(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111244656.4 (22)申请日 2021.10.26 (71)申请人 昆山万洲特种焊 接有限公司 地址 215333 江苏省苏州市昆山 开发区西 江路188号10号房 (72)发明人 树西　万龙　 (74)专利代理 机构 北京专猎知识产权代理事务 所(普通合伙) 16023 代理人 刘心蕾 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/40(2022.01) G06V 10/70(2022.01) G06V 10/75(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 缺陷识别方法、 装置、 存 储介质及电子设备 (57)摘要 本申请实施例公开了缺陷识别方法、 装置、 存储介质及电子设备， 上述方法包括获取目标图 像， 上述目标图像中包括目标检测对象； 在预设 算法库中确定上述目标检测对象适配的选配算 法； 基于上述选配算法对上述目标检测对象进行 缺陷识别， 得到针对上述目标检测对象的缺陷识 别结果， 上述缺陷识别结果包括缺陷位置信息、 上述缺陷的尺寸信息以及上述缺陷位置信息对 应的缺陷类型信息。 本申请可以基于多种方法对 目标对象中的目标检测对象缺陷识别， 并且通过 多种方法得出的缺陷识别结果进行综合性的数 据处理， 从而得到准确度明显优于相关技术的针 对目标检测对象的缺陷识别结果。 权利要求书2页 说明书10页 附图3页 CN 113935979 A 2022.01.14 CN 113935979 A 1.一种缺陷识别方法， 其特 征在于， 所述方法包括： 获取目标图像， 所述目标图像中包括目标检测对象； 在预设算法库中确定所述目标检测对象适配的选配算法； 基于所述选配算法对所述目标检测对象进行缺陷识别， 得到针对所述目标检测对象的 缺陷识别结果， 所述缺陷识别结果包括缺陷位置信息、 所述缺陷的尺寸信息以及所述缺陷 位置信息对应的缺陷类型信息； 其中， 所述预设算法库包括下述 算法的至少两种： 全图识别机器学习算法、 自动识别区域机器学习算法、 手动确定区域机器学习算法、 自 动识别区域特 征对比算法和手动确定区域特 征对比算法。 2.根据权利要求1所述的方法， 其特 征在于： 所述全图识别 机器学习算法包括对所述目标图像进行全图缺陷识别， 输出全图缺陷识 别结果； 所述自动识别区域机器学习算法包括对所述目标图像进行第 一区域提取， 并且对提取 到的第一区域进行第一区域缺陷识别， 输出第一区域缺陷识别结果， 所述第一区域提取基 于预设的缺陷特征和缺陷尺寸自动执行， 或所述第一区域提取基于预设的区域尺寸和区域 形状自动执 行； 所述手动确定区域机器学习算法包括基于用户选择的区域进行第 二区域提取， 并且对 提取到的第二区域进行第二区域 缺陷识别， 输出第二区域 缺陷识别结果； 所述自动识别区域特征对比算法包括对所述目标图像进行第 一区域提取， 并且对提取 到的第一区域进行特征提取， 得到第一区域特征， 基于预设缺陷识别策略对所述第一区域 特征进行缺陷识别， 得到第一缺陷识别结果； 所述第一区域提取基于预设的缺陷特征和缺 陷尺寸自动执 行， 或所述第一区域 提取基于预设的区域尺寸和区域形状自动执 行； 所述手动确定区域特征对比算法包括基于用户选择的区域进行第 二区域提取， 并且基 于预设缺陷识别策略对提取到的第二区域进行缺陷识别， 得到第二 缺陷识别结果。 3.根据权利要求1或2所述的方法， 其特征在于， 所述在预设算法库中确定所述目标检 测对象适配的选配算法， 包括： 在所述预设算法库中确定 至少两个选配算法； 所述基于所述选配算法对所述目标检测对象进行缺陷识别， 得到针对所述目标检测对 象的缺陷识别结果， 包括： 针对每一所述选配算法， 基于所述选配算法对所述目标检测对象进行缺陷识别， 得到 对应的缺陷识别结果； 综合各所述选配算法对应的缺陷识别结果， 得到针对所述目标检测对象的缺陷识别结 果。 4.根据权利要求3所述的方法， 其特征在于， 所述综合各所述选配算法对应的缺陷识别 结果， 得到针对所述目标检测对象的缺陷识别结果， 包括： 获取每一选配算法对应的缺陷识别结果， 所述缺陷识别结果包括至少一个缺陷项， 所 述缺陷项包括缺陷区域、 缺陷类型、 缺陷尺寸、 缺陷位置信息以及缺陷置信度， 所述缺陷置 信度表征 所述缺陷区域存在所述 缺陷类型指向的缺陷的概 率； 对各选配算法对应的缺陷识别结果进行融合匹配； 根据融合匹配结果确定所述针对所述目标检测对象的缺陷识别结果。权　利　要　求　书 1/2 页 2 CN 113935979 A 25.根据权利要求4所述的方法， 其特征在于， 所述对各选配算法对应的缺陷识别结果进 行融合匹配， 包括： 若第一缺陷项的缺陷区域与 所述第二缺陷项的缺陷区域的交并比大于第 一阈值， 并且 所述第一缺陷项的缺陷类型与所述第二缺陷项的缺陷类型相同、 并且所述第一缺陷项的缺 陷置信度和所述第二缺陷项的缺陷置信度均大于第二阈值， 则将所述第一缺陷项和所述第 二缺陷项进行融合， 得到融合 缺陷项； 其中， 所述第一缺陷项和所述第二缺陷项是不同的缺陷项， 并且所述第一缺陷项和所 述第二缺陷项均为任一选配算法对应的缺陷识别结果中的任一 缺陷项。 6.根据权利要求5 中所述的方法， 其特征在于， 所述根据融合匹配结果确定所述针对所 述目标检测对象的缺陷识别结果， 包括： 针对所述融合 缺陷项， 生成第一 缺陷识别结果； 响应于存在未被融合的缺陷项的情况， 进行缺陷项处 理， 得到第二 缺陷识别结果； 根据所述第 一缺陷识别结果或第 二缺陷识别结果， 确定所述针对所述目标检测对象的 缺陷识别结果。 7.一种缺陷识别装置， 其特 征在于， 所述装置包括： 目标图像获取模块， 用于获取目标图像， 所述目标图像中包括目标检测对象； 选配算法确定模块， 用于在预设算法库中确定所述目标检测对象适配的选配算法； 缺陷识别模块， 用于基于所述选配算法对所述目标检测对象进行缺陷识别， 得到针对 所述目标检测对 象的缺陷识别结果， 所述缺陷识别结果包括缺陷位置信息、 所述缺陷的尺 寸信息以及所述 缺陷位置信息对应的缺陷类型信息； 其中， 所述预设算法库包括下述 算法的至少两种： 全图识别机器学习算法、 自动识别区域机器学习算法、 手动确定区域机器学习算法、 自 动识别区域特 征对比算法和手动确定区域特 征对比算法。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有至少一 条指令或至少一段程序， 所述至少一条指 令或至少一段程序由处理器加载并执行以实现如 权利要求1至 6中任一项所述的一种缺陷识别方法。 9.一种电子设备， 其特征在于， 包括至少一个处理器， 以及与 所述至少一个处理器通信 连接的存储器； 其中， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述至少一 个处理器通过执行所述存储器存储的指令实现如权利要求1至6中任一项所述的一种缺陷 识别方法。 10.一种计算机程序产品， 包括计算机程序或指令， 其特征在于， 该计算机程序或指令 被处理器执行时实现权利要求1至 6中任一项所述的一种缺陷识别方法。权　利　要　求　书 2/2 页 3 CN 113935979 A 3