清晰、褶皱、切到附件、牵引附件变形损坏、边缘问题、牵引钩未夹、颌垫未磨开、磨坏。5.根据权利要求1所述的方法，其特征在于，所述待检测对象为模具；所述对所述各感兴趣区域的图像进行目标检测，得到所述各感兴趣区域对应的目标检测结果，包括：对所述各感兴趣区域的图像进行模具缺陷的检测，得到所述各感兴趣区域对应的目标检测结果，所述目标检测结果包括模具缺陷的类型、位置和尺寸；其中，所述模具缺陷包括以下任意一项或多项：底座缺陷、牙体表面缺陷、牙体形态缺陷；所述底座缺陷包括以下任意一项或多项：底座不平、底座圆盘有杂质、底座圆盘底面凹凸不平；所述牙体表面缺陷包括以下任意一项或多项：线状凹陷、表面有洞、牙面飞边、表面有异物、树脂残留；所述牙体形态缺陷包括以下任意一项或多项：牙体破损、牙体缺损、附件小。6.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个感兴趣区域对应的目标检测结果，确定所述待检测对象的质量检测结果，包括：分别对所述至少一个感兴趣区域的图像和所述至少一个感兴趣区域对应的目标检测结果进行拼接，得到拼接结果；对所述拼接结果中重叠的目标检测结果进行柔性非极大值抑制，得到所述待检测对象
的质量检测结果，所述质量检测结果包括目标的类型、位置和尺寸，所述目标包括所述矫治器对应的局部缺陷或者所述模具对应的模具缺陷。7.根据权利要求1～6任一权利要求所述的方法，其特征在于，还包括：获取第一训练集，所述第一训练集包括多张包括待检测对象的第一样本图像，所述第一样本图像上标注有感兴趣区域的标注信息，所述感兴趣区域中的相邻感兴趣区域有所重叠；利用待训练第一检测模型对所述第一训练集中的第一样本图像进行感兴趣区域检测，得到感兴趣区域检测结果；基于所述第一样本图像的感兴趣区域的标注信息与感兴趣区域检测结果之间的第一差异，对所述待训练第一检测模型进行训练，直至满足第一预设训练完成条件，得到所述第一检测模型；其中，所述第一预设训练完成条件包括：对所述待训练第一检测模型的训练次数的达到预设次数，和/或，所述第一差异小于预设阈值。8.根据权利要求7所述的方法，其特征在于，所述第一差异基于如下方式确定：Loss＝BCE_obj+BCE_cls+box_lossBCE_xxx＝w*focal loss+(1
–
w)*WCE loss其中，Loss表示所述第一差异，BCE_obj表示利用交叉熵函数计算的预测为感兴趣区域的置信度与标注信息之间的损失函数值，BCE_cls表示利用交叉熵函数计算预测为感兴趣区域的类别与标注信息之间的损失函数值，box_loss表示预测的感兴趣区域的位置与标注信息之间的损失函数值；BCE_xxx表示交叉熵函数的函数值，focal loss表示处理数据不平衡的自适应交叉熵损失函数的函数值，WCEloss表示带权重的交叉熵损失函数的函数值，w表示WCE loss的权重值，w为预先设置的、不小于0且不大于1的常数。9.根据权利要求1～6任一权利要求所述的方法，其特征在于，还包括：获取第二训练集，所述第二训练集包括多张感兴趣区域的第二样本图像，所述多张感兴趣区域的第二样本图像包括：多张含有目标的第二样本图像和多张不含有目标的第二样本图像；所述第二样本图像标注有目标标注信息，所述目标标注信息包括：目标的类型标注信息、位置标注信息和尺寸标注信息；利用待训练第二检测模型对所述第二训练集中的第二样本图像进行目标检测，得到所述第二样本图像的目标检测结果；基于所述第二样本图像的目标标注信息与目标检测结果之间的第二差异，对所述待训练第二检测模型进行训练，直至满足第二预设训练完成条件，得到所述第二检测模型；其中，所述第二预设训练完成条件包括：对所述待训练第二检测模型的训练次数的达到预设次数，和/或，所述第二差异小于预设阈值。10.根据权利要求9所述的方法，其特征在于，所述第二差异基于如下方式确定：Loss＝BCE_obj+BCE_cls+box_lossBCE_xxx＝w*focal loss+(1
–
w)*WCE loss其中，Loss表示所述第二差异，BCE_obj表示利用交叉熵函数计算的预测为目标的置信
度与标注信息之间的损失函数值，BCE_cls表示利用交叉熵函数计算的预测为目标的类别与标注信息之间的损失函数值，box_loss表示预测的目标的位置与标注信息之间的损失函数值；BCE_xxx表示交叉熵函数的函数值，focal loss表示处理数据不平衡的自适应交叉熵损失函数的函数值，WCEloss表示带权重的交叉熵损失函数的函数值，w表示WCE loss的权重值，w为预先设置的、不小于0且不大于1的常数。11.一种质量检测装置，其特征在于，包括：第一获取模块，用于获取包括待检测对象的待检测图像，所述待检测对象包括矫治器或者用于对所述矫治器压膜的模具；第一检测模块，用于利用预先训练得到的第一检测模型，对所述待检测图...

【专利技术属性】
技术研发人员：张隽华，黄雷，
申请(专利权)人：无锡时代天使医疗器械科技有限公司，
类型：发明
国别省市：