本申請涉及圖像處理，特別是涉及一種圖像檢測方法、圖像檢測模型的訓練方法、設備及介質。

背景技術：

1、隨著拍攝設備的技術提高，可以獲取到包含豐富信息的大圖。

2、目前存在一些對大圖上的小細節(jié)進行檢測的任務，例如，對巡檢圖像中的缺陷進行檢測。

3、現(xiàn)有圖像識別技術在預處理階段通常通過縮減分辨率來降低大圖計算復雜度，導致細節(jié)信息丟失，難以準確檢測微小細節(jié)；或者直接采用模型對大圖進行檢測得到細節(jié)的檢測結果，但這類模型對顯存和計算資源的需求過高，導致訓練開銷巨大或無法訓練。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種圖像檢測方法、圖像檢測模型的訓練方法、計算機設備及計算機可讀存儲介質，能夠實現(xiàn)提高電力巡檢圖像缺陷的檢測效果。

2、第一方面，本申請?zhí)峁┝艘环N圖像檢測方法，包括：

3、對獲取的待檢測圖像進行分辨率降低處理，得到目標分辨率圖像；

4、將目標分辨率圖像輸入目標缺陷檢測網絡進行處理，輸出全局特征信息和至少一個備選區(qū)域；目標缺陷檢測網絡包括第一特征提取器、第二特征提取器和檢測頭處理網絡；

5、根據各備選區(qū)域對待檢測圖像進行圖像裁剪處理，得到各備選區(qū)域對應的目標尺寸圖像；

6、采用第二特征提取器對各目標尺寸圖像進行特征提取，得到各目標尺寸圖像對應的目標圖像特征；

7、基于全局特征信息、至少一個備選區(qū)域、各目標尺寸圖像對應的目標圖像特征以及檢測頭處理網絡，確定待檢測圖像對應的缺陷檢測結果。

8、第二方面，本申請?zhí)峁┝艘环N圖像檢測模型的訓練方法，包括：

9、對獲取的訓練樣本中的樣本圖像進行分辨率降低處理，得到目標分辨率圖像；訓練樣本包括目標標注結果；

10、通過圖像缺陷檢測模型，對目標分辨率圖像進行處理，得到全局特征信息和至少一個備選區(qū)域；圖像缺陷檢測模型包括第一特征提取模塊、第二特征提取模塊和檢測頭處理模塊；

11、根據各備選區(qū)域對待檢測圖像進行圖像裁剪處理，得到各備選區(qū)域對應的目標尺寸圖像；

12、通過第二特征提取模塊，對各目標尺寸圖像進行特征提取，得到各目標尺寸圖像對應的目標圖像特征；

13、通過圖像缺陷檢測模型，基于全局特征信息、至少一個備選區(qū)域和各目標尺寸圖像對應的目標圖像特征，對各備選區(qū)域進行缺陷檢測，得到各備選區(qū)域對應的缺陷檢測結果；

14、基于各備選區(qū)域對應的缺陷檢測結果與備選區(qū)域對應的目標標注結果之間的差異，調整圖像缺陷檢測模型的參數，得到已訓練的圖像缺陷檢測模型。

15、第三方面，本申請?zhí)峁┝艘环N圖像檢測裝置，包括：

16、第一分辨率處理模塊，用于對獲取的待檢測圖像進行分辨率降低處理，得到目標分辨率圖像；

17、缺陷檢測網絡模塊，用于將目標分辨率圖像輸入目標缺陷檢測網絡進行處理，輸出全局特征信息和至少一個備選區(qū)域；目標缺陷檢測網絡包括第一特征提取器、第二特征提取器和檢測頭處理網絡；

18、第一裁剪處理模塊，用于根據各備選區(qū)域對待檢測圖像進行圖像裁剪處理，得到各備選區(qū)域對應的目標尺寸圖像；

19、圖像特征提取模塊，用于采用第二特征提取器對各目標尺寸圖像進行特征提取，得到各目標尺寸圖像對應的目標圖像特征；

20、確定模塊，用于基于全局特征信息、至少一個備選區(qū)域、各目標尺寸圖像對應的目標圖像特征以及檢測頭處理網絡，確定待檢測圖像對應的缺陷檢測結果。

21、第四方面，本申請?zhí)峁┝艘环N圖像檢測模型的訓練裝置，包括：

22、第二分辨率處理模塊，用于對獲取的訓練樣本中的樣本圖像進行分辨率降低處理，得到目標分辨率圖像；訓練樣本包括目標標注結果；

23、檢測模型模塊，用于對目標分辨率圖像進行處理，得到全局特征信息和至少一個備選區(qū)域；圖像缺陷檢測模型包括第一特征提取模塊、第二特征提取模塊和檢測頭處理模塊；

24、第二裁剪處理模塊，用于根據各備選區(qū)域對待檢測圖像進行圖像裁剪處理，得到各備選區(qū)域對應的目標尺寸圖像；

25、目標圖像特征提取模塊，用于對各目標尺寸圖像進行特征提取，得到各目標尺寸圖像對應的目標圖像特征；

26、缺陷檢測模塊，用于基于全局特征信息、至少一個備選區(qū)域和各目標尺寸圖像對應的目標圖像特征，對各備選區(qū)域進行缺陷檢測，得到各備選區(qū)域對應的缺陷檢測結果；

27、模型訓練模塊，用于基于各備選區(qū)域對應的缺陷檢測結果與備選區(qū)域對應的目標標注結果之間的差異，調整圖像缺陷檢測模型的參數，得到已訓練的圖像缺陷檢測模型。

28、第五方面，本申請?zhí)峁┝艘环N計算機設備，計算機設備包括存儲器和處理器，存儲器存儲有計算機程序，處理器執(zhí)行該計算機程序時實現(xiàn)上述的方法中的步驟。

29、第六方面，本申請?zhí)峁┝艘环N計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法中的步驟。

30、第七方面，本申請?zhí)峁┝艘环N計算機程序產品，計算機程序產品包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法中的步驟。

31、上述圖像檢測方法、圖像檢測模型的訓練方法、裝置、計算機設備以及計算機可讀存儲介質，通過將待檢測圖像處理為目標分辨率圖像，進行全局特征信息的提取和備選區(qū)域的識別，可以快速減少計算量，避免在整個待檢測圖像上進行細致的逐像素處理，能夠顯著提高檢測的效率，尤其是在處理大尺寸圖像時，減少了計算資源的消耗和時間成本；在備選區(qū)域識別之后，再針對各個備選區(qū)域進行目標尺寸圖像的處理與特征提取，使得每個備選區(qū)域都經過精細化的檢測，提升了對局部缺陷的識別能力；通過結合全局特征信息與目標圖像特征進行目標檢測，能夠避免忽略圖像的全局信息，并在考慮圖像整體上下文信息的同時，能夠精確識別出局部的異?；蛉毕?，確保缺陷檢測結果的可靠性；該方法既適用于通用的圖像目標檢測任務，又能夠適應復雜場景下的多目標檢測，具有較強的適應性和應用廣泛性；通過全局特征信息和局部精細化特征進行檢測，可以應對不同分辨率和不同尺寸圖像的目標檢測需求，擴展了該方法的應用領域。

技術特征：

1.一種圖像檢測方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述基于所述全局特征信息、所述至少一個備選區(qū)域、各所述目標尺寸圖像對應的目標圖像特征以及所述檢測頭處理網絡，確定所述待檢測圖像對應的缺陷檢測結果，包括：

3.根據權利要求2所述的方法，其特征在于，所述檢測頭處理網絡包括缺陷分類器和缺陷定位器；所述將各所述備選區(qū)域對應的池化圖像特征和各所述目標尺寸圖像對應的目標圖像特征輸入所述檢測頭處理網絡進行處理，輸出各所述備選區(qū)域對應的缺陷檢測結果，包括：

4.根據權利要求2所述的方法，其特征在于，所述根據各所述備選區(qū)域和所述全局特征信息，確定各所述備選區(qū)域對應的池化圖像特征，包括：

5.根據權利要求1-4任一項所述的方法，其特征在于，所述待檢測圖像為電力巡檢圖像；所述備選區(qū)域包括巡檢設備或巡檢部件；所述缺陷檢測結果包括缺陷區(qū)域。

6.一種圖像檢測模型的訓練方法，其特征在于，包括：

7.根據權利要求6所述的方法，其特征在于，所述檢測頭處理模塊包括缺陷分類器和缺陷定位器；所述通過所述第二特征提取模塊，對各所述目標尺寸圖像進行特征提取，得到各所述目標尺寸圖像對應的目標圖像特征，包括：

8.根據權利要求6所述的方法，其特征在于，所述訓練樣本還包括備選標注結果；所述檢測頭處理模塊包括目標分類器和目標定位器；

9.一種計算機設備，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至5中任一項所述的圖像檢測方法的步驟，或者實現(xiàn)權利要求6-8中任一項所述的圖像檢測模型的訓練方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至5中任一項所述的圖像檢測方法的步驟，或者實現(xiàn)權利要求6-8中任一項所述的圖像檢測模型的訓練方法的步驟。

技術總結
本申請涉及一種圖像檢測方法、圖像檢測模型的訓練方法、設備及介質。方法包括：對獲取的待檢測圖像進行分辨率降低處理，得到目標分辨率圖像；將目標分辨率圖像輸入目標缺陷檢測網絡進行處理，輸出全局特征信息和至少一個備選區(qū)域；根據各備選區(qū)域對待檢測圖像進行圖像裁剪處理，得到各備選區(qū)域對應的目標尺寸圖像；采用第二特征提取器對各目標尺寸圖像進行特征提取，得到各目標尺寸圖像對應的目標圖像特征；基于全局特征信息、至少一個備選區(qū)域、各目標尺寸圖像對應的目標圖像特征以及檢測頭處理網絡，確定待檢測圖像對應的缺陷檢測結果。采用本申請，能夠實現(xiàn)提高電力巡檢圖像缺陷的檢測效果。

技術研發(fā)人員：易振彧,王澤宙,潘陽山,夏舟,劉樞,呂江波,沈小勇
受保護的技術使用者：深圳思謀信息科技有限公司
技術研發(fā)日：
技術公布日：2024/12/19