(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 202210826580.4 (22)申请日 2022.07.14 (71)申请人 深圳市人工智能与机 器人研究院 地址 518129 广东省深圳市龙岗区坂田街 道雅宝路1号星河WORLDG2-14、 15层 (72)发明人 夏轩　丁宁　何星　李南　张晓光　 马琳　张爱东　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王欢 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像缺陷检测方法、 系统及相关装置 (57)摘要 本申请公开了图像缺陷检测方法、 系统及相 关装置， 该方法包括： 获取两个以上模型结构相 同的目标模型S， 将待检测图像分别输入各目标 模型S， 得到待检测图像在不同尺度下的目标特 征张量， 根据目标特征张量计算各尺度分别对应 的异常注 意力目标矩阵， 根据 异常注意力目标矩 阵判断待检测图像是否为缺陷图像， 并对缺陷图 像的缺陷所在位置进行定位。 由模型T蒸馏学习 得的目标模型S， 无需使用缺陷样本图像， 通过无 缺陷的正常样本图像便能完成模 型训练， 故本目 标模型S轻量化， 且模型响应时延能得到有效的 降低， 使得对待检测图像的类别预测， 及其为缺 陷图像时的缺陷定位进程得以加速， 从而在减少 人工投入的同时， 又能提高图像的检测精度和时 效性。 权利要求书2页 说明书8页 附图4页 CN 115222691 A 2022.10.21 CN 115222691 A 1.一种图像缺陷检测方法， 其特 征在于， 包括： 获取两个以上模型结构相同的目标学生图像检测模型S， 每一所述目标模型S由预先训 练完成的教师图像检测模型和样本图像训练得到， 所述样本图像包含无缺陷的正常样本图 像但不包含缺陷样本图像， 所述目标模 型S和所述模型T之间的内部模块划分及所述模块对 应输出的下采样图像尺度相同； 将待检测图像分别输入各所述目标模型S， 得到所述待检测图像在不同尺度下的目标 特征张量； 根据所述目标 特征张量计算各尺度分别对应的异常注意力目标矩阵； 根据所述异常注意力目标矩阵判断所述待检测图像是否为缺陷 图像， 并对所述缺陷 图 像的缺陷所在位置进行定位。 2.根据权利要求1所述的图像缺陷检测方法， 其特征在于， 所述目标模型S的训练步骤 包括： 获取预先训练完成的所述模型T； 根据所述模型T构建两个以上模型 结构相同的初始模型S； 将正常样本图像分别输入所述模型T和所述初始模型S， 得到各模型内部每一模块输出 的初始特 征张量； 根据各所述初始特征张量构造模型T和所有初始模型S之间的损失函数， 并根据 所述损 失函数值训练每一初始模型S， 直至所述初始模型S成为满足收敛 条件的所述目标模型S。 3.根据权利要求2所述的图像缺陷检测方法， 其特征在于， 所述根据各所述初始特征张 量构造模型T和所有初始模型S之间的损失函数， 具体包括以下任一种损失函数构造方式： 计算模型T和每一初始模型S之间的余弦相似度， 并根据所述余弦相似度构造得范数形 式的损失函数； 或， 计算模型T和每一初始模型S之间的均 方误差， 并根据 得到的各所述均方误差构造得均 方形式的损失函数。 4.根据权利要求2或3所述的图像缺陷检测方法， 其特征在于， 所述根据所述损 失函数 值训练每一初始模型S， 包括： 根据所述损失函数值， 采用梯度下降法将每一初始模型S训练至满足所述收敛条件， 以 得到目标模型S。 5.根据权利要求1所述的图像缺陷检测方法， 其特征在于， 所述根据所述目标特征张量 计算各尺度分别对应的异常注意力目标矩阵， 包括： 根据同一尺度 下的目标特征张量计算当前尺度下的异常注意力初矩阵， 所述异常注意 力初矩阵的大小用于表示当前尺度下的图像为 缺陷图像的概 率； 将不同尺度下的异常注意力初矩阵上采样到所述待检测图像的原尺寸大小， 以得到各 个对应待检测图像的原 尺寸的异常注意力目标矩阵。 6.根据权利要求1或5所述的图像缺陷检测方法， 其特征在于， 所述根据所述异常注意 力目标矩阵判断所述待检测图像是否为 缺陷图像， 包括： 对所有异常注意力目标矩阵内的各元素进行大小比较， 并判断其中的最大元素值是否 大于预设阈值；权　利　要　求　书 1/2 页 2 CN 115222691 A 2若大于预设阈值， 则确定所述待检测图像为 缺陷图像； 若未大于预设阈值， 则确定所述待检测图像为 正常图像。 7.根据权利要求1所述的图像缺陷检测方法， 其特征在于， 所述对所述缺陷图像的缺陷 所在位置进行定位， 包括： 对所有异常注意力目标矩阵进行融合处 理， 得到异常注意力融合矩阵； 根据预设阈值对所述异常注意力融合矩阵进行二值化处理， 以得到对应所述缺陷图像 的二值化图； 查找所述二值化图中异常注意力目标矩阵大于零的区域， 并确定所述 区域为缺陷的所 在位置。 8.一种图像缺陷检测系统， 其特 征在于， 包括： 获取单元， 用于获取两个以上模型结构相同的目标学生图像检测模型S， 每一所述目标 模型S由预先训练完成的教师图像检测模型和样本图像训练得到， 所述样本图像包含无缺 陷的正常样本图像但不包含缺陷样本图像， 所述目标模型S和所述模 型T之间的内部模块划 分及所述模块对应输出的下采样图像尺度相同； 处理单元， 用于将待检测图像分别输入各所述目标模型S， 得到所述待检测图像在不同 尺度下的目标 特征张量； 计算单元， 用于根据所述目标 特征张量计算各尺度分别对应的异常注意力目标矩阵； 所述处理单元， 还用于根据 所述异常注意力目标矩阵判断所述待检测图像是否为缺陷 图像， 并对所述 缺陷图像的缺陷所在位置进行定位。 9.一种图像缺陷检测装置， 其特 征在于， 包括： 中央处理器， 存储器以及输入输出接口； 所述存储器为短暂存 储存储器或持久存储存储器； 所述中央处理器配置为与 所述存储器通信， 并执行所述存储器中的指令操作以执行权 利要求1至7中任意 一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 包括指令， 当所述指令在计算机上运行时， 使得计算机执 行如权利要求1至7中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115222691 A 3