(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 202210198648.9 (22)申请日 2022.03.02 (71)申请人 南京风兴科技有限公司 地址 210032 江苏省南京市江北新区星火 路17号创智大厦B座6 01室 (72)发明人 马建友　刘阳　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 专利代理师 逯长明　许伟群 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/194(2017.01) G06V 10/762(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 一种轴承防尘盖的凹坑检测方法和装置 (57)摘要 本申请提供了一种轴承防尘盖的凹坑检测 方法和装置， 所述方法包括： 获取轴承防尘盖的 目标检测图像， 将目标检测图像输入 预先构建的 凹坑检测模 型进行目标检测， 得到轴承防尘盖的 凹坑预测结果， 其中， 凹坑检测模型是基于深度 神经网络建立， 并使用已标注凹坑的轴承防尘盖 图像集通过凹坑检测模型的框架训练所得， 凹坑 检测模型的框架中类别损失权重为初始计算值 的数倍， 凹坑检测模型的类别置信度小于预设阈 值， 凹坑预测结果为目标检测图像中被锚框框出 的凹坑， 锚框为凹坑检测模型中预设的锚框， 包 括多个用于匹配小凹坑的小尺 寸锚框。 整个方法 提升了凹坑检测模型对凹坑的检测精度， 改善 现 有技术中大凹坑容易检测， 微小凹坑的漏检和误 检的问题。 权利要求书2页 说明书8页 附图4页 CN 114596272 A 2022.06.07 CN 114596272 A 1.一种轴承防尘盖的凹坑检测方法， 其特 征在于， 所述方法包括： 获取轴承防尘盖的目标检测图像； 将所述目标检测图像输入预先构建的凹坑检测模型进行目标检测， 得到所述轴 承防尘 盖的凹坑预测结果， 其中， 所述凹坑检测模型是基于深度神经网络 建立， 并使用已标注凹坑 的轴承防尘盖图像集进行训练， 所述凹坑检测模型在训练过程中的类别损失权重为初始计 算值的数倍， 所述凹坑检测模型 的类别置信度小于预设阈值， 所述凹坑预测结果为所述 目 标检测图像中被锚框框出 的凹坑， 所述锚框为所述凹坑预测模型中预设的锚框， 包括多个 用于匹配小凹坑的小尺寸锚框 。 2.根据权利要求1所述的轴承防尘盖的凹坑检测方法， 其特征在于， 所述获取轴 承防尘 盖的目标检测图像， 包括： 采集轴承防尘盖图像的ROI； 去除所述轴承防尘盖图像的ROI的背景干扰， 得到所述轴承防尘盖的目标检测图像。 3.根据权利要求2所述的轴承防尘盖的凹坑检测方法， 其特征在于， 所述去除所述轴 承 防尘盖图像的ROI的背景干扰， 包括： 针对所述轴承防尘盖图像的ROI中的任意像素点， 确定所述任意像素点与所述ROI的中 心像素点的距离； 如果所述任意像素点与所述ROI的中心像素点的距离大于整个轴承外圆的半径或小于 整个轴承内圆的半径， 则将所述任意像素点的像素值置零。 4.根据权利要求1所述的轴承防尘盖的凹坑检测方法， 其特征在于， 所述凹坑检测模型 通过以下 方式构建： 基于深度神经网络模型的架构， 搭建所述凹坑检测模型的架构； 使用所述已标注 凹坑的轴承防尘盖图像集对所述凹坑检测模型的架构进行训练， 得到 所述凹坑检测模型。 5.根据权利要求4所述的轴承防尘盖的凹坑检测方法， 其特征在于， 所述已标注 凹坑的 轴承防尘盖图像集 通过以下 方式得到： 获取初始训练图像集， 所述初始训练图像集包括已标注出凹坑的多个轴 承防尘盖的初 始训练图像； 从所述初始训练图像集中获取只有小凹坑标注的第 一样本图像集， 所述小凹坑包括深 度小于平均深度的凹坑以及尺寸小于平均尺寸的凹坑， 所述平均深度为所述初始训练图像 集凹坑的平均坑深， 所述平均尺寸 为所述初始训练图像集的凹坑平均尺寸； 通过仿射变换对所述第一样本图像集进行扩充， 得到第二样本图像集； 将所述第二样本图像集， 以及所述初始训练图像集中除所述第 一样本图像集以外的其 他初始训练图像， 共同确定为所述已标注凹坑的轴承防尘盖图像集。 6.根据权利要求5所述的轴承防尘盖的凹坑检测方法， 其特征在于， 所述锚框通过以下 方式设置： 获取所述初始训练图像集中各个图像的标注框， 所述标注框的尺寸反映真实凹坑的大 小； 对所述初始训练图像集的标注框进行聚类统计， 得到第 一预设数量的聚类标注框作为 第一锚框集；权　利　要　求　书 1/2 页 2 CN 114596272 A 2获取所述第一样本图像集中各个图像的标注框； 对所述第一样本图像集的标注框进行聚类统计， 得到第 二预设数量的聚类标注框作为 小尺寸锚框集； 所述小尺寸锚框集中的各个锚框与所述第一锚框集中各个锚框共同确定为所述锚框 。 7.一种轴承防尘盖的凹坑检测装置， 其特 征在于， 所述装置包括： 目标检测图像获取模块， 用于获取轴承防尘盖的目标检测图像； 目标检测模块， 用于将所述目标检测图像输入预先构建的凹坑检测模型进行目标检 测， 得到所述轴承防尘盖的凹坑预测结果， 其中， 所述凹坑检测模型是基于深度神经网络建 立， 并使用已标注凹坑的轴承防尘盖图像集进行训练， 所述凹坑检测模型在训练过程中的 类别损失权重为初始计算值的数倍， 所述凹坑检测模型 的类别置信度小于预设阈值， 所述 凹坑预测结果为所述目标检测图像中被锚框框出的凹坑， 所述锚框为所述凹坑预测模型中 预设的锚框， 包括多个用于匹配小凹坑的小尺寸锚框 。 8.根据权利要求7所述的一种轴 承防尘盖的凹坑检测装置， 其特征在于， 所述目标检测 图像获取模块包括： 图像采集子模块， 用于采集轴承防尘盖图像的ROI； 去除背景子模块， 用于去除所述轴承防尘盖图像的ROI的背景干扰， 得到所述轴承防尘 盖的目标检测图像。 9.根据权利要求8所述的一种轴 承防尘盖的凹坑检测装置， 其特征在于， 所述去除背景 子模块包括： 测距单元， 用于针对所述轴承防尘盖图像的ROI中的任意像素点， 确定所述任意像素点 与所述ROI的中心像素点的距离； 判断执行单元， 如果所述任意述像素点与所述ROI的中心像素点的距离大于整个轴承 外圆的半径或小于整个轴承内圆的半径， 则将所述任意像素点的像素值置零。 10.根据权利要求7所述的一种轴承防尘盖的凹坑检测装置， 其特征在于， 所述凹坑检 测模型通过以下 方式构建： 基于深度神经网络模型的架构， 建立所述凹坑检测模型的架构； 使用所述已标注 凹坑的轴承防尘盖图像集对所述凹坑检测模型的架构进行训练， 得到 所述凹坑检测模型。权　利　要　求　书 2/2 页 3 CN 114596272 A 3