缺陷检测方法、装置和计算机可读存储介质与流程

本公开涉及计算机，特别涉及一种缺陷检测方法、缺陷检测装置和计算机可读存储介质。

背景技术：

1、在很多应用场景中，往往需要检测物品是否存在不符合要求的缺陷部位，即进行缺陷检测。例如，针对工业场景，需要对零件或者产品的截面进行缺陷检测，以保证生产的可靠性。

2、在相关技术中，对待检测目标的图像进行缺陷检测，以确定图像中缺陷部位的外接框。

技术实现思路

1、本公开的发明人发现上述相关技术中存在如下问题：检测精度较低，无法满足实际需求，导致缺陷检测的效果差。

2、鉴于此，本公开提出了一种缺陷检测技术方案，能够提高检测精度，从而提高缺陷检测的效果。

3、根据本公开的一些实施例，提供了一种缺陷检测方法，包括：利用第一机器学习模型，对待检测图像中的目标进行缺陷检测，以确定第一缺陷区域；在待检测图像中对第一缺陷区域进行处理，以生成第二缺陷区域；根据第一缺陷区域和第二缺陷区域，确定缺陷检测结果。

4、在一些实施例中，在待检测图像中对第一缺陷区域进行处理，以生成第二缺陷区域包括：在待检测图像中扩大第一缺陷区域，以生成第二缺陷区域。

5、在一些实施例中，第二缺陷区域的面积与第一缺陷区域的面积的比值小于或等于扩大阈值。

6、在一些实施例中，根据第一缺陷区域和第二缺陷区域，确定缺陷检测结果包括：利用第二机器学习模型分别对多个缺陷区域中目标的缺陷部位进行分割处理，以获取多个缺陷分割结果，多个缺陷区域包括第一缺陷区域和第二缺陷区域；对多个缺陷分割结果进行融合，以确定缺陷检测结果。

7、在一些实施例中，对多个缺陷分割结果进行融合，以确定缺陷检测结果包括：根据多个缺陷分割结果之间的差异程度，对多个缺陷分割结果进行融合。

8、在一些实施例中，根据多个缺陷分割结果之间的差异程度，对多个缺陷分割结果进行融合包括：从第一缺陷分割结果集合中选取当前缺陷分割结果，第一缺陷分割结果集合包括多个缺陷分割结果；计算当前缺陷分割结果与多个缺陷分割结果中其他缺陷分割结果的差异程度；根据差异分割结果的数量，确定第一缺陷分割结果集合中参与融合的缺陷分割结果，差异分割结果包括差异程度大于差异阈值的其他缺陷分割结果。

9、在一些实施例中，确定第一缺陷分割结果集合中参与融合的缺陷分割结果包括：响应于差异分割结果的数量在第一缺陷分割结果集合中的占比小于占比阈值，在第一缺陷分割结果集合中删除差异缺陷分割结果，以生成第二缺陷分割结果集合；对第二缺陷分割结果集合中的缺陷分割结果进行融合。

10、在一些实施例中，确定第一缺陷分割结果集合中参与融合的缺陷分割结果包括：响应于差异分割结果的数量在第一缺陷分割结果集合中的占比大于或等于占比阈值，在第一缺陷分割结果集合中删除当前缺陷分割结果；对删除后的第一缺陷分割结果集合，重复当前缺陷分割结果选取步骤和差异程度计算步骤，直到占比小于所述占比阈值。

11、在一些实施例中，差异程度根据当前缺陷分割结果与其他缺陷分割结果不一致的像素数量与当前缺陷分割结果中属于目标的像素数量之间的差异确定。

12、在一些实施例中，对多个缺陷分割结果进行融合，以确定缺陷检测结果包括：根据缺陷分割结果的面积与缺陷分割结果对应的缺陷区域的面积的比值，确定缺陷分割结果对应的权重；根据多个缺陷分割结果中各缺陷分割结果对应的权重，对多个缺陷分割结果进行加权融合。

13、在一些实施例中，根据多个缺陷分割结果中各缺陷分割结果对应的权重，对多个缺陷分割结果进行加权融合包括：根据各缺陷分割结果对应的权重，计算各缺陷分割结果中指定位置的像素值的加权和；根据像素值的加权和，确定像素值对应的像素是否属于缺陷部位。

14、在一些实施例中，根据像素值的加权和，确定像素值对应的像素是否属于缺陷部位包括：响应于加权和与各缺陷分割结果对应的权重之和的比值大于检测阈值，确定像素值对应的像素属于缺陷部位。

15、在一些实施例中，利用第二机器学习模型分别对多个缺陷区域中目标的缺陷部位进行分割处理，以获取多个缺陷分割结果包括：将多个缺陷区域作为提示信息输入第二机器学习模型，以获取多个缺陷分割结果。

16、根据本公开的另一些实施例，提供一种缺陷检测装置，包括：检测单元，用于利用第一机器学习模型，对待检测图像中的目标进行缺陷检测，以确定第一缺陷区域；生成单元，用于在待检测图像中对第一缺陷区域进行处理，以生成第二缺陷区域；确定单元，用于根据第一缺陷区域和第二缺陷区域，确定缺陷检测结果。

17、在一些实施例中，生成单元在待检测图像中扩大第一缺陷区域，以生成第二缺陷区域。

18、在一些实施例中，第二缺陷区域的面积与第一缺陷区域的面积的比值小于或等于扩大阈值。

19、在一些实施例中，确定单元利用第二机器学习模型分别对多个缺陷区域中目标的缺陷部位进行分割处理，以获取多个缺陷分割结果，多个缺陷区域包括第一缺陷区域和第二缺陷区域，对多个缺陷分割结果进行融合，以确定缺陷检测结果。

20、在一些实施例中，确定单元根据多个缺陷分割结果之间的差异程度，对多个缺陷分割结果进行融合。

21、在一些实施例中，确定单元从第一缺陷分割结果集合中选取当前缺陷分割结果，第一缺陷分割结果集合包括多个缺陷分割结果，计算当前缺陷分割结果与多个缺陷分割结果中其他缺陷分割结果的差异程度；根据差异分割结果的数量，确定第一缺陷分割结果集合中参与融合的缺陷分割结果，差异分割结果包括差异程度大于差异阈值的其他缺陷分割结果。

22、在一些实施例中，确定单元响应于差异分割结果的数量在第一缺陷分割结果集合中的占比小于占比阈值，在第一缺陷分割结果集合中删除差异缺陷分割结果，以生成第二缺陷分割结果集合；对第二缺陷分割结果集合中的缺陷分割结果进行融合。

23、在一些实施例中，确定单元响应于差异分割结果的数量在第一缺陷分割结果集合中的占比大于或等于占比阈值，在第一缺陷分割结果集合中删除当前缺陷分割结果；对删除后的第一缺陷分割结果集合，重复当前缺陷分割结果选取步骤和差异程度计算步骤，直到占比小于所述占比阈值。

24、在一些实施例中，差异程度根据当前缺陷分割结果与其他缺陷分割结果不一致的像素数量与当前缺陷分割结果中属于目标的像素数量之间的差异确定。

25、在一些实施例中，确定单元根据缺陷分割结果的面积与缺陷分割结果对应的缺陷区域的面积的比值，确定缺陷分割结果对应的权重，根据多个缺陷分割结果中各缺陷分割结果对应的权重，对多个缺陷分割结果进行加权融合。

26、在一些实施例中，确定单元根据各缺陷分割结果对应的权重，计算各缺陷分割结果中指定位置的像素值的加权和，根据像素值的加权和，确定像素值对应的像素是否属于缺陷部位。

27、在一些实施例中，确定单元响应于加权和与各缺陷分割结果对应的权重之和的比值大于检测阈值，确定像素值对应的像素属于缺陷部位。

28、在一些实施例中，确定单元将多个缺陷区域作为提示信息输入第二机器学习模型，以获取多个缺陷分割结果。

29、根据本公开的又一些实施例，提供一种缺陷检测装置，包括：存储器；和耦接至存储器的处理器，处理器被配置为基于存储在存储器装置中的指令，执行上述任一个实施例中的缺陷检测方法。

30、根据本公开的再一些实施例，提供一种非易失性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的缺陷检测方法。

31、在上述实施例中，在检测出的第一缺陷区域的基础上生成第二缺陷区域。这样，能够通过融合多个缺陷区域，提高缺陷检测结果的精度，从而提高缺陷检测的效果。