(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 202210275557.0 (22)申请日 2022.03.18 (71)申请人 珠海格力电器股份有限公司 地址 519070 广东省珠海市前山金鸡西路 (72)发明人 谭丽珠　陆华章　王晓琳　吴春兰　 熊伟　周叶笛　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 石鸣宇 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06T 7/62(2017.01) G06N 3/04(2006.01) (54)发明名称 图像缺陷检测方法、 检测装置、 检测设备及 存储介质 (57)摘要 本发明实施例涉及一种图像缺陷检测方法、 检测装置、 检测设备及存储介质， 包括： 获取对象 上的初始图像， 以及调用与所述初始图像类型对 应的目标图像； 提取所述目标图像中的目标特征 点集合， 以及提取所述初始图像中的初始特征点 集合； 对所述初始特征点集合和所述目标特征点 集合进行匹配， 得到所述初始图像对应的第一图 像； 对所述第一图像进行卷积网络和深度学习处 理， 得到第二图像； 将所述第二图像和所述目标 图像进行比对， 得到所述初始图像的检测结果。 由此， 可以完成对图像的缺陷检测， 从而实现提 高缺陷检测精度的效果。 权利要求书2页 说明书14页 附图4页 CN 114723677 A 2022.07.08 CN 114723677 A 1.一种图像缺陷检测方法， 其特 征在于， 包括： 获取对象上的初始图像， 以及调用与所述初始图像 类型对应的目标图像； 提取所述目标图像中的目标特征点集合， 以及提取所述初始图像中的初始特征点集 合； 对所述初始特征点集合和所述目标特征点集合进行匹配， 得到所述初始图像对应的第 一图像； 对所述第一图像进行 卷积网络和深度学习处 理， 得到第二图像； 将所述第二图像和所述目标图像进行比对， 得到所述初始图像的检测结果。 2.根据权利要求1所述的方法， 其特征在于， 在所述调用与所述初始图像类型对应的目 标图像之前， 所述方法还 包括： 确定所述对象上的感兴趣区域， 对所述感兴趣区域的图像进行二 值化处理； 从二值化处理后的所述图像中确定对应的最大轮廓的轮廓信息； 确定所述轮廓信息的最小外 接矩形， 将所述 最小外接矩形对应的区域作为目标图像； 根据所述轮廓信息确定所述目标图像的类型； 按照所述类型对所述目标图像进行存 储。 3.根据权利要求1所述的方法， 其特征在于， 所述提取所述目标图像中的目标特征点集 合， 以及提取 所述初始图像中的初始特 征点集合， 包括： 获取所述目标图像的第一目标边 缘信息， 以及所述初始图像的第一初始边 缘信息； 获取所述第 一目标边缘信 息在非线性尺度空间下的第 二目标边缘信 息， 以及所述第 一 初始边缘信息在非线性尺度空间下的第二初始边 缘信息； 从所述第二目标边缘信 息中获取指定位置的多个第 一目标特征点， 以及从所述第 二初 始边缘信息中获取指定位置的多个第一初始特 征点； 通过描述符处理， 得到多个所述第一目标特征点对应的多个第二目标特征点， 以及多 个所述第一初始特 征点对应的多个第二初始特 征点； 对多个所述第二目标特征点进行度量和配准处理得到所述目标图像的目标特征点集 合， 以及对多个所述第二初始特征点进行度量和配准处理得到所述初始图像的初始特征点 集合。 4.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一图像进行卷积网络和深度 学习处理， 得到第二图像， 包括： 通过对所述第 一图像和所述目标图像进行卷积网络处理， 获取所述第 一图像对应的第 一特征点集合； 对所述第一特征点集合进行仿射变换和位移场处理， 获取所述第 一特征点集合对应的 第一组损失值信息； 通过细化 位移场和深度学习处 理， 确定所述第一特 征点集合的第二组损失值信息； 对所述第一组损失值信息和所述第二组损失值信息进行比对， 得到比对结果； 根据所述比对结果， 得到所述第一图像对应的第二图像。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述初始特征点集合和所述目标特 征点集合进行匹配， 得到所述初始图像对应的第一图像， 包括： 对所述初始图像和所述目标图像进行随机抽 样一致性匹配处理， 得到所述初始图像对权　利　要　求　书 1/2 页 2 CN 114723677 A 2应的预设特 征点集合和预设变换矩阵信息； 利用所述预设变换矩阵信息， 对所述预设特征点集合进行仿射变换处理， 得到所述初 始图像对应的所述第一图像。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 二图像和所述目标图像进 行比对， 得到所述初始图像的检测结果， 包括： 对所述第二图像和所述目标图像进行比对， 得到所述初始图像对应的缺陷面积； 根据所述 缺陷面积， 确定所述初始图像的检测结果。 7.根据权利要求6所述的方法， 其特征在于， 所述对所述第 二图像和所述目标图像进行 比对， 得到所述初始图像对应的缺陷面积， 包括： 按照所述目标图像， 对所述第二图像进行缺陷检测算法处 理， 得到第三特 征点集合； 将所述第三特 征点集合对应的区域作为所述初始图像对应的缺陷面积。 8.根据权利要求6所述的方法， 其特征在于， 所述根据所述缺陷面积， 得到所述初始图 像的检测结果， 包括： 当所述缺陷面积大于等于面积阈值时， 确定所述初始图像为 缺陷图像； 当所述缺陷面积小于所述 面积阈值时， 确定所述初始图像为非缺陷图像。 9.一种检测装置， 其特 征在于， 包括： 获取模块， 用于获取对象上的初始图像， 以及调用与所述初始图像类型对应的目标图 像； 提取模块， 用于提取所述目标图像中的目标特征点集合， 以及提取所述初始图像中的 初始特征点集合； 匹配模块， 用于对所述初始特征点集合和所述目标特征点集合进行匹配， 得到所述初 始图像对应的第一图像； 学习模块， 用于对所述第一图像进行 卷积网络和深度学习处 理， 得到第二图像； 比对模块， 用于将所述第二图像和所述目标图像进行比对， 得到所述初始图像的检测 结果。 10.一种检测设备， 其特征在于， 包括： 处理器和存储器， 所述处理器用于执行所述存储 器中存储的图像缺陷检测程序， 以实现权利要求1～8中任一项所述的图像缺陷检测方法。 11.一种存储介质， 其特征在于， 所述存储介质存储有一个或者多个程序， 所述一个或 者多个程序可被一个或者多个处理器执行， 以实现权利要求 1～8中任一项所述的图像缺陷 检测方法。权　利　要　求　书 2/2 页 3 CN 114723677 A 3