(19)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 202211080713.4 (22)申请日 2022.09.05 (71)申请人 上海明胜品智人工智能科技有限公 司 地址 200030 上海市徐汇区龙兰路27 7号2 号楼5楼5B0 6单元 (72)发明人 唐勇　 (74)专利代理 机构 北京超成律师事务所 1 1646 专利代理师 王晓菲 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 一种产品检测方法、 装置、 设备及存 储介质 (57)摘要 本申请提供了一种产品检测方法、 装置、 设 备及存储介质， 该产品检测方法包括： 从图像采 集装置针对目标产品采集后处理得到的目标图 像中， 分别提取目标产品的整体图像以及目标产 品的多个局部图像； 将目标产品的整体图像输入 第一分类模 型中， 通过第一分类模 型对整体图像 所属的检测结果类别进行分类预测， 输出得到针 对目标产品的整体预测结果； 将多个局部图像输 入第二分类模 型中， 通过第二分类模 型对每一局 部图像所属的检测结果类别进行分类预测， 输出 得到针对目标产品的多个局部预测结果； 根据整 体预测结果以及多个局部预测结果， 确定目标产 品的最终产品检测结果。 通过这种方式， 本申请 能够解决因产品的图像质量较低导致的产品检 测结果不准确的问题。 权利要求书2页 说明书14页 附图7页 CN 115409821 A 2022.11.29 CN 115409821 A 1.一种产品检测方法， 其特 征在于， 所述产品检测方法包括： 获取图像采集装置针对目标产品采集后处 理得到的目标图像； 从所述目标图像中， 分别提取所述目标产品的整体图像以及所述目标产品的多个局部 图像； 将所述目标产品的整体图像输入第 一分类模型中， 通过所述第 一分类模型对所述整体 图像所属的检测结果类别进行分类预测， 输出 得到针对所述目标产品的整体预测结果； 将所述多个局部图像输入第 二分类模型中， 通过所述第 二分类模型对每一所述局部图 像所属的检测结果类别进行分类预测， 输出 得到针对所述目标产品的多个局部预测结果； 根据所述整体预测结果以及所述多个局部预测结果， 确定所述目标产品的最终产品检 测结果。 2.根据权利要求1所述的产品检测方法， 其特征在于， 所述从所述目标图像中， 分别提 取所述目标产品的整体图像以及所述目标产品的多个局部图像， 包括： 将所述目标图像输入第 一目标检测模型中， 通过所述第 一目标检测模型对所述目标产 品进行图像目标检测， 输出 得到所述目标产品的整体图像； 通过所述第一目标检测模型对所述目标图像中包含的每一实体对象进行图像目标检 测， 输出得到所述目标产品的多个局部图像； 其中， 所述目标产品由多个所述实体对象组 成， 且每个所述实体对象对应所述目标产品的一个局部图像。 3.根据权利要求1所述的产品检测方法， 其特征在于， 所述从所述目标图像中， 分别提 取所述目标产品的整体图像以及所述目标产品的多个局部图像， 包括： 将所述目标图像输入第 二目标检测模型中， 通过所述第 二目标检测模型对所述目标产 品进行图像目标检测， 输出 得到所述目标产品的整体图像； 将所述整体图像裁切为多个图像块， 并将裁切得到的所述多个图像块作为所述目标产 品的多个局部图像。 4.根据权利要求1所述的产品检测方法， 其特征在于， 所述根据 所述整体预测结果以及 所述多个局部预测结果， 确定所述目标产品的最终产品检测结果， 包括： 针对每种检测结果类别， 根据 所述整体预测结果中所述目标产品属于该种检测结果类 别的概率值， 确定每一所述局部预测结果中所述目标产品属于该种检测结果类别的最终分 数； 针对每一所述局部预测结果， 根据 该局部预测结果中所述目标产品属于每种检测结果 类别的最终分数， 从多种检测结果类别中， 确定最终分数高于预设阈值的目标检测结果类 别作为该局部预测结果对应的所述目标产品的局部检测结果； 根据所述目标产品的每一所述局部检测结果， 将出现概率最高的局部检测结果表征的 检测结果类别作为所述目标产品的最终产品检测结果。 5.根据权利要求4所述的产品检测方法， 其特征在于， 所述根据 所述整体预测结果中所 述目标产品属于该种检测结果类别的概率值， 确定每一所述局部预测结果中所述目标产品 属于该种检测结果类别的最终分数， 包括： 针对每一所述局部预测结果， 从该局部预测结果中， 获取所述目标产品属于该种检测 结果类别的概 率值作为第一 概率值； 从所述整体预测结果中， 获取所述目标产品属于该种检测结果类别的概率值的相反数权　利　要　求　书 1/2 页 2 CN 115409821 A 2作为第二 概率值； 计算所述第 一概率值与目标指数函数值的熵值， 将计算结果作为该局部预测结果中所 述目标产品属于该种检测结果类别的最终分数； 其中， 所述 目标指数函数值用于表征底数 为自然常数 e且指数为所述第二 概率值的指数函数值。 6.根据权利要求2所述的产品检测方法， 其特征在于， 通过以下方法， 训练得到所述第 一目标检测模型： 获取多个包含有第一产品的第一样本 图像作为第一训练样本数据； 其中， 所述第一产 品可以拆分为多个 独立的样本对象； 在每一所述第 一样本图像中， 对所述第 一产品以及每一所述样本对象在该第 一样本图 像中的图像位置 以及图像尺寸分别进行标记， 得到每一所述第一样本图像的检测标记数 据； 基于所述第 一训练样本数据以及每一所述第 一样本图像的检测标记数据， 对第 一目标 检测模型进行训练， 直至第一目标检测模型达 到收敛。 7.根据权利要求1所述的产品检测方法， 其特征在于， 通过以下方法， 训练得到所述第 一分类模型： 获取多个包含有第二产品的第二样本 图像作为第二训练样本数据； 其中， 所述第二产 品用于表征与所述目标产品同类型的产品； 在每一所述第 二样本图像中， 对所述第 二产品在该第 二样本图像中对应的检测结果类 别进行标记， 得到每一所述第二样本图像的分类标记数据； 基于所述第 二训练样本数据以及每一所述第 二样本图像的分类标记数据， 对第 一分类 模型进行训练， 直至第一分类模型达 到收敛。 8.一种产品检测装置， 其特 征在于， 所述产品检测装置包括： 获取模块， 用于获取图像采集装置针对目标产品采集后处 理得到的目标图像； 提取模块， 用于从所述目标图像中， 分别提取所述目标产品的整体图像以及所述目标 产品的多个局部图像； 整体检测模块， 用于将所述目标产品的整体图像输入第一分类模型中， 通过所述第一 分类模型对所述整体图像所属的检测结果类别进 行分类预测， 输出得到针对所述目标产品 的整体预测结果； 局部检测模块， 用于将所述多个局部 图像输入第二分类模型中， 通过所述第二分类模 型对每一所述局部图像所属的检测结果类别进行分类预测， 输出得到针对 所述目标产品的 多个局部预测结果； 确定模块， 用于根据所述整体预测结果以及所述多个局部预测结果， 确定所述目标产 品的最终产品检测结果。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过总线 通信， 所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述产品检测方法 的步骤。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处 理器运行时执 行如权利要求1至7任一所述产品检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115409821 A 3