(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 202111676509.4 (22)申请日 2021.12.31 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 申请人 联通大数据有限公司 (72)发明人 唐尚华　林义闽　廉士国　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 代理人 刘丹　臧建明 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/50(2006.01) G06T 7/73(2017.01) G06V 10/46(2022.01) G06V 10/54(2022.01)G06V 10/56(2022.01) (54)发明名称 图像的瑕疵点的识别方法、 瑕疵图像识别模 型训练方法 (57)摘要 本申请提供的一种图像的瑕疵点的识别方 法、 瑕疵图像识别模型训练方法， 涉及工业质检 技术领域， 通过获取待识别图像的第一特征信息 以及标准图像的第二特征信息； 其中， 标准图像 是没有瑕疵 点特征的图像； 根据第一特征信息与 第二特征信息， 确定校正后的待识别图像和校正 后的标准图像， 并计算校正后的待识别图像和校 正后的标准图像的差值图像； 将校正后的待识别 图像、 校正后的标准图像以及差值图像输入至瑕 疵图像识别模 型中， 输出待识别图像的瑕疵点位 置。 采用本技术方案， 能够降低瑕疵图像与标准 图像之间的偏差， 该偏差是由拍摄角度导致的， 进而得到比较准确的瑕疵 图像识别模型以及准 确地确定出瑕疵点 位置。 权利要求书3页 说明书15页 附图6页 CN 114299056 A 2022.04.08 CN 114299056 A 1.一种图像的瑕疵点的识别方法， 其特 征在于， 所述方法包括： 获取待识别图像的第一特征信息以及标准图像的第二特征信息； 其中， 所述标准图像 是没有瑕疵点特 征的图像； 根据所述第 一特征信 息与所述第二特征信 息， 确定校正后的待识别图像和校正后的标 准图像， 并计算校正后的待识别图像和校正后的标准图像的差值图像； 将校正后的待识别图像、 校正后的标准图像以及所述差值图像输入至瑕疵图像识别模 型中， 输出 所述待识别图像的瑕疵点 位置。 2.根据权利要求1所述的方法， 其特征在于， 根据 所述第一特征信 息与所述第二特征信 息， 确定校正后的待识别图像和校正后的标准图像， 并计算校正后的待识别图像和校正后 的标准图像的差值图像， 包括： 根据所述第 一特征信 息与所述第二特征信 息， 确定所述待识别图像和所述标准图像的 单应矩阵； 根据所述单应矩阵， 在所述标准图像中将所述标准图像中像素点的坐标信 息转化为该 像素点在所述待识别图像中的对应的坐标信息； 将所述标准图像中转化后的像素点组成的图像作为校正后的标准图像， 将与 所述标准 图像中像素点对应的所述待识别图像的像素点组成的图像作为校正后的待识别图像， 并计 算校正后的待识别图像和校正后的标准图像的差值图像。 3.根据权利要求2所述的方法， 其特征在于， 计算校正后的待识别图像和校正后的标准 图像的差值图像， 包括： 将校正后的待识别图像中的像素点的像素值与该像素点在校正后的标准图像中的像 素值作差， 得到 差值后取绝对值； 将所述绝对值进行归一化处理后， 将所述处理后的像素点组成的图像作为所述差值图 像。 4.根据权利要求1所述的方法， 其特征在于， 将校正后的待识别图像、 校正后的标准图 像以及所述差值图像输入至 瑕疵图像识别模型， 包括： 将校正后的待识别图像、 校正后的标准图像以及所述差值图像分别处理， 得到校正后 的待识别图像的灰度图像、 校正后的标准图像的灰度图像以及差值图像的灰度图像； 将校正后的待识别图像的灰度图像、 校正后的标准图像的灰度图像以及差值图像的灰 度图像作为三通道图像输入至所述瑕疵图像识别模型中， 以确定所述待识别图像的瑕疵点 特征。 5.根据权利要求1所述的方法， 其特征在于， 获取待识别图像的第 一特征信 息以及标准 图像的第二特 征信息， 包括： 获取待识别图像的第 一特征点和所述第 一特征点对应的描述子， 所述第 一特征点和所 述第一特 征点对应的描述子构成所述第一特 征信息； 获取标准图像的第 二特征点和所述第 二特征点对应的描述子， 所述第 二特征点和所述 第二特征点对应的描述子构成所述第二特 征信息。 6.一种瑕疵图像识别模型训练方法， 其特 征在于， 所述方法包括： 获取多个瑕疵图像的第一特征信息以及标准图像的第二特征信息； 其中， 所述标准图 像是没有瑕疵点特 征的图像；权　利　要　求　书 1/3 页 2 CN 114299056 A 2根据所述第 一特征信 息与所述第二特征信 息， 确定每一个校正后的瑕疵图像和校正后 的标准图像， 并计算每一个校正后的瑕疵图像和校正后的标准图像的差值图像； 将每一个校正后的瑕疵图像、 校正后的标准图像、 所述差值图像和每一个所述瑕疵图 像的瑕疵点特 征训练所述瑕疵图像识别模型； 其中， 训练后的瑕疵图像识别模型用于得到待识别图像的瑕疵点特征， 所述瑕疵点特 征用于确定所述待识别图像的瑕疵点。 7.根据权利要求6所述的方法， 其特征在于， 根据 所述第一特征信 息与所述第二特征信 息， 确定每一个校正后的瑕疵图像和校正后的标准图像， 并计算每一个校正后的瑕疵图像 和校正后的标准图像的差值图像， 包括： 根据所述第 一特征信 息与所述第二特征信 息， 确定所述瑕疵图像和所述标准图像的单 应矩阵； 根据所述单应矩阵， 在所述标准图像中将所述标准图像中像素点的坐标信 息转化为该 像素点在所述瑕疵图像中的对应的坐标信息； 将所述标准图像中转化后的像素点组成的图像作为校正后的标准图像， 将与 所述标准 图像中像素点对应的所述瑕疵图像的像素点组成的图像作为校正后的瑕疵图像， 并计算校 正后的瑕疵图像和校正后的标准图像的差值图像。 8.根据权利要求6所述的方法， 其特征在于， 计算校正后的瑕疵图像和校正后的标准图 像的差值图像， 包括： 将校正后的瑕疵图像中的像素点的像素值与该像素点在校正后的标准图像中的像素 值作差， 得到 差值后取绝对值； 将所述绝对值进行归一化处理后， 将所述处理后的像素点组成的图像作为所述差值图 像。 9.根据权利要求6所述的方法， 其特征在于， 将每一个校正后的瑕疵图像、 校正后的标 准图像、 所述差值图像和每一个所述瑕疵图像的瑕疵点特征训练所述瑕疵图像识别模型， 包括： 将校正后的瑕疵图像、 校正后的标准图像以及所述差值图像分别处理， 得到校正后的 瑕疵图像的灰度图像、 校正后的标准图像的灰度图像以及差值图像的灰度图像； 将校正后的瑕疵图像的灰度图像、 校正后的标准图像的灰度图像以及差值图像的灰度 图像作为三通道图像作为所述瑕疵图像识别模 型的输入端， 将所述瑕疵图像的瑕疵点特征 作为所述瑕疵图像识别模型的输出端， 以训练所述瑕疵图像识别模型。 10.根据权利要求6所述的方法， 其特征在于， 获取多个瑕疵图像的第一特征信息以及 标准图像的第二特 征信息， 包括： 获取瑕疵图像的第 一特征点和所述第 一特征点对应的描述子， 所述第 一特征点和所述 第一特征点对应的描述子构成所述第一特 征信息； 获取标准图像的第 二特征点和所述第 二特征点对应的描述子， 所述第 二特征点和所述 第二特征点对应的描述子构成所述第二特 征信息。 11.一种图像的瑕疵点的识别装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取待识别图像的第 一特征信 息以及标准图像的第二特征信 息； 其中， 所述标准图像是没有瑕疵点特 征的图像；权　利　要　求　书 2/3 页 3 CN 114299056 A 3