(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 202211229405.3 (22)申请日 2022.10.08 (71)申请人 华北电力大 学 地址 102200 北京市昌平区回龙观镇北农 路2号 (72)发明人 吴华　刘草　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 刘凤 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/40(2022.01) G06V 10/75(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种部件的缺陷检测方法、 装置、 电子设备 及存储介质 (57)摘要 本申请涉及缺陷检测技术领域， 提供了一种 部件的缺陷检测方法、 装置、 电子设备及存储介 质， 方法包括： 确定出待检测图像中的目标部件 区域图像； 从目标部件区域图像中提取出多个特 征向量； 将多个特征向量输入至预先构建好的多 聚类中心特征分布模型之中， 确定多个聚类中心 向量， 并基于多个聚类中心向量对 各个特征向量 进行分类； 基于分类后的多个特征向量， 确定出 目标部件是否存在缺陷。 通过使用不同的聚类中 心向量对各个特征向量进行分类， 在保证语义信 息一致的同时， 保留了更多的纹理光照等其他特 征信息来表征特征的分布情况， 从而实现了仅依 靠正样就能实现缺陷检测， 解决了工业设备中关 键部件的缺陷样本少难题， 提高了缺陷检测的准 确率。 权利要求书2页 说明书12页 附图5页 CN 115511856 A 2022.12.23 CN 115511856 A 1.一种部件的缺陷检测方法， 其特 征在于， 所述 缺陷检测方法包括： 获取待检测图像， 并确定出 所述待检测图像中的目标部件区域图像； 从所述目标部件区域图像中提取 出多个特 征向量； 将多个所述特征向量输入至预先构建好的多聚类中心特征分布模型之中， 确定多个聚 类中心向量， 并基于多个所述聚类中心向量对各个所述特 征向量进行分类； 基于分类后的多个特 征向量， 确定出 所述目标部件是否存在缺陷。 2.根据权利要求1所述的缺陷检测方法， 其特征在于， 所述获取待检测图像， 并确定出 所述待检测图像中的目标部件区域图像， 包括： 获取部件 模板图像； 利用所述部件模板图像对所述待检测图像中的目标部件进行初步定位， 确定出所述待 检测图像中的目标部件的初步区域图像； 利用特征检测算法对所述部件模板图像以及所述目标部件的初步区域图像进行精准 匹配， 确定出 所述目标部件区域图像。 3.根据权利要求2所述的缺陷检测方法， 其特征在于， 所述利用所述部件模板图像对所 述待检测图像中的目标部件进 行初步定位， 确定出所述待检测图像中的目标部件的初步区 域图像， 包括： 将所述待检测图像以及所述部件模板图像输入至预先训练好的神经网络模型之中， 确 定出所述待检测图像中的各个图像区域与所述部件 模板图像的相似度值； 在多个所述相似度值之中筛选出最大相似度值， 将所述最大相似度值相对应的图像区 域确定为所述目标部件的初步区域图像。 4.根据权利要求1所述的缺陷检测方法， 其特征在于， 通过以下步骤确定出所述多聚类 中心特征分布模型： 获取标准工业部件图像相对应的参 考特征向量集； 在所述参考特征向量集中筛选出一个第 一特征向量作为第 一聚类中心向量， 计算出所 述参考特征向量集中的每 个参考特征向量到所述第一聚类中心向量的第一距离； 在多个所述第 一距离中筛选出最大第 一距离， 并将所述最大第 一距离相对应的参考特 征向量作为第二聚类中心向量； 基于所述第一聚类中心向量以及所述第二聚类中心向量构建出初始多聚类中心特征 分布模型； 对所述初始多聚类中心特征分布模型进行聚类中心向量更新， 利用每次更新后的多个 聚类中心向量确定出 所述多聚类中心特 征分布模型。 5.根据权利要求4所述的缺陷检测方法， 其特征在于， 所述对所述初始多聚类中心特征 分布模型进行聚类中心向量更新， 利用每次更新后的多个聚类中心向量确定出所述多聚类 中心特征分布模型， 包括： 确定出所述第一聚类中心向量以及所述第二聚类中心向量的目标欧式距离； 基于所述目标欧式距离与比例系数的乘积， 确定出距离阈值； 计算出每一个聚类中心向量与所述参考特征向量集中非聚类中心相对应的参考特征 向量的第二距离， 在多个所述第二距离中筛 选出最大第二距离； 将所述最大第二距离与所述距离阈值进行比较；权　利　要　求　书 1/2 页 2 CN 115511856 A 2若大于， 则将所述最大第二距离相对应的参考特征向量确定为新的聚类中心向量， 并 对所述初始多聚类中心特征分布模型进行聚类中心向量更新， 直至所述聚类中心向量更新 结束确定出 所述多聚类中心特 征分布模型。 6.根据权利要求1所述的缺陷检测方法， 其特征在于， 所述将多个所述特征向量输入至 预先构建好的多聚类中心特征分布模型之中， 确定多个聚类中心向量， 并基于多个所述聚 类中心向量对各个所述特 征向量进行分类， 包括： 针对于每个所述特征向量， 计算出该特征向量到每个所述聚类中心向量的第三距离， 将该特征向量相对应的多个所述第三距离中的最小第三距离对应的聚类中心向量确定为 目标聚类中心向量， 将所述特 征向量归类到所述目标聚类中心向量对应的目标类别之中。 7.根据权利要求1所述的缺陷检测方法， 其特征在于， 所述基于分类后的多个特征向 量， 确定出 所述目标部件是否存在缺陷， 包括： 确定出每 个分类后的所述特 征向量到相对应的聚类中心向量的目标距离； 针对于每个分类后的所述特征向量， 判断该分类后的特征向量的目标距离是否大于目 标特征分布模型边界阈值； 其中， 所述 目标特征分布模型边界阈值为该分类后的特征向量 相对应的目标聚类中心向量的阈值； 若是， 则所述目标部件 存在缺陷。 8.一种部件的缺陷检测装置， 其特 征在于， 所述 缺陷检测装置包括： 目标部件区域确定模块， 用于获取待检测图像， 并确定出所述待检测图像中的目标部 件区域图像； 特征提取模块， 用于从所述目标部件区域图像中提取 出多个特 征向量； 特征分类模块， 用于将多个所述特征向量输入至预先构建好的多聚类中心特征分布模 型之中， 确定多个聚类中心向量， 并基于多个所述聚类中心向量对各个所述特征向量进行 分类； 缺陷确定模块， 用于基于分类后的多个特 征向量， 确定出 所述目标部件是否存在缺陷。 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所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至7任一所述的部 件的缺陷检测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至7任一所述的部件的缺陷检测方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115511856 A 3