System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,特别是涉及一种缺陷检测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
1、随着计算机技术的发展,出现了越来越多基于图像检测产品缺陷的技术。然而,现有检测机械设备配件的液体油重印缺陷的技术中,主要采用机器视觉技术或深度学习技术,直接对配件对应的图像进行液体油缺陷的判断,并未从液体油缺陷自身的特殊特性考虑,从而使得对液体油缺陷检测的准确性较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种缺陷检测方法、装置、计算机设备、计算机可读存储介质以及计算机程序产品,能够实现提高液体油重印缺陷检测的准确性。
2、第一方面,本申请提供了一种缺陷检测方法,包括:
3、获取待训练图像集,待训练图像集包括存在液体油重印缺陷的待训练图像,和待训练图像中的液体油单印区域对应的标注;
4、将待训练图像集输入待训练缺陷检测模型中,针对待训练图像集中的每个待训练图像,提取待训练图像对应的特征图,将特征图划分成至少两个目标局部特征块;对各目标局部特征块进行自注意力机制处理,得到各目标局部特征块对应的当前增强局部特征;
5、获取历史训练图像对应的历史增强局部特征,基于当前增强局部特征和历史增强局部特征进行损失函数计算,得到损失值;基于损失值调整待训练缺陷检测模型的参数,得到目标缺陷检测模型;目标缺陷检测模型用于检测图像中的液体油重印缺陷。
6、第二方面,本申请提供了一种缺陷检测装置,包括:
7、获取模块,用
8、处理模块,用于将待训练图像集输入待训练缺陷检测模型中,针对待训练图像集中的每个待训练图像,提取待训练图像对应的特征图,将特征图划分成至少两个目标局部特征块;对各目标局部特征块进行自注意力机制处理,得到各目标局部特征块对应的当前增强局部特征;
9、调参模块,用于获取历史训练图像对应的历史增强局部特征,基于当前增强局部特征和历史增强局部特征进行损失函数计算,得到损失值;基于损失值调整待训练缺陷检测模型的参数,得到目标缺陷检测模型;目标缺陷检测模型用于检测图像中的液体油重印缺陷。
10、第三方面,本申请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,处理器执行该计算机程序时实现上述的方法中的步骤。
11、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的方法中的步骤。
12、第五方面,本申请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方法中的步骤。
13、上述缺陷检测方法、装置、计算机设备、计算机可读存储介质以及计算机程序产品,通过获取包括对存在液体油重印缺陷的待训练图像中的液体油单印区域进行标注的待训练图像集,有利于根据液体油重印区域特征不明显,而液体油非重印区域特征明显的特性,将直接对液体油重印区域进行标注转变为对存在液体油重印缺陷的待训练图像中的液体油单印区域进行标注,以提高液体油重印缺陷的检测效果;并将待训练图像输入待训练缺陷检测模型中,针对待训练图像集中的每个待训练图像,对待训练图像对应的特征图进行划分,并对划分得到的目标局部特征块进行自注意力机制处理,以增强局部特征块中特征信息之间的交互,提高待训练缺陷检测模型对液体油重印区域和液体油单印区域的区分度,得到对应精度更高的当前增强局部特征;再将当前增强局部特征和历史训练图像对应的历史增强局部特征进行损失函数计算,得到对应的损失值,并根据损失值调整待训练缺陷检测模型的参数,依此类推,直至得到满足训练终止条件对应的目标缺陷检测模型,实现了像素级别特征比对的损失计算,从而进一步提高区分液体油相关的各不同区域的准确性,使得最终训练得到的目标缺陷检测模型检测图像中液体油重印缺陷的准确性更高,从而较好地提高了液体油重印缺陷检测的准确性。
本文档来自技高网...【技术保护点】
1.一种缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述特征图划分成至少两个目标局部特征块,包括:
3.根据权利要求1所述的方法,其特征在于,所述待训练图像集包括不存在液体油重印缺陷的待训练图像,且不包括所述待训练图像中的液体油非重印区域的标注;所述待训练图像集包括的各待训练图像中的液体油区域边界存在对应的标注。
4.根据权利要求3所述的方法,其特征在于,所述历史增强局部特征包括历史液体油单印区域特征和历史液体油区域边界特征;所述当前增强局部特征包括当前液体油单印区域特征和当前液体油区域边界特征;所述基于所述当前增强局部特征和所述历史增强局部特征进行损失函数计算,得到损失值,包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
7.一种缺陷检测装置,其特征在于,包括:
8.根据权利要求7所述的装置,其特征在于,在将所述特征图划分成至少两个目标局部特征块方面,所述处理模块具体用于:
...【技术特征摘要】
1.一种缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述特征图划分成至少两个目标局部特征块,包括:
3.根据权利要求1所述的方法,其特征在于,所述待训练图像集包括不存在液体油重印缺陷的待训练图像,且不包括所述待训练图像中的液体油非重印区域的标注;所述待训练图像集包括的各待训练图像中的液体油区域边界存在对应的标注。
4.根据权利要求3所述的方法,其特征在于,所述历史增强局部特征包括历史液体油单印区域特征和历史液体油区域边界特征;所述当前增强局部特征包括当前液体油单印区域特征和当前液体油区域边界特征;所述基于所述当前增强局部特征和所述历史增强局部特征进行损失函数计算,得到损失值,包括...
【专利技术属性】
技术研发人员:陈鹏光,冯嘉佩,徐开元,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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。