墙面验收方法、装置、设备及存储介质与流程

本技术涉及检测，尤其涉及一种墙面验收方法、装置、设备及存储介质。

背景技术：

1、在装饰工程中，工程墙面漆的外观直接影响着整个工程的外观效果，针对工程墙面漆的外观验收是工程竣工验收的重要环节。对于工程墙面漆的外观验收可以包括验收墙面的砂眼、流坠、起疙等瑕疵情况。

2、目前的验收手段主要依靠肉眼观察到的信息以及人工测量的方式判断工程墙面是否通过验收。例如，当墙面漆涂料干燥后，在自然光线下又或光线不佳时借助灯泡，在距离墙面保持一定位置沿着墙面采用目测和手感检查墙面是否存在砂眼、流坠、起疙等瑕疵，若存在，再借助钢尺等测量工具人工测量砂眼、流坠、起疙等瑕疵的尺寸大小。进而结合验收标准通过人工判断确定墙面是否通过验收。

3、然而，肉眼观察以及人工测量存在主观性以及尺寸偏差的问题，从而造成验收结果不准确，影响竣工验收结果。

技术实现思路

1、本技术提供一种墙面验收方法、装置、设备及存储介质，用于克服现有技术中采用肉眼观察以及人工测量验收墙面存在主观性以及尺寸偏差的问题，造成验收结果不准确进而影响竣工验收结果的技术问题。

2、第一方面，本技术提供一种墙面验收方法，包括：

3、采集待验收图像，所述待验收图像包括待验收墙面的多张图像；

4、根据特征提取模型对所述待验收图像进行特征提取，得到所述待验收墙面的待验收瑕疵信息，所述特征提取模型是根据多张存在特征瑕疵的墙面图像训练得到的；

5、根据所述待验收瑕疵信息与验收标准确定所述待验收墙面是否通过验收。

6、在一种可能的设计中，在所述根据特征提取模型对所述待验收墙面图像进行特征提取之前，还包括：

7、获取训练数据集，所述训练数据集包括所述多张存在特征瑕疵的墙面图像以及每张存在特征瑕疵的墙面图像对应的设计图像；

8、根据所述训练数据集对初始特征提取模型进行训练，得到所述特征提取模型。

9、在一种可能的设计中，所述根据特征提取模型对所述待验收图像进行特征提取，得到所述待验收墙面的待验收瑕疵信息，包括：

10、将所述待验收图像以及待验收设计图像输入所述特征提取模型进行特征提取，输出提取结果；

11、按照尺寸偏差策略解析所述提取结果，将得到的解析结果确定为所述待验收瑕疵信息；

12、其中，所述待验收瑕疵信息包括所述待验收图像的瑕疵类别以及瑕疵等级，所述待验收设计图像为所述待验收墙面的原始设计图像。

13、在一种可能的设计中，所述根据所述待验收瑕疵信息与验收标准确定所述待验收墙面是否通过验收，包括：

14、判断所述待验收图像的瑕疵类别是否与预设瑕疵类别中的至少一类一致；

15、若否，确定所述待验收墙面通过验收；

16、若是，根据类别一致的瑕疵类别对应的瑕疵等级以及预设瑕疵等级确定所述待验收墙面是否通过验收；

17、其中，所述验收标准包括所述预设瑕疵类别和所述预设瑕疵等级。

18、在一种可能的设计中，所述根据类别一致的瑕疵对应的瑕疵等级以及预设瑕疵等级确定所述待验收墙面是否通过验收，包括：

19、将所述类别一致的瑕疵类别对应的瑕疵等级与所述预设瑕疵等级进行比较；

20、若所述类别一致的瑕疵类别对应的瑕疵等级均为预设瑕疵类别的第一瑕疵等级时，确定所述待验收墙面通过验收；

21、其中，所述预设瑕疵等级包括每种预设瑕疵类别的第一瑕疵等级、第二瑕疵等级以及第三瑕疵等级。

22、在一种可能的设计中，所述预设瑕疵类别包括砂眼瑕疵类别、流坠瑕疵类别以及起疙瑕疵类别中的一种或多种。

23、在一种可能的设计中，所述按照尺寸偏差策略解析所述提取结果，包括：

24、根据瑕疵类别标签为所述待验收图像的瑕疵类别生成对应的类别标签，所述类别标签用于表征所述待验收图像的瑕疵类别；

25、根据瑕疵尺寸范围确定所述待验收图像的瑕疵等级，所述瑕疵尺寸范围包括所述每种预设瑕疵类别的第一瑕疵等级、第二瑕疵等级以及第三瑕疵等级各自对应的尺寸范围；

26、其中，所述尺寸偏差策略包括所述瑕疵类别标签以及所述瑕疵尺寸范围。

27、在一种可能的设计中，所述采集待验收图像，包括：

28、通过拍摄设备按照拍摄标准对所述待验收墙面进行拍摄，以采集所述待验收图像，所述拍摄标准包括拍摄距离以及拍摄角度。

29、在一种可能的设计中，在所述根据特征提取模型对所述待验收图像进行特征提取之前，还包括：

30、根据设备标识对所述拍摄设备进行身份认证，所述设备标识用于唯一标识所述拍摄设备。

31、第二方面，本技术提供一种墙面验收装置，包括：

32、采集模块，用于采集待验收图像，所述待验收图像包括待验收墙面的多张图像；

33、提取模块，用于根据特征提取模型对所述待验收图像进行特征提取，得到所述待验收墙面的待验收瑕疵信息，所述特征提取模型是根据多张存在特征瑕疵的墙面图像训练得到的；

34、验收模块，用于根据所述待验收瑕疵信息与验收标准确定所述待验收墙面是否通过验收。

35、在一种可能的设计中，所述墙面验收装置，还包括：训练模块；所述训练模块，用于：

36、获取训练数据集，所述训练数据集包括所述多张存在特征瑕疵的墙面图像以及每张存在特征瑕疵的墙面图像对应的设计图像；

37、根据所述训练数据集对初始特征提取模型进行训练，得到所述特征提取模型。

38、在一种可能的设计中，所述提取模块，包括：

39、输出模块，用于将所述待验收图像以及待验收设计图像输入所述特征提取模型进行特征提取，输出提取结果；

40、解析模块，用于按照尺寸偏差策略解析所述提取结果，将得到的解析结果确定为所述待验收瑕疵信息；

41、其中，所述待验收瑕疵信息包括所述待验收图像的瑕疵类别以及瑕疵等级，所述待验收设计图像为所述待验收墙面的原始设计图像。

42、在一种可能的设计中，所述验收模块，具体用于：

43、判断所述待验收图像的瑕疵类别是否与预设瑕疵类别中的至少一类一致；

44、若否，确定所述待验收墙面通过验收；

45、若是，根据类别一致的瑕疵类别对应的瑕疵等级以及预设瑕疵等级确定所述待验收墙面是否通过验收；

46、其中，所述验收标准包括所述预设瑕疵类别和所述预设瑕疵等级。

47、在一种可能的设计中，所述验收模块，还用于：

48、将所述类别一致的瑕疵类别对应的瑕疵等级与所述预设瑕疵等级进行比较；

49、若所述类别一致的瑕疵类别对应的瑕疵等级均为预设瑕疵类别的第一瑕疵等级时，确定所述待验收墙面通过验收；

50、其中，所述预设瑕疵等级包括每种预设瑕疵类别的第一瑕疵等级、第二瑕疵等级以及第三瑕疵等级。

51、在一种可能的设计中，所述预设瑕疵类别包括砂眼瑕疵类别、流坠瑕疵类别以及起疙瑕疵类别中的一种或多种。

52、在一种可能的设计中，所述解析模块，具体用于：

53、根据瑕疵类别标签为所述待验收图像的瑕疵类别生成对应的类别标签，所述类别标签用于表征所述待验收图像的瑕疵类别；

54、根据瑕疵尺寸范围确定所述待验收图像的瑕疵等级，所述瑕疵尺寸范围包括所述每种预设瑕疵类别的第一瑕疵等级、第二瑕疵等级以及第三瑕疵等级各自对应的尺寸范围；

55、其中，所述尺寸偏差策略包括所述瑕疵类别标签以及所述瑕疵尺寸范围。

56、在一种可能的设计中，所述采集模块，具体用于：

57、通过拍摄设备按照拍摄标准对所述待验收墙面进行拍摄，以采集到所述待验收图像，所述拍摄标准包括拍摄距离以及拍摄角度。

58、在一种可能的设计中，所述墙面验收装置，还包括：认证模块；所述认证模块，用于：

59、根据设备标识对所述拍摄设备进行身份认证，所述设备标识用于唯一标识所述拍摄设备。

60、第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

61、所述存储器存储计算机执行指令；

62、所述处理器执行所述存储器存储的计算机执行指令，以实现第一方面中所提供的任意一种可能的墙面验收方法。

63、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面中所提供的任意一种可能的墙面验收方法。

64、第五方面，本技术提供一种计算机程序产品，包括计算机执行指令，该计算机执行指令被处理器执行时用于实现第一方面中所提供的任意一种可能的墙面验收方法。

65、本技术提供一种墙面验收方法、装置、设备及存储介质，首先采集待验收图像，待验收图像包括待验收墙面的多张图像，然后根据特征提取模型对待验收图像进行特征提取，得到待验收墙面的待验收瑕疵信息，其中，特征提取模型是根据多张存在特征瑕疵的墙面图像训练得到的，再根据待验收瑕疵信息与验收标准确定待验收墙面是否通过验收，从而通过图像识别技术获取墙面瑕疵特征并结合验收标准对待验收墙面实现自动验收，克服了现有技术中肉眼观察以及人工测量验收墙面所存在的主观性以及尺寸偏差，保证验收结果的准确性，进而可以提升竣工验收结果可信度以及验收体验。