【技术实现步骤摘要】
本专利技术涉及图像检测，特别是涉及一种外壳缺陷检测方法、装置、电子设备及存储介质。
技术介绍
1、外壳缺陷检测是指通过使用技术方法检测产品外表面是否存在缺陷的过程，这些缺陷可能是裂纹、划痕、磨损、变形等，产品外壳的缺陷会影响美观，也可能会导致产品的结构弱化，影响其性能和寿命，甚至带来安全隐患。一些电子产品的外壳容易存在缺陷，例如，笔记本电脑的外壳容易存在多种形态和尺度的缺陷。现有技术会用图像处理的方式对外壳缺陷进行检测，但是对于一些尺度或形态较为复杂的缺陷，即使检测模型的训练样本数量不少，也难以在训练过程中有效地收敛，导致检测的准确率较低；此外，少数缺陷在现有的打光条件下成像效果不理想，需要在不同的打光条件下才能成像清晰，以便更好地识别这些缺陷，但同时也增加了资源消耗和时间开销，降低了整体的检测速度。
技术实现思路
1、基于此，本专利技术提供一种外壳缺陷检测方法、装置、电子设备及存储介质，以解决现有技术中外壳缺陷检测的准确率较低以及检测速度较慢的技术问题。
2、本专利技术的技术方案如下，提供了一种外壳缺陷检测方法，包括：获取待检测外壳图像；
3、将所述待检测外壳图像输入至已训练好的缺陷检测模型中，得到外壳缺陷检测结果，所述缺陷检测模型是利用待检测外壳图像样本对初始缺陷检测模型训练得到的，所述初始缺陷检测模型包括融合网络、特征提取基础结构、head和detect，所述融合网络包括特征提取模块、特征融合模块以及特征重建模块，训练过程中，所述特征融合模块对所述特征
4、进一步地，所述待检测外壳图像样本包括主光源图像样本和辅光源图像样本；相应的，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
5、所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，得到融合后的特征图，所述融合后的特征图进入所述特征重建模块，所述特征重建模块引入注意力模块。
6、进一步地，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
7、所述特征融合模块根据融合公式对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，所述融合公式包括
8、
9、其中，fo(x,y)表示融合后的特征图，表示第i个图像样本的第j个通道中坐标(x,y)的像素，c为通道总数，第1个图像样本为所述主光源图像样本或所述辅光源图像样本，第2个图像样本为所述辅光源图像样本或所述主光源图像样本，fuse表示元素融合规则，所述元素融合规则为取括号内各个元素的最大值、最小值或平均值。
10、进一步地，所述外壳缺陷检测方法，还包括：
11、利用边界框损失大于边界框损失平均值的待检测外壳图像样本对所述初始缺陷检测模型进行训练时，对应的总损失是根据分类损失、所述边界框损失、置信度损失以及总损失计算公式得到的，所述总损失函数计算公式包括
12、
13、其中，losstotal_>giou为所述总损失，1-giouk为第k个待检测外壳图像样本的边界框损失，e(1-giou)为边界框损失平均值，n为待检测外壳图像样本的总数，losscls为分类损失，lossobj为边界框损失，lossrect为置信度损失。
14、进一步地，所述特征提取基础结构包括focus模块、conv模块、c3模块以及空间金字塔池化模块中的至少一种特征提取模块。
15、进一步地，所述head包括fpn模块以及pan模块。
16、进一步地，所述detect包括卷积层。
17、本专利技术的另一技术方案如下，还提供了一种外壳缺陷检测装置，包括数据获取模块和检测模块；
18、所述数据获取模块，用于获取待检测外壳图像；
19、所述检测模块，用于将所述待检测外壳图像输入至已训练好的缺陷检测模型中，得到外壳缺陷检测结果，所述缺陷检测模型是利用待检测外壳图像样本对初始缺陷检测模型训练得到的，所述初始缺陷检测模型包括融合网络、特征提取基础结构、head和detect，所述融合网络包括特征提取模块、特征融合模块以及特征重建模块，训练过程中，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，在训练的后半段，利用边界框损失大于边界框损失平均值的待检测外壳图像样本对所述初始缺陷检测模型进行训练。
20、本专利技术的另一技术方案如下，还提供了一种电子设备，包括存储器、处理器，所述存储器存储有可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项技术方案所述的外壳缺陷检测方法。
21、本专利技术的另一技术方案如下，还提供了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，所述计算机程序被处理器执行时实现如上述任一项技术方案所述的外壳缺陷检测方法。
22、本专利技术的有益效果在于：获取待检测外壳图像；将所述待检测外壳图像输入至已训练好的缺陷检测模型中，得到外壳缺陷检测结果，所述缺陷检测模型是利用待检测外壳图像样本对初始缺陷检测模型训练得到的，所述初始缺陷检测模型包括融合网络、特征提取基础结构、head和detect，所述融合网络包括特征提取模块、特征融合模块以及特征重建模块，训练过程中，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，在训练的后半段，利用边界框损失大于边界框损失平均值的待检测外壳图像样本对所述初始缺陷检测模型进行训练；通过上述技术方案，可以实现对外壳缺陷的检测，可以提高缺陷检测的准确率以及速度。
本文档来自技高网...【技术保护点】
1.一种外壳缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述待检测外壳图像样本包括主光源图像样本和辅光源图像样本；相应的，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
3.根据权利要求2所述的外壳缺陷检测方法，其特征在于，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
4.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述外壳缺陷检测方法，还包括：
5.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述特征提取基础结构包括Focus模块、Conv模块、C3模块以及空间金字塔池化模块中的至少一种特征提取模块。
6.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述Head包括FPN模块以及PAN模块。
7.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述Detect包括卷积层。
8.一种外壳缺陷检测装置，其特征在于，包括数据获取模块和检测模块；
9.一种
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的外壳缺陷检测方法。
...【技术特征摘要】
1.一种外壳缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述待检测外壳图像样本包括主光源图像样本和辅光源图像样本；相应的，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
3.根据权利要求2所述的外壳缺陷检测方法，其特征在于，所述特征融合模块对所述特征提取模块生成的多个不同卷积核大小的特征图进行融合，包括：
4.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述外壳缺陷检测方法，还包括：
5.根据权利要求1所述的外壳缺陷检测方法，其特征在于，所述特征提取基础结构包括focus模块、conv模块、c3模块以及空间金字塔池化模块中的至少一...
【专利技术属性】
技术研发人员：陈小硕，陆苏，蔡传宝，陈高，
申请(专利权)人：东莞市新美洋技术有限公司，
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。