卷烟表面缺陷类别确定方法和装置与流程

本申请涉及图像检测，特别是涉及一种卷烟表面缺陷类别确定方法和装置。

背景技术：

1、基于深度学习的图像分类方法已广泛应用于工业表面缺陷检测领域。卷积神经网络通过堆叠卷积操作提取图像局部特征，视觉变换器结构通过自注意力机制捕获全局上下文信息，两者在图像识别任务中均取得良好性能。在实际工业质检中，上述方法通常以图像级标注为监督信号训练分类模型，实现对产品表面缺陷类型的判定。此外，为缓解标注样本不足的问题，基于原型的小样本学习方法通过计算查询样本与各类别原型特征之间的距离或相似度进行分类，在标注样本稀缺的场景下展现出一定的适应性。

2、然而，卷烟表面缺陷检测中，各类缺陷样本数量极不均衡，部分缺陷类别（如油污烟支）在生产数据中极为稀少，导致深度分类模型在训练时严重偏向多数类，对少数类缺陷的特征学习不充分，识别能力严重不足，整体检测的宏平均召回率偏低。相关技术或依赖大量均衡样本来训练深度模型，或仅依靠单一模态的特征进行决策，均难以在少数类样本极度匮乏的条件下有效提升其召回率。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够在少数类缺陷样本匮乏的条件下提升各类缺陷识别能力的卷烟表面缺陷类别确定方法和装置。

2、第一方面，本申请提供了一种卷烟表面缺陷类别确定方法，包括：

3、对待检测的卷烟表面图像进行特征提取，得到不同分辨率的多个特征图；

4、分别对各所述特征图依次进行通道注意力加权和空间注意力加权，得到多个加权特征图，并将所述多个加权特征图按照分辨率进行逐级融合，得到多个融合特征图；

5、通过多个感受野不同的卷积分支分别对各所述融合特征图进行处理，并对各卷积分支的处理结果进行聚合，得到输出特征图；

6、根据预设的各类缺陷分类权重对所述输出特征图进行加权处理，得到所述输出特征图归属于各类缺陷的第一概率分布；

7、提取所述卷烟表面图像的图像特征，根据所述图像特征与预设的各类缺陷对应的基准图像特征之间的相似度，得到所述图像特征归属于各类缺陷的第二概率分布；

8、根据所述第一概率分布和所述第二概率分布，确定所述卷烟表面图像的缺陷类别。

9、第二方面，本申请还提供了一种卷烟表面缺陷类别确定装置，包括：

10、第一提取模块，用于对待检测的卷烟表面图像进行特征提取，得到不同分辨率的多个特征图；

11、融合模块，用于分别对各所述特征图依次进行通道注意力加权和空间注意力加权，得到多个加权特征图，并将所述多个加权特征图按照分辨率进行逐级融合，得到多个融合特征图；

12、处理模块，用于通过多个感受野不同的卷积分支分别对各所述融合特征图进行处理，并对各卷积分支的处理结果进行聚合，得到输出特征图；

13、加权模块，用于根据预设的各类缺陷分类权重对所述输出特征图进行加权处理，得到所述输出特征图归属于各类缺陷的第一概率分布；

14、第二提取模块，用于提取所述卷烟表面图像的图像特征，根据所述图像特征与预设的各类缺陷对应的基准图像特征之间的相似度，得到所述图像特征归属于各类缺陷的第二概率分布；

15、确定模块，用于根据所述第一概率分布和所述第二概率分布，确定所述卷烟表面图像的缺陷类别。

16、上述卷烟表面缺陷类别确定方法和装置，通过对待检测图像进行多层级特征提取、通道与空间注意力加权以及跨分辨率逐级双向融合，使不同分辨率特征图中的信息得到充分交互，再经由多个感受野不同的卷积分支进行自适应聚合，得到信息更为全面的输出特征图，使得第一概率分布能够涵盖不同尺度的缺陷响应特征。同时，通过提取卷烟表面图像的图像特征并与预设的各类缺陷基准图像特征进行相似度比对，得到不依赖缺陷类别的样本数量的第二概率分布。在此基础上，将第一概率分布与第二概率分布进行加权融合以确定缺陷类别，使得当少数类样本匮乏导致判别置信度偏低时，仍能通过图像特征与基准特征的相似性比对进行有效校准和补充，从而在整体上提升各类缺陷尤其是少数类缺陷的识别能力。

1.一种卷烟表面缺陷类别确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，将所述多个加权特征图按照分辨率进行逐级融合，得到多个融合特征图，包括：

3.根据权利要求1所述的方法，其特征在于，通过多个感受野不同的卷积分支分别对各所述融合特征图进行处理，并对各卷积分支的处理结果进行聚合，得到输出特征图，包括：

4.根据权利要求1所述的方法，其特征在于，根据预设的各类缺陷分类权重对所述输出特征图进行加权处理，得到所述输出特征图归属于各类缺陷的第一概率分布，包括：

5.根据权利要求4所述的方法，其特征在于，在确定所述卷烟表面图像的缺陷类别之后，还包括：

6.根据权利要求1所述的方法，其特征在于，所述图像特征至少包括灰度分布特征、梯度幅值特征和颜色分布特征；

7.根据权利要求1所述的方法，其特征在于，分别对各所述特征图依次进行通道注意力加权和空间注意力加权，得到多个加权特征图，包括：

8.根据权利要求1所述的方法，其特征在于，根据所述第一概率分布和所述第二概率分布，确定所述卷烟表面图像的缺陷类别，包括：

9.根据权利要求8所述的方法，其特征在于，还包括：

10.一种卷烟表面缺陷类别确定装置，其特征在于，包括：