本技術(shù)涉及計算機(jī)，尤其涉及一種缺陷數(shù)據(jù)庫的構(gòu)建方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著機(jī)器視覺在工業(yè)生產(chǎn)中的應(yīng)用越來越廣泛，缺陷檢測是機(jī)器視覺的一個重要應(yīng)用方向。在工業(yè)生產(chǎn)中，產(chǎn)品的缺陷檢測是一個重要的環(huán)節(jié)，而缺陷檢測的效率和準(zhǔn)確性直接影響到產(chǎn)品的質(zhì)量和生產(chǎn)效率。在實際應(yīng)用中，由于工業(yè)生產(chǎn)中的缺陷種類繁多，缺陷的形狀、大小、顏色、位置等特征差異較大，一個可用深度學(xué)習(xí)模型依賴大量的標(biāo)注數(shù)據(jù)，但是收集大量的缺陷數(shù)據(jù)需要較長的周期，制約了達(dá)標(biāo)交付的效率。同時，針對漏檢的缺陷，如何確定是何種原因?qū)е碌穆z，需要人工檢查對比整個訓(xùn)練數(shù)據(jù)集，同樣非常耗時。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種缺陷數(shù)據(jù)庫的構(gòu)建方法、裝置、電子設(shè)備及存儲介質(zhì)，以至少解決現(xiàn)有技術(shù)中存在的以上技術(shù)問題。

2、根據(jù)本技術(shù)的第一方面，提供了一種缺陷數(shù)據(jù)庫的構(gòu)建方法，所述方法包括：

3、獲取帶有缺陷標(biāo)注的缺陷樣本圖像；所述缺陷標(biāo)注包括針對缺陷樣本圖像中缺陷的外接矩形框標(biāo)注；

4、基于所述外接矩形框標(biāo)注的尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域；

5、基于所述目標(biāo)區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息；

6、基于所述缺陷數(shù)據(jù)庫信息，得到缺陷數(shù)據(jù)庫；所述缺陷數(shù)據(jù)庫用于對待檢索缺陷進(jìn)行相似度超過預(yù)設(shè)閾值的缺陷檢索。

7、上述方案中，所述外接矩形框標(biāo)注的尺寸信息包括外接矩形框的長度信息和寬度信息；所述方法還包括：

8、當(dāng)所述外接矩形框的長度信息大于寬度信息時，將所述長度信息作為所述外接矩形框的目標(biāo)尺寸信息；

9、當(dāng)所述外接矩形框的寬度信息大于長度信息時，將所述寬度信息作為所述外接矩形框的目標(biāo)尺寸信息；

10、所述基于所述外接矩形框標(biāo)注的尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域，包括：

11、基于所述外接矩形框的目標(biāo)尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域。

12、上述方案中，所述基于所述外接矩形框的目標(biāo)尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域，包括：

13、獲取所述外接矩形框的中心坐標(biāo)以及第二參考系數(shù)；

14、當(dāng)所述目標(biāo)尺寸信息大于或等于第一參考系數(shù)與第二參考系數(shù)的乘積時，

15、以所述外接矩形框的中心坐標(biāo)為中心，以及以第一參考系數(shù)為邊長，得到針對缺陷樣本圖像的目標(biāo)區(qū)域。

16、上述方案中，還包括：

17、當(dāng)所述目標(biāo)尺寸信息小于第一參考系數(shù)與第二參考系數(shù)的乘積時，

18、以所述外接矩形框的中心坐標(biāo)為中心，以及以目標(biāo)尺寸信息與第二參考系數(shù)的商為邊長，確定候選檢測區(qū)域；

19、將所述候選檢測區(qū)域的邊長擴(kuò)大至第一參考系數(shù)，得到針對缺陷樣本圖像的目標(biāo)區(qū)域。

20、上述方案中，所述缺陷樣本圖像中包括的缺陷的數(shù)量為多個；所述第一參考系數(shù)的獲取，包括：

21、基于缺陷樣本圖像中缺陷的外接矩形框標(biāo)注的尺寸信息，得到缺陷樣本圖像中缺陷的尺寸分布直方圖；

22、基于所述尺寸分布直方圖及預(yù)設(shè)參考比例，得到第一參考系數(shù)。

23、上述方案中，所述基于所述目標(biāo)區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息，包括：

24、對所述目標(biāo)區(qū)域進(jìn)行灰度處理，得到灰度檢測區(qū)域；

25、基于所述灰度檢測區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息。

26、上述方案中，所述基于所述灰度檢測區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息，包括：

27、將所述灰度檢測區(qū)域縮放至預(yù)設(shè)尺寸，并輸入至特征提取網(wǎng)絡(luò)進(jìn)行特征提取和歸一化處理，得到第一缺陷特征向量，將所述第一缺陷特征向量作為針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息。

28、上述方案中，所述基于所述缺陷數(shù)據(jù)庫信息，得到缺陷數(shù)據(jù)庫，包括：

29、將所述缺陷數(shù)據(jù)庫信息以及對應(yīng)的缺陷樣本圖像的存儲路徑以及缺陷標(biāo)注添加至向量數(shù)據(jù)庫，得到缺陷數(shù)據(jù)庫。

30、上述方案中，還包括：

31、獲取待檢索缺陷對應(yīng)的待檢索區(qū)域；

32、對所述待檢索區(qū)域進(jìn)行灰度處理，得到灰度待檢索區(qū)域；

33、基于所述灰度待檢索區(qū)域，得到與待檢索缺陷的相似度超過預(yù)設(shè)閾值的缺陷。

34、上述方案中，所述基于所述灰度待檢索區(qū)域，得到與待檢索缺陷的相似度超過預(yù)設(shè)閾值的缺陷，包括：

35、將所述灰度待檢索區(qū)域縮放至預(yù)設(shè)尺寸，并輸入至特征提取網(wǎng)絡(luò)進(jìn)行特征提取和歸一化處理，得到第二缺陷特征向量；

36、基于第二缺陷特征向量，調(diào)用所述缺陷數(shù)據(jù)庫，得到與所述待檢索缺陷的相似度超過預(yù)設(shè)閾值的缺陷。

37、根據(jù)本技術(shù)的第二方面，提供了一種缺陷數(shù)據(jù)庫的構(gòu)建裝置，所述裝置包括：

38、第一獲取單元，用于獲取帶有缺陷標(biāo)注的缺陷樣本圖像；所述缺陷標(biāo)注包括針對缺陷樣本圖像中缺陷的外接矩形框標(biāo)注；

39、第一確定單元，用于基于所述外接矩形框標(biāo)注的尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域；

40、第二獲取單元，用于基于所述目標(biāo)區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息；

41、第三獲取單元，用于基于所述缺陷數(shù)據(jù)庫信息，得到缺陷數(shù)據(jù)庫；所述缺陷數(shù)據(jù)庫用于對待檢索缺陷進(jìn)行相似度超過預(yù)設(shè)閾值的缺陷檢索。

42、上述方案中，所述外接矩形框標(biāo)注的尺寸信息包括外接矩形框的長度信息和寬度信息；所述裝置還包括：

43、第四獲取單元，用于當(dāng)所述外接矩形框的長度信息大于寬度信息時，將所述長度信息作為所述外接矩形框的目標(biāo)尺寸信息；當(dāng)所述外接矩形框的寬度信息大于長度信息時，將所述寬度信息作為所述外接矩形框的目標(biāo)尺寸信息；

44、所述第一確定單元，用于基于所述外接矩形框的目標(biāo)尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域。

45、上述方案中，所述第一確定單元，用于獲取所述外接矩形框的中心坐標(biāo)以及第二參考系數(shù)；當(dāng)所述目標(biāo)尺寸信息大于或等于第一參考系數(shù)與第二參考系數(shù)的乘積時，以所述外接矩形框的中心坐標(biāo)為中心，以及以第一參考系數(shù)為邊長，得到針對缺陷樣本圖像的目標(biāo)區(qū)域。

46、上述方案中，還包括：

47、第五獲取單元，用于當(dāng)所述目標(biāo)尺寸信息小于第一參考系數(shù)與第二參考系數(shù)的乘積時，以所述外接矩形框的中心坐標(biāo)為中心，以及以目標(biāo)尺寸信息與第二參考系數(shù)的商為邊長，確定候選檢測區(qū)域；將所述候選檢測區(qū)域的邊長擴(kuò)大至第一參考系數(shù)，得到針對缺陷樣本圖像的目標(biāo)區(qū)域。

48、上述方案中，所述缺陷樣本圖像中包括的缺陷的數(shù)量為多個；還包括：

49、第六獲取單元，用于基于缺陷樣本圖像中缺陷的外接矩形框標(biāo)注的尺寸信息，得到缺陷樣本圖像中缺陷的尺寸分布直方圖；基于所述尺寸分布直方圖及預(yù)設(shè)參考比例，得到第一參考系數(shù)。

50、上述方案中，所述第二獲取單元，用于對所述目標(biāo)區(qū)域進(jìn)行灰度處理，得到灰度檢測區(qū)域；基于所述灰度檢測區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息。

51、上述方案中，所述第二獲取單元，用于將所述灰度檢測區(qū)域縮放至預(yù)設(shè)尺寸，并輸入至特征提取網(wǎng)絡(luò)進(jìn)行特征提取和歸一化處理，得到第一缺陷特征向量，將所述第一缺陷特征向量作為針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息。

52、上述方案中，所述第三獲取單元，用于將所述缺陷數(shù)據(jù)庫信息以及對應(yīng)的缺陷樣本圖像的存儲路徑以及缺陷標(biāo)注添加至向量數(shù)據(jù)庫，得到缺陷數(shù)據(jù)庫。

53、上述方案中，還包括：

54、第七獲取單元，用于獲取待檢索缺陷對應(yīng)的待檢索區(qū)域；對所述待檢索區(qū)域進(jìn)行灰度處理，得到灰度待檢索區(qū)域；基于所述灰度待檢索區(qū)域，得到與待檢索缺陷的相似度超過預(yù)設(shè)閾值的缺陷。

55、上述方案中，所述第七獲取單元，用于將所述灰度待檢索區(qū)域縮放至預(yù)設(shè)尺寸，并輸入至特征提取網(wǎng)絡(luò)進(jìn)行特征提取和歸一化處理，得到第二缺陷特征向量；基于第二缺陷特征向量，調(diào)用所述缺陷數(shù)據(jù)庫，得到與所述待檢索缺陷的相似度超過預(yù)設(shè)閾值的缺陷。

56、根據(jù)本技術(shù)的第三方面，提供了一種電子設(shè)備，包括：

57、至少一個處理器；以及

58、與所述至少一個處理器通信連接的存儲器；其中，

59、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本技術(shù)所述的方法。

60、根據(jù)本技術(shù)的第四方面，提供了一種存儲有計算機(jī)指令的非瞬時計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)指令用于使計算機(jī)執(zhí)行本技術(shù)所述的方法。

61、本技術(shù)中，獲取帶有缺陷標(biāo)注的缺陷樣本圖像；缺陷標(biāo)注包括針對缺陷樣本圖像中缺陷的外接矩形框標(biāo)注；基于外接矩形框標(biāo)注的尺寸信息及第一參考系數(shù)，確定針對缺陷樣本圖像的目標(biāo)區(qū)域；基于目標(biāo)區(qū)域，得到針對缺陷樣本圖像的缺陷數(shù)據(jù)庫信息；基于缺陷數(shù)據(jù)庫信息，得到缺陷數(shù)據(jù)庫；缺陷數(shù)據(jù)庫用于對待檢索缺陷進(jìn)行相似度超過預(yù)設(shè)閾值的缺陷檢索。本技術(shù)通過構(gòu)建缺陷數(shù)據(jù)庫，能夠基于相似缺陷的檢索擴(kuò)大機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集，也可以基于相似缺陷的檢索快速確定缺陷漏檢的原因，進(jìn)而提高缺陷檢測的整體效率。

62、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本技術(shù)的實施例的關(guān)鍵或重要特征，也不用于限制本技術(shù)的范圍。本技術(shù)的其它特征將通過以下的說明書而變得容易理解。