(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 202211170363.0 (22)申请日 2022.09.22 (71)申请人 中广核核电运营有限公司 地址 518048 广东省深圳市福田区莲 花街 道福中社区深南中路中广核大厦北楼 6层 申请人 中国广核集团有限公司 　 中国广核电力股份有限公司 (72)发明人 罗琦　宋翔　邓沛安　李尚科　 单强　张关祥　解禹琢　杜长琦　 付振中　李刚　陈英瑜　乔建强　 郑洋　付永奎　郑磊　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 郑义(51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06V 10/764(2022.01) (54)发明名称 缺陷识别方法、 装置、 计算机设备、 存储介质 和计算机程序 产品 (57)摘要 本申请涉及图像识别技术领域， 特别是涉及 一种缺陷识别方法、 装置、 计算机设备及其存储 介质。 所述方法包括： 通过缺陷识别模型中的图 像重构网络， 确定待识别图像是否包含缺陷区 域， 以及待识别图像对应的离散分布值； 若待识 别图像包含缺陷区域， 则通过缺陷识别模型中的 分类网络， 根据待识别图像对应的离散分布值， 确定待识别图像的目标缺陷类别。 本申请实现对 于待识别图像缺陷类型的自动化识别， 降低了在 对待识别图像进行缺陷识别的准确性， 提高了对 待识别图像进行缺陷识别的效率。 权利要求书2页 说明书17页 附图10页 CN 115423798 A 2022.12.02 CN 115423798 A 1.一种缺陷识别方法， 其特 征在于， 所述方法包括： 通过缺陷识别模型中的图像重构网络， 确定待识别图像是否包含缺陷区域， 以及所述 待识别图像对应的离 散分布值； 若所述待识别图像包含缺陷区域， 则通过所述缺陷识别模型中的分类网络， 根据所述 待识别图像对应的离 散分布值， 确定所述待识别图像的目标缺陷类别。 2.根据权利要求1所述的方法， 其特征在于， 所述缺陷识别模型中的图像重构网络包 括： 编码器、 解码器和目标编码表； 所述通过缺陷识别模型中的图像重构网络， 确定待识别 图像是否包 含缺陷区域， 以及所述待识别图像对应的离 散分布值， 包括： 将所述待识别图像输入到所述编码器中， 得到目标编码结果， 并根据所述目标编码结 果和所述目标编码表， 确定所述目标编码结果的重构编码结果； 将所述目标编码结果的重构编码结果输入到所述解码器中， 得到目标重构图像， 并根 据所述待识别图像和所述目标重构图像， 确定所述待识别图像是否包 含缺陷区域； 根据所述目标编码结果和所述目标编码表， 确定所述待识别图像对应的离 散分布值。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述目标编码结果和所述目标编 码表， 确定所述目标编码结果的重构编码结果， 包括： 从所述目标编码表中查找所述目标编码结果的相似编码结果， 作为所述目标编码结果 的重构编码结果。 4.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对原始采集图像进行分割处 理， 得到目标分割图像； 对所述目标分割图像进行图像增强处 理， 得到所述待识别图像。 5.根据权利要求1至4任意 一项所述的方法， 其特 征在于， 所述方法还 包括： 对标注有缺陷区域的样本图像进行分割处 理， 得到样本分割图像； 根据所述样本分割图像与 标注的缺陷区域之间的重叠关系， 从所述样本分割图像 中确 定正样本图像和负 样本图像； 根据所述 正样本图像， 对所述 缺陷识别模型中的图像重构网络进行训练； 根据所述负样本 图像、 所述负样本 图像的类别标签和训练后的图像重构网络， 对所述 缺陷识别模型中的分类网络进行训练。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述正样本 图像， 对所述缺陷识 别模型中的图像重构网络进行训练， 包括： 将所述正样本图像输入到所述缺陷识别模型中的图像重构网络的编码器中， 得到样本 编码结果； 根据所述样本编码结果， 从所述图像重构网络的目标编码表中确定样本编码结果的重 构编码结果； 将所述样本编码结果的重构编码结果输入到所述图像重构网络的解码器中， 得到样本 重构图像； 根据所述正样本图像、 所述样本编码结果、 所述样本编码结果的重构编码结果， 以及所 述样本重构图像， 对所述 缺陷识别模型中的图像重构网络进行训练。 7.根据权利要求5所述的方法， 其特征在于， 所述根据所述负样本 图像、 所述负样本 图 像的类别标签和训练后的图像重构网络， 对所述缺陷识别模型中的分类网络进行训练， 包权　利　要　求　书 1/2 页 2 CN 115423798 A 2括： 将所述负样本图像输入到训练后的图像重构网络， 得到所述负样本图像对应的离散分 布值； 将所述负样本图像对应的离散分布值输入到所述缺陷识别模型中的分类网络中， 得到 所述负样本图像对应的预测缺陷类别； 根据所述负样本图像对应的离散分布值、 所述负样本图像的类别标签和预测缺陷类 别， 对所述 缺陷识别模型中的分类网络进行训练。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述负样本图像对应的离散分布 值、 所述负样本图像的类别标签和预测 缺陷类别， 对所述缺陷识别模型中的分类网络进行 训练， 包括： 根据所述负样本图像对应的离散分布值、 所述负样本图像的类别标签和预测缺陷类 别， 对所述 缺陷识别模型中的图像重构网络和分类网络进行 联合训练。 9.一种缺陷识别装置， 其特 征在于， 所述装置包括： 第一确定模块， 用于通过缺陷识别模型中的图像重构网络， 确定待识别图像是否包含 缺陷区域， 以及所述待识别图像对应的离 散分布值； 第二确定模块， 用于若所述待识别图像包含缺陷区域， 则通过所述缺陷识别模型中的 分类网络， 根据所述待识别图像对应的离 散分布值， 确定所述待识别图像的目标缺陷类别。 10.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。 12.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至8中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115423798 A 3