摄像头缺陷检测方法、装置、计算机设备及存储介质制造方法及图纸

本申请涉及一种摄像头缺陷检测方法、装置、计算机设备、计算机可读存储介质及计算机程序产品。方法包括：通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图；基于多个尺度的特征图进行通道维度堆叠，得到摄像头特征图；将分割网络中的全连接层作为解码器，对摄像头特征图的像素点信息进行解码，得到解码后像素点信息；根据解码后像素点信息进行摄像头缺陷检测，得到缺陷检测结果。采用本方法能够更准确地得到摄像头的缺陷检测结果，使得分割网络所划分的图像区域能够表征更为细小的缺陷。域能够表征更为细小的缺陷。域能够表征更为细小的缺陷。

【技术实现步骤摘要】
摄像头缺陷检测方法、装置、计算机设备及存储介质


[0001]本申请涉及图像检测
，特别是涉及一种摄像头缺陷检测方法、装置、计算机设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]在制造生产过程中由于设备以及生产环境等各种原因，工件难免会有缺陷，如压伤、划伤、异物等。这些缺陷严重阻碍了产品的正常使用。
[0003]但想要准确检出这些缺陷并不容易。尤其是对于像手机摄像头这样体积比较小的精密物料。手机摄像头的缺陷通常只有2
‑
3mm，由于缺陷的面积非常小，检测变得很困难。如果直接放大图像，其放大后的图像信息缺失严重，缺陷检测的准确性低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种摄像头缺陷检测方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，能够实现提高摄像头缺陷检测的准确性。
[0005]第一方面，本申请提供了一种摄像头缺陷检测方法，包括：通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图；基于多个尺度的特征图进行通道维度堆叠，得到摄像头特征图；将分割网络中的全连接层作为解码器，对摄像头特征图的像素点信息进行解码，得到解码后像素点信息；根据解码后像素点信息进行摄像头缺陷检测，得到缺陷检测结果。
[0006]第二方面，本申请还提供了一种摄像头缺陷检测装置，包括：编码模块，用于通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图；堆叠模块，用于基于多个尺度的特征图进行通道维度堆叠，得到摄像头特征图；解码模块，用于将分割网络中的全连接层作为解码器，对摄像头特征图的像素点信息进行解码，得到解码后像素点信息；检测模块，用于根据解码后像素点信息进行摄像头缺陷检测，得到缺陷检测结果。
[0007]第三方面，本申请还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的摄像头缺陷检测方法中的步骤。
[0008]第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的摄像头缺陷检测方法中的步骤。
[0009]第五方面，本申请还提供了一种计算机程序产品，计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现上述的摄像头缺陷检测方法中的步骤。
[0010]上述摄像头缺陷检测方法、装置、计算机设备、计算机可读存储介质及计算机程序
产品，通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图；基于多个尺度的特征图进行通道维度堆叠，得到摄像头特征图；由于各个尺度的特征图提取的信息感受野，低层的局部信息更强、深层的语义信息更强，将各个尺度的特征图堆叠到一起，即融合了高尺度的全局信息与低尺度的局部信息；而将分割网络中的全连接层作为解码器，对摄像头特征图的像素点信息进行解码，得到解码后像素点信息；由于全连接层能够综合全部像素的上下文语义信息，以生成像素点信息，通过全连接层可将摄像头图像的全局信息准确地解码出来，且全连接层的各像素点信息，按照各自的权重进行解码，由此关注到了摄像头图像的局部信息，使得各像素点的解码后信息体现出更为细节的高频值，因而根据解码后像素点信息进行摄像头缺陷检测，可更准确地得到摄像头的缺陷检测结果，使得分割网络所划分的图像区域能够表征更为细小的缺陷。
附图说明
[0011]图1为本申请实施例提供的一种摄像头缺陷检测方法的应用环境图；图2为本申请实施例提供的一种摄像头缺陷检测方法的流程示意图；图3为本申请实施例提供的另一种摄像头缺陷检测方法的流程示意图；图4为本申请实施例提供的一种摄像头缺陷检测装置的结构框图；图5为本申请实施例提供的一种计算机设备的内部结构图；图6为本申请实施例提供的一种计算机可读存储介质的内部结构图。
具体实施方式
[0012]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0013]本申请实施例提供的摄像头缺陷检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过通信网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
[0014]其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备及便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0015]在一些实施例中，如图2所示，提供了一种摄像头缺陷检测方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：步骤202，通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图。
[0016]分割网络是通过图像分割的方式检测摄像头缺陷的机器学习模型。可选地，分割网络是深度学习模型，以使得分割网络具有更高的通用性，且能够较为准确地解析出摄像头图像中的特征。分割网络包括用于特征提取与编码的主干网络（encoder），以及用于特征解码的解码器（decoder）。
[0017]主干网络（backbone）是用于对图像进行多尺度特征编码的分割网络结构。本实施例中的网络是从完整的神经网络模型中选取的主干网络，可针对不同编码需求而对主干网络进行适应性调整。摄像头图像是对摄像头拍摄所得的图像，用于进行缺陷检测。
[0018]多尺度特征编码是通过多个尺度，分别对摄像头图像进行信息编码的操作，以得到多个尺度的特征图，各个尺度下的特征图具有不同的像素数量。具体的，在多尺度特征编码的过程中，每个阶段提取的信息感受野不一样，在低尺度层次提取到的特征属于低层次卷积提取的特征，偏向于局部信息的提取，能够较为准确地检测出摄像头图像中的缺陷边缘；而在高尺度层次提取到的特征属于较深层次卷积提取的特征，偏向于全局信息的提取，其语义信息更强，能够准确地确定摄像头图像中的缺陷整体，以进行缺陷整体层次的判别。其中，低尺度层次和高尺度层次是基于神经网络模型的特征提取深浅定义的；与高尺度层次的尺度比较而言，在低尺度层次的尺度相对较大，其采样率相对较低，其保留的细节较多，因而偏向于提取出局部信息；相对应的，与低尺度层次比较而言，在高尺度层次的尺度相对较小，其采样率相对较高，其忽略的细节较多，因而偏向于提取出全局信息。
[0019]在一些实施例中，通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，包括：通过分割网络中的主干网络，按照由大到小的尺度，对摄像头图像进行逐级编码。
[0020]由此，在编码过程中，能够将前一级的特征传递到下一级，使得网络提取到的特征能够准确地描述图像的局部信息与全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄像头缺陷检测方法，其特征在于，包括：通过分割网络中的主干网络对摄像头图像进行多尺度特征编码，得到多个尺度的特征图；基于所述多个尺度的特征图进行通道维度堆叠，得到摄像头特征图；将所述分割网络中的全连接层作为解码器，对所述摄像头特征图的像素点信息进行解码，得到解码后像素点信息；根据所述解码后像素点信息进行摄像头缺陷检测，得到缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述摄像头特征图的像素点信息进行解码，得到解码后像素点信息，包括：对所述摄像头特征图中的各像素点进行信息提取，得到像素点信息；按照所述全连接层中的各像素点权重，对所述像素点信息进行加权处理，得到解码后像素点信息。3.根据权利要求1所述的方法，其特征在于，所述基于所述多个尺度的特征图进行通道维度堆叠，得到摄像头特征图，包括：基于所述多个尺度表征的特征图参数信息，从所述多个尺度的特征图中选取尺度处于预设尺度范围中的待堆叠特征图；对所述待堆叠特征图进行通道维度堆叠，得到摄像头特征图。4.根据权利要求3所述的方法，其特征在于，所述多个尺度的特征图是按照尺度顺序，逐级对所述摄像头图像进行特征编码所得；所述基于所述多个尺度表征的特征图参数信息，从所述多个尺度的特征图中选取尺度处于预设尺度范围中的待堆叠特征图，包括：确定所述多个尺度的特征图在所述尺度顺序中的编码位置；按照小尺度区间内的所述编码位置所表征尺度的特征图，从所述多个尺度的特征图中选取待堆叠特征图。5.根据权利要求1所述的方法，其特征在于，所述基于所述多个尺度的特征图进行通道维度堆叠，得到摄像头特征图之前，所述方法还包括：通过所述分割网络分析缺陷检测的打光方式；按照所述打光方式，对所述多个尺度的特征图进行通道维度的打光，得到打光后的所述多个尺度的特征图；所述基于所述多个尺度的特征图进行通道维度堆叠，得到摄像头特征图，包...

【专利技术属性】
技术研发人员：袁磊，王远，刘枢，吕江波，沈小勇，
申请(专利权)人：深圳思谋信息科技有限公司，
类型：发明
国别省市：