(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211142189.9 (22)申请日 2022.09.20 (65)同一申请的已公布的文献号 申请公布号 CN 115222739 A (43)申请公布日 2022.10.21 (73)专利权人 成都数之联科技股份有限公司 地址 610000 四川省成 都市武侯区锦绣 街8 号2层270号 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 孙朝锐 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06V 10/774(2022.01) G06V 10/80(2022.01)(56)对比文件 CN 110880169 A,2020.0 3.13 CN 113793333 A,2021.12.14 CN 110378869 A,2019.10.25 CN 113344910 A,2021.09.0 3 CN 114898096 A,202 2.08.12 US 202123280 0 A1,2021.07.2 9 US 2017140 524 A1,2017.0 5.18 CN 113673607 A,2021.1 1.19 渠慧帆.基 于深度学习的焊缝缺陷自动检测 研究与实现. 《中国优秀硕士学位 论文全文数据 库信息科技 辑》 .2019,(第(2019)08 期),I138- 829. 陈相吉.基 于深度学习的增压 器铸造缺陷检 测算法研究. 《中国优秀硕士学位 论文全文数据 库工程科技 Ⅱ辑》 .2021,(第(2021)02期),C 035- 722. (续) 审查员 黄娟 (54)发明名称 缺陷标注方法、 装置、 存储介质、 设备及计算 机程序产品 (57)摘要 本申请的实施例公开了一种缺陷标注方法、 装置、 存储介质、 设备及计算机程序产品， 涉及人 工智能技术领域， 包括： 将目标图像输入缺陷识 别模型， 并获得转换图像； 将转换图像与目标图 像转换色域空间， 以分别获得第一转换图像与第 一目标图像； 将第一转换图像与第一目标图像进 行相减运算， 以获得差值图像； 在差值图像上进 行查找， 以提取差值图像上的缺陷信息； 根据缺 陷信息， 获得缺陷信息的标注信息。 本申请通过 模型进行自动识别提取并完成标注， 代替人工进 行大量的标注工作， 结合缺陷图像与无缺陷图 像， 融合得到所有源图像的明显突出信息， 在相 减运算中进一步突出肉眼不易观 察的细小缺陷， 提升对缺陷识别、 标注的全面性与精度， 提升缺陷标注的质量。 [转续页] 权利要求书2页 说明书11页 附图5页 CN 115222739 B 2022.12.02 CN 115222739 B (56)对比文件 Katsumi Wasak i 等.A Practice of Smar t Sensing System for Buried Mi nes Detecti ng based on Active I nfrared Thermography Approach. 《Journal of Advance Computati onal Researc h》 .2016,第1卷(第1 期),29-37.2/2 页 2[接上页] CN 115222739 B1.一种缺陷标注方法， 其特 征在于， 包括以下步骤： 将目标图像输入缺陷识别模型， 并获得转换图像； 其中， 所述缺陷识别模型基于无缺陷 图像的集合与融合图像的集合训练获得， 所述融合图像基于所述无缺陷图像与缺陷图像融 合获得， 使得 所述缺陷识别模型 具有将缺陷图像向无缺陷图像转换的能力； 将所述转换图像与 所述目标图像转换色域空间， 以分别获得第 一转换图像与第 一目标 图像； 将所述第一 转换图像与所述第一目标图像进行相减运 算， 以获得差值图像； 在所述差值图像上进行查找， 以提取 所述差值图像上的缺陷信息； 根据所述 缺陷信息， 获得 所述缺陷信息的标注信息 。 2.根据权利要求1所述的缺陷标注方法， 其特征在于， 所述将目标图像输入缺陷识别模 型， 并获得转换图像之前， 所述 缺陷标注方法还 包括： 获取若干所述 缺陷图像与所述无缺陷图像； 将所述缺陷图像与所述无缺陷图像进行融合， 以获得 所述融合图像； 基于所述无缺陷图像的集 合以及所述融合图像的集 合， 训练获得 所述缺陷识别模型。 3.根据权利要求2所述的缺陷标注方法， 其特征在于， 所述将所述缺陷 图像与所述无缺 陷图像进行融合， 以获得 所述融合图像， 包括： 将所述缺陷图像与 所述无缺陷图像采用泊松图像融合方法进行融合， 以获得所述融合 图像。 4.根据权利要求1所述的缺陷标注方法， 其特征在于， 所述将所述转换图像与 所述目标 图像转换色域空间， 以分别获得第一 转换图像与第一目标图像， 包括： 将所述转换图像与所述目标图像转换RGB色域空间， 以分别获得第一转换图像与第一 目标图像。 5.根据权利要求4所述的缺陷标注方法， 其特征在于， 所述将所述转换图像与 所述目标 图像转换RGB色域空间， 以分别获得第一 转换图像与第一目标图像， 包括： 将所述转换图像与 所述目标图像灰度化， 以分别获得第 一灰度转换图像与第 一灰度目 标图像； 所述将所述第一 转换图像与所述第一目标图像进行相减运 算， 以获得差值图像， 包括： 将所述第一灰度转换图像与所述第一灰度目标图像进行相减运 算， 以获得差值图像。 6.根据权利要求1所述的缺陷标注方法， 其特征在于， 所述将所述第 一转换图像与 所述 第一目标图像进行相减运 算， 以获得差值图像， 包括： 分别获得所述第一转换图像与所述第 一目标图像对应像素点的像素值， 并进行相减运 算； 以运算结果的绝对值作为所述差值图像对应点的像素值， 获得 所述差值图像。 7.根据权利要求1所述的缺陷标注方法， 其特征在于， 所述在所述差值图像上进行查 找， 以提取 所述差值图像上的缺陷信息， 包括： 采用轮廓查找方法在所述差值图像上进行查找， 以提取所述差值图像上的缺陷轮廓信 息； 所述根据所述 缺陷信息， 获得 所述缺陷信息的标注信息， 包括： 根据所述 缺陷轮廓信息， 获得 所述缺陷信息的标注信息 。权　利　要　求　书 1/2 页 2 CN 115222739 B 3