本发明涉及图像处理领域,具体涉及一种钢铁表面缺陷分割方法、装置、电子设备及存储介质。
背景技术:
1、在钢铁制造过程中,钢板、钢卷和钢管等产品表面可能存在着各种缺陷,如裂纹、凹陷、划痕和气泡等。钢铁等金属材料表面存在的这些缺陷,会导致机器使用过程中产生不正常的振动和噪声,加快缺陷面与空气接触后进一步的氧化和磨损。因此,钢铁表面缺陷检测是非常重要的环节,通过缺陷检测,可以及时发现和修复这些缺陷,提升钢材产品的质量。
2、随着图像识别的发展,经典语义分割网络unet和deeplab等被广泛应用于工业产品表面的缺陷分割。但是,由于钢铁表面的缺陷存在着多种类型,这些类型中也存在着不同形状和轮廓的缺陷,经典语义分割网络在面临着多种类型的钢铁表面缺陷时,难以将轮廓信息清晰的分割出来,得到的钢铁表面缺陷分割结果准确度较低。
技术实现思路
1、有鉴于此,有必要提供一种钢铁表面缺陷分割方法、装置、电子设备及存储介质,用于解决现有技术对多种类型的钢铁表面缺陷,难以清晰分割轮廓信息,得到的钢铁表面缺陷分割结果准确度较低的技术问题。
2、为解决上述问题,一方面,本发明提供了一种钢铁表面缺陷分割方法,包括:
3、获取待分割钢铁表面图像;
4、将待分割钢铁表面图像输入到训练完备的钢铁缺陷分割网络中,钢铁缺陷分割网络对待分割钢铁表面图像逐级进行多级像素特征增强得到多级编码图像和编码特征图像,对多级编码图像和编码特征图像进行特征融合得到多级融合特征图像,对编码特征图像逐级进行像素特征增强、通道叠加多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像,对解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果。
5、进一步的,对待分割钢铁表面图像逐级进行多级像素特征增强得到多级编码图像和编码特征图像,包括:
6、对待分割钢铁表面图像依次进行特征卷积和下采样得到第一编码图像,对第一编码图像重复特征卷积和下采样得到第二编码图像;
7、对第二编码图像依次进行像素特征增强和下采样得到第三编码图像,对第三编码图像逐级重复像素特征增强和下采样依次得到第四编码图像和编码特征图像。
8、进一步的,对多级编码图像和编码特征图像进行特征融合得到多级融合特征图像,包括:
9、分别将编码特征图像、第四编码图像和第三编码图像作为第一融合分组,将第四编码图像、第三编码图像和第二编码图像作为第二融合分组,将第三编码图像、第二编码图像和第一编码图像作为第三融合分组;
10、对各融合分组进行特征融合得到融合特征图像,融合特征图像包括第一融合特征图像、第二融合特征图像和第三融合特征图像。
11、进一步的,对各融合分组进行特征融合得到融合特征图像,包括:
12、将各多级编码图像或编码特征图像按尺寸大小排列为大尺寸特征图像、中尺寸特征图像和小尺寸特征图像;
13、对大尺寸特征图像进行下采样操作与中尺寸特征图像尺寸对齐,对小尺寸特征图像进行下采样操作与中尺寸特征图像尺寸对齐;
14、对各多级编码图像或编码特征图像进行卷积降维并拼接得到拼接特征,对拼接特征依次通过relu激活函数、卷积操作和sigmiod激活函数得到权重信息;
15、将权重信息和中尺寸特征图像相乘得到融合特征图像。
16、进一步的,对编码特征图像逐级进行像素特征增强、通道叠加多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像,包括:
17、对编码特征图像依次进行像素特征增强、双线性插值和上采样得到第一解码图像;
18、将第一解码图像和第一融合特征图像通道叠加后,进行双线性插值得到第二解码图像,并逐级重复进行通道叠加和双线性插值依次得到第三解码图像和第四解码图像;
19、将第四解码图像和第一编码图像通道叠加后,进行双线性插值得到解码特征图像。
20、进一步的,以多级编码图像、编码特征图像和/或多级解码图像作为待增强特征图像,像素特征增强,包括:
21、将待增强特征图像按通道维度切分为第一切分图像、第二切分图像、第三切分图像和第四切分图像;
22、随机初始化第一张量、第二张量和第三张量,对第一张量进行双线性插值和深度可分离卷积后与第一切分图像相乘得到第一增强特征;
23、维度置换第二切分图像,对第二张量进行双线性插值和深度可分离卷积后与第二切分图像相乘并维度置换得到第二增强特征;
24、维度置换第三切分图像,对第三张量进行双线性插值和深度可分离卷积后与第三切分图像相乘并维度置换得到第三增强特征;
25、对第四切分图像进行深度可分离卷积得到第四增强特征;
26、合并第一增强特征、第二增强特征、第三增强特征和第四增强特征,深度可分离卷积后得到像素特征增强输出。
27、进一步的,对解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果,包括:
28、对解码特征图像进行卷积通道降维得到钢铁表面缺陷分割结果。
29、另一方面,本发明还提供了一种钢铁表面缺陷分割装置,包括:
30、图像获取单元,用于获取待分割钢铁表面图像;
31、缺陷分割预测单元,用于将待分割钢铁表面图像输入到训练完备的钢铁缺陷分割网络中,钢铁缺陷分割网络对待分割钢铁表面图像逐级进行多级像素特征增强得到多级编码图像和编码特征图像,对多级编码图像和编码特征图像进行特征融合得到多级融合特征图像,对编码特征图像逐级进行像素特征增强、通道叠加多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像,对解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果。
32、另一方面,本发明还提供了一种电子设备,包括存储器和处理器,其中,
33、存储器,用于存储计算机程序;
34、处理器,与存储器耦合,用于执行计算机程序,以实现上述的钢铁表面缺陷分割方法中的步骤。
35、另一方面,本发明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,实现上述的钢铁表面缺陷分割方法中的步骤。
36、与现有技术相比,采用上述实施例的有益效果是:本发明通过像素特征增强捕获特征的全局空间关系,通过通道叠加多级融合特征图像得到更丰富的钢铁表面图像缺陷特征,实现对钢铁表面缺陷轮廓信息的清晰分割,得到准确的钢铁表面缺陷分割结果。
1.一种钢铁表面缺陷分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述的钢铁表面缺陷分割方法,其特征在于,所述对所述待分割钢铁表面图像逐级进行多级像素特征增强得到多级编码图像和编码特征图像,包括:
3.根据权利要求2所述的钢铁表面缺陷分割方法,其特征在于,所述对所述多级编码图像和所述编码特征图像进行特征融合得到多级融合特征图像,包括:
4.根据权利要求3所述的钢铁表面缺陷分割方法,其特征在于,所述对各融合分组进行特征融合得到融合特征图像,包括:
5.根据权利要求3所述的钢铁表面缺陷分割方法,其特征在于,所述对所述编码特征图像逐级进行像素特征增强、通道叠加所述多级融合特征图像和插值上采样操作得到多级解码图像和解码特征图像,包括:
6.根据权利要求5所述的钢铁表面缺陷分割方法,其特征在于,以所述多级编码图像、编码特征图像和/或多级解码图像作为待增强特征图像,所述像素特征增强,包括:
7.根据权利要求1所述的钢铁表面缺陷分割方法,其特征在于,所述对所述解码特征图像进行缺陷分割预测得到钢铁表面缺陷分割结果,包括:
8.一种钢铁表面缺陷分割装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,其中,
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至7任一项所述的钢铁表面缺陷分割方法中的步骤。