(19)中华 人民共和国 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 202111650918.7 (22)申请日 2021.12.3 0 (71)申请人 北京航天数据股份有限公司 地址 100088 北京市海淀区丹棱 街16号海 兴大厦B座1层F101 1号 (72)发明人 张淑琬　孙彬　胡渊　 (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 代理人 彭星 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/80(2022.01) G06V 10/30(2022.01) G06V 10/32(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种缺陷识别的方法、 装置、 设备和介质 (57)摘要 本申请提供了一种缺陷识别的方法、 装置、 设备和介质， 所述方法包括： 获取待测电气件的 电气件图像； 将预处理后的电气 件图像分别输入 至缺陷识别模 型的全面且快速特征提取网络层、 全面特征提取网络层和快速特征提取网络层， 分 别得到第一特征、 第二特征和第三特征； 将所述 第一特征、 所述第二特征和所述第三特征融合后 的融合特征输入至所述缺陷识别模 型的分类层， 确定所述待测电气件的缺陷识别结果； 根据所述 缺陷识别结果， 确定针对所述待测电气件的淘汰 策略。 权利要求书2页 说明书10页 附图4页 CN 114283142 A 2022.04.05 CN 114283142 A 1.一种缺陷识别的方法， 其特 征在于， 包括： 获取待测电气件的电气件图像； 将预处理后的电气件图像分别输入至缺陷识别模型的全面且快速特征提取网络层、 全 面特征提取网络层和快速特 征提取网络层， 分别得到第一特 征、 第二特 征和第三特 征； 将所述第一特征、 所述第 二特征和所述第 三特征融合后的融合特征输入至所述缺陷识 别模型的分类层， 确定所述待测电气件的缺陷识别结果； 根据所述 缺陷识别结果， 确定针对所述待测电气件的淘汰策略。 2.根据权利要求1所述的方法， 其特征在于， 所述预处理后的电气件图像是通过如下步 骤得到的： 利用形态学 滤波器对所述电气件图像进行 滤波处理， 得到纹 理清晰图像； 将所述纹 理清晰图像调整为预设大小， 得到所述预处 理后的电气件图像。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述第一特征、 所述第二特征和所 述第三特征融合后的融合特征输入至所述缺陷识别模型的分类层， 确定所述待测电气件的 缺陷识别结果， 包括： 将所述第一特征、 所述第二特征和所述第三特征输入至所述缺陷识别模型的融合层， 得到融合后的融合特 征； 所述融合特征输入至所述缺陷识别模型的全连接层后， 所述融合特征与所述全连接层 中的完整缺陷特 征进行特征比对， 得到特 征比对结果； 将所述特征比对结果输入至所述缺陷识别模型的分类层， 确定所述待测电气件的缺陷 识别结果。 4.根据权利要求1所述的方法， 其特征在于， 所述缺陷识别模型是通过如下步骤学习得 到的： 获取三个电气件学习样本集合； 每个电气件学习样本集合包括至少一个电气件学习样 本； 每个电气件训练样本为 一张电气件缺陷图像； 利用全面且快速特征提取网络层学习第一个电气件学习样本集合中每一个电气件学 习样本的第一 缺陷特征； 利用全面特征提取网络层学习第二个电气件学习样本集合中每一个电气件学习样本 的第二缺陷特征； 利用快速特征提取网络层学习第三个电气件学习样本集合中每一个电气件学习样本 的第三缺陷特征； 将学习到的所有的第 一缺陷特征、 学习到的所有的第 二缺陷特征和学习到的所有的第 三缺陷特征输入至未完成学习的缺陷识别模型的融合层进行融合， 得到 完整缺陷特 征； 将所述完整缺陷特征存储于所述未完成学习的缺陷识别模型的全连接层， 得到学习好 的缺陷识别模型。 5.根据权利要求 4所述的方法， 其特 征在于， 所述获取三个电气件学习样本集 合， 包括： 获取目标 数量张电气件缺陷图像； 对目标数量张电气件缺陷图像进行 数量扩增； 将数量扩增后的电气件缺陷图像均分为 三个电气件学习样本集 合。 6.根据权利要求4所述的方法， 其特征在于， 所述将学习到的所有的第一缺陷特征、 学权　利　要　求　书 1/2 页 2 CN 114283142 A 2习到的所有的第二缺陷特征和学习到的所有的第三缺陷特征输入至未完成学习的缺陷识 别模型的融合层进行融合， 包括： 将学习到的每个第 一缺陷特征、 学习到的每个第 二缺陷特征和学习到的每个第 三缺陷 特征均调整为预设大小； 将所有调整为预设大小的第 一缺陷特征、 所有调整为预设大小的第 二缺陷特征和所有 调整为预设大小的第三 缺陷特征输入至未完成学习的缺陷识别模型的融合层进行融合。 7.一种缺陷识别的装置， 其特 征在于， 包括： 获取模块， 用于获取待测电气件的电气件图像； 提取模块， 用于将预处理后的电气件图像分别输入至缺陷识别模型的全面且快速特征 提取网络层、 全面特征提取网络层和快速特征提取网络层， 分别得到第一特征、 第二特征和 第三特征； 分类模块， 用于将所述第一特征、 所述第二特征和所述第三特征融合后的融合特征输 入至所述 缺陷识别模型的分类层， 确定所述待测电气件的缺陷识别结果； 确定模块， 用于根据所述 缺陷识别结果， 确定针对所述待测电气件的淘汰策略。 8.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括： 过滤模块， 用于利用形态学滤波器对所述电气件图像进行滤波处理， 得到纹理清晰图 像； 调整模块， 用于将所述纹理清晰图像调整为预设大小， 得到所述预处理后的 电气件图 像。 9.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现上述权利要求 1‑6 中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处 理器运行时执 行上述权利要求1 ‑6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114283142 A 3