锈蚀检测方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种锈蚀检测方法、装置及计算机可读存储介质，该检测方法包括：利用检测模型对当前图像进行锈蚀检测，得到第一检测结果，第一检测结果包括当前图像中的第一锈蚀区域；获取检测模型对历史图像进行锈蚀检测而得到的第二检测结果，第二检测结果包括历史图像中的第二锈蚀区域；根据第一检测结果以及第二检测结果，确定第一锈蚀区域和第二锈蚀区域的差异区域；确定当前图像中对应差异区域的目标图像；根据目标图像中的锈蚀区域，对第一检测结果进行修正，得到修正结果；以当前图像作为输入，修正结果作为标签对检测模型进行再训练。本申请所提供的检测方法能够提高锈蚀检测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
锈蚀检测方法、装置及计算机可读存储介质


[0001]本申请属于图像处理
，特别是涉及一种锈蚀检测方法、装置及计算机可读存储介质。

技术介绍

[0002]在电力能源或石油化工等领域，设备因长期暴露在环境中，容易产生金属锈蚀，为避免形成安全隐患并延长设备使用寿命需要尽早发现并加以干预。
[0003]随着深度学习方法的兴起，基于深度学习的金属锈蚀图像自动检测方法是目前一种可行的方法，但由于含有金属锈蚀的图像数据不好获取、且金属锈蚀形状的不规则性，训练的模型往往存在锈蚀检测准确率、召回率不高的问题。

技术实现思路

[0004]本申请提供一种锈蚀检测方法、装置及计算机可读存储介质，能够提高锈蚀检测的准确率。
[0005]本申请实施例第一方面提供锈蚀检测方法，所述方法包括：利用检测模型对当前图像进行锈蚀检测，得到第一检测结果，所述第一检测结果包括所述当前图像中的第一锈蚀区域；获取所述检测模型对历史图像进行锈蚀检测而得到的第二检测结果，所述第二检测结果包括所述历史图像中的第二锈蚀区域，其中，所述当前图像、所述历史图像是以相同的拍摄角度，朝向同一设备的同一区域进行拍摄而得到的；根据所述第一检测结果以及所述第二检测结果，确定所述第一锈蚀区域和所述第二锈蚀区域的差异区域；确定所述当前图像中对应所述差异区域的目标图像；根据所述目标图像中的锈蚀区域，对所述第一检测结果进行修正，得到修正结果；以所述当前图像作为输入，所述修正结果作为标签对所述检测模型进行再训练。
[0006]本申请实施例第二方面提供一种锈蚀检测装置，所述锈蚀检测装置包括处理器、存储器以及通信电路，所述处理器分别耦接所述存储器、所述通信电路，所述存储器中存储有程序数据，所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。
[0007]本申请实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序能够被处理器执行以实现上述方法中的步骤。
[0008]有益效果是：本申请的方案，一方面以当前图像作为素材对检测模型进行再训练，可以提高检测模型的检测准确率，且在前期对检测模型进行训练时，可以无需积累太多的素材，另一方面对第一检测结果进行修正，以修正结果作为当前图像的标签，可以无需人工对当前图像进行打标，能够节省人力。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1是本申请锈蚀检测方法一实施方式的流程示意图；图2是当前图像的示意图；图3是图2中当前图像对应的第一掩码图；图4是图1中步骤S130的流程示意图；图5是历史图像的示意图；图6是图5中历史图像对应的第二掩码图；图7是图3第一掩码图和图6第二掩码图的补集掩码图；图8是图1中步骤S150的流程示意图；图9是本申请锈蚀检测系统一实施方式的结构示意图；图10是目标图像的结构示意图；图11是本申请锈蚀检测装置一实施方式的结构示意图；图12是本申请锈蚀检测装置另一实施方式的结构示意图；图13是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
[0010]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0011]首先需要说明的是，本申请的检测方法不仅仅适用于锈蚀检测，还可以用于其他例如油斑、工件破损等缺陷的检测，但是为了便于说明，以下均以用于锈蚀检测为例进行本申请方案的介绍。
[0012]本申请的锈蚀检测方法由锈蚀检测装置执行，该锈蚀检测装置可以是手机、电脑等任一项具有图像处理能力的装置。
[0013]参阅图1，图1是本申请锈蚀检测方法一实施方式的流程示意图。该方法包括：S110：利用检测模型对当前图像进行锈蚀检测，得到第一检测结果，第一检测结果包括当前图像中的第一锈蚀区域。
[0014]其中，当前图像为当前待检测图像，也就是锈蚀检测装置即将识别该图像中存在的锈蚀区域。
[0015]其中，锈蚀检测装置在接收到当前图像后，将当前图像输入检测模型中，利用检测模型对当前图像进行锈蚀检测，以识别当前图像中的锈蚀区域，其中为了便于说明，将当前图像中的锈蚀区域定义为第一锈蚀区域。
[0016]其中，检测模型预先经过前期训练，有一定的锈蚀检测能力。其中，检测模型前期的训练过程包括：获取多个样本图像，人工标注各个样本图像中的锈蚀区域，然后基于多个样本图像以及多个样本图像各自对应的标注的锈蚀区域，对检测模型进行训练。其中，检测模型具体可以是任何具有检测能力的网络模型，例如，检测模型可以是U
‑
net网络模型、
deeplabv3网络模型或者hrnet网络模型等。总而言之，本申请对检测模型的具体结构不做限制。
[0017]其中在前期对检测模型进行训练时，多个样本图像可以不包括锈蚀区域，具体原因可参见下文。同时检测模型最后一层输出的通道数量等于3，分别对应于背景区域、设备区域以及锈蚀区域，后期随着素材的积累对检测模型进行再训练时，检测模型的结构并不需要改变。
[0018]其中，在得到第一检测结果后，可以直接将第一检测结果作为当前图像的检测结果进行使用，即就认定第一检测结果中的第一锈蚀区域就是当前图像中真正的锈蚀区域。例如，根据第一检测结果中第一锈蚀区域的位置，确定设备上产生锈蚀的位置，并将该位置及时上报，以通知维护人员及时维护，或者，判断第一检测结果中的第一锈蚀区域的面积是否超过面积阈值，若超过，则进行报警处理。
[0019]S120：获取检测模型对历史图像进行锈蚀检测而得到的第二检测结果，第二检测结果包括历史图像中的第二锈蚀区域。
[0020]其中，历史图像为锈蚀检测装置在识别当前图像之前就已经识别过的图像，其中，将历史图像中的锈蚀区域定义为第二锈蚀区域。
[0021]其中，当前图像、历史图像是以相同的拍摄角度，朝向同一设备的同一区域进行拍摄而得到的。具体地，控制拍摄设备以固定的角度朝向同一设备进行拍摄，先后得到多张图像，然后检测模型对该多张图像进行依次识别。
[0022]可以理解的是，由于当前图像、历史图像是以相同的拍摄角度，朝向同一设备的同一区域进行拍摄而得到的，因为当前图像和历史图像中的设备区域、背景区域对应相同。而随着时间的推移，锈蚀会生长，也有可能会被人工修复。
[0023]S130：根据第一检测结果以及第二检测结果，确定第一锈蚀区域和第二锈蚀区域的差异区域。
[0024]具体地，对第一检测结果与第二检测结果进行差异检测，从而确定第一锈蚀区域和第二锈蚀本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锈蚀检测方法，其特征在于，所述方法包括：利用检测模型对当前图像进行锈蚀检测，得到第一检测结果，所述第一检测结果包括所述当前图像中的第一锈蚀区域；获取所述检测模型对历史图像进行锈蚀检测而得到的第二检测结果，所述第二检测结果包括所述历史图像中的第二锈蚀区域，其中，所述当前图像、所述历史图像是以相同的拍摄角度，朝向同一设备的同一区域进行拍摄而得到的；根据所述第一检测结果以及所述第二检测结果，确定所述第一锈蚀区域和所述第二锈蚀区域的差异区域；确定所述当前图像中对应所述差异区域的目标图像；根据所述目标图像中的锈蚀区域，对所述第一检测结果进行修正，得到修正结果；以所述当前图像作为输入，所述修正结果作为标签对所述检测模型进行再训练。2.根据权利要求1所述的方法，其特征在于，所述利用检测模型对当前图像进行检测，得到第一检测结果的步骤，包括：利用所述检测模型对所述当前图像进行设备表面分割处理，得到第一掩码图，其中，所述第一掩码图中对应所述当前图像中为背景区域的像素点的像素值均为第一像素值，所述第一掩码图中对应所述当前图像中为设备区域的像素点的像素值均为第二像素值，所述第一掩码图中对应所述当前图像中为锈蚀区域的像素点的像素值均为第三像素值；所述获取所述检测模型对历史图像进行检测而得到的第二检测结果的步骤，包括：获取所述检测模型对所述历史图像进行设备表面分割处理而得到的第二掩码图，其中，所述第二掩码图中对应所述历史图像中为背景区域的像素点的像素值均为所述第一像素值，所述第二掩码图中对应所述历史图像中为设备区域的像素点的像素值均为所述第二像素值，所述第二掩码图中对应所述历史图像中为锈蚀区域的像素点的像素值均为所述第三像素值。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一检测结果以及所述第二检测结果，确定所述第一锈蚀区域和所述第二锈蚀区域的差异区域的步骤，包括：对所述第一掩码图和所述第二掩码图进行作差处理，得到补集掩码图；根据所述补集掩码图，确定所述第一锈蚀区域和所述第二锈蚀区域的所述差异区域。4.根据权利要求2所述的方法，...

【专利技术属性】
技术研发人员：李宁钏，熊剑平，严谨，孙海涛，赵蕾，杨剑波，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：