(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 202210632046.X (22)申请日 2022.06.07 (71)申请人 青岛通产智能科技股份有限公司 地址 266000 山东省青岛市高新区 聚贤桥 路2号 (72)发明人 郭小璇　李鹏飞　高兴兴　赵光普　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 鲁梅 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G01N 21/88(2006.01) (54)发明名称 一种卡片缺陷的检测工装、 方法、 装置以及 介质 (57)摘要 本申请公开了一种卡片缺陷的检测工装、 方 法、 装置以及介质， 应用于图像识别领域。 该方法 应用于包括摄像头、 光源以及处理器的卡片缺陷 的检测工装。 光源照射卡片， 摄像头拍摄卡片图 像后， 将卡片图像输入预先训练好的卡片缺陷检 测模型后获取卡片上的缺陷。 卡片缺陷检测模型 为基于深度学习的目标检测及分割算法； 训练卡 片缺陷检测模 型包括： 对有缺陷卡片的训练样本 图像上的缺陷进行标注； 并将训练样本图像输入 卡片缺陷检测模 型得到训练样 本图像中的缺陷； 根据训练样本图像中标注的缺陷和根据卡片缺 陷检测模型得到的缺陷之间的差异数据对各层 网络的权重进行迭代更新以减小差异数据。 该方 法可检测出卡片上的缺陷以避免对日常生活中 的使用造成影响。 权利要求书2页 说明书11页 附图6页 CN 114708266 A 2022.07.05 CN 114708266 A 1.一种卡片缺陷的检测方法， 其特征在于， 应用于包括摄像头、 光源以及处理器的卡片 缺陷的检测工装， 所述方法包括： 控制所述 光源照射待检测的所述 卡片； 获取所述摄像头拍摄的卡片图像； 将所述卡片图像输入预先训练好的卡片缺陷检测模型， 以获取所述卡片上的缺陷； 其 中， 所述卡片缺陷检测模型为基于深度学习的目标检测及分割算法； 训练所述卡片缺陷检 测模型包括： 对有缺陷卡片的训练样本图像上 的缺陷进行标注； 并将所述训练样本图像输 入所述卡片缺陷检测模型得到所述训练样本图像中的缺陷； 根据所述训练样本图像中标注 的缺陷和 根据所述卡片缺陷检测模型得到的缺陷之间的差异数据对各层 网络的权重进行 迭代更新以减小所述差异数据。 2.根据权利要求1所述的卡片缺陷的检测方法， 其特征在于， 所述将所述训练样本图像 输入所述 卡片缺陷检测模型 得到所述训练样本图像中的缺陷之前， 还 包括： 将各所述训练样本图像进行剪切和拼接以得到缺陷为均匀分布的所述训练样本图像； 所述将所述训练样本图像输入所述卡片缺陷检测模型得到所述训练样本图像中的缺陷包 括： 将缺陷为均匀分布的所述训练样本图像输入所述卡片缺陷检测模型得到所述训练样 本图像中的缺陷。 3.根据权利要求2所述的卡片缺陷的检测方法， 其特征在于， 所述卡片缺陷检测模型为 基于Resnet5 0的特征提取主干网络； 将所述卡片图像和所述训练样本图像输入所述卡片缺陷检测模型， 以获取所述卡片上 的缺陷包括： 将所述卡片图像和所述训练样本图像输入到Resnet50中提取不同尺度的多个特征信 息； 将所述特征信息输入到FPN中进行多尺度信息融合以输出缺陷位置坐标、 缺陷的概率 值以及缺陷区域的语义信息 。 4.根据权利要求3所述的卡片缺陷的检测方法， 其特征在于， 所述光源包括同轴光源和 条形光源， 所述控制所述 光源照射待检测的所述 卡片包括： 控制所述同轴光源从所述 卡片的正上 方进行照射； 控制所述条 形光源从所述 卡片上方各方向进行照射； 所述获取 所述摄像头拍摄的卡片图像包括： 分别获取 所述同轴光源下的所述 卡片图像和所述条 形光源下的所述 卡片图像。 5.根据权利要求4所述的卡片缺陷的检测方法， 其特征在于， 所述将所述卡片图像输入 预先训练好的卡片缺陷检测模型， 以获取 所述卡片上的缺陷之前， 还 包括： 将所述同轴光源下的所述卡片图像和所述条形光源下的所述卡片图像分别进行切割 得到多个子图像； 对所述子图像进行传统形态学 预处理得到特 征数据； 所述将所述卡片图像输入预先训练好的卡片缺陷检测模型， 以获取所述卡片上的缺陷 包括： 将所述特征数据输入预先训练好的所述卡片缺陷检测模型， 以获取所述卡片上的缺权　利　要　求　书 1/2 页 2 CN 114708266 A 2陷。 6.根据权利要求5所述的卡片缺陷的检测方法， 其特征在于， 所述对所述子图像进行传 统形态学 预处理得到特 征数据包括： 对所述子图像进行 灰度变换； 基于灰度梯度的Canny边缘检测方法对灰度变换后的所述子图像进行灰度梯度检测， 以提取所述同轴光源和所述条形光源照射下 的所述卡片图像的灰度梯度特征； 其中， 所述 灰度梯度特征包括所述卡片的底纹特征和所述卡片的缺陷特征， 所述灰度梯度特征为所述 特征数据。 7.一种卡片缺陷的检测工装， 其特 征在于， 包括： 摄 像头、 光源、 处 理器； 所述处理器与所述 光源相连， 用于控制所述 光源照射待检测的所述 卡片； 所述处理器还与所述摄像头相连， 用于获取所述摄像头拍摄的卡片图像； 所述处理器 还用于将所述卡片图像输入预先训练好的卡片缺陷检测模型， 以获取所述卡片上 的缺陷； 其中， 所述卡片缺陷检测模型为基于深度学习的目标检测及分割算法； 训练所述卡片缺陷 检测模型包括： 对有缺陷卡片的训练样本图像上 的缺陷进行标注； 并将所述训练样本图像 输入所述卡片缺陷检测模型得到所述训练样本图像中的缺陷； 根据所述训练样本图像中标 注的缺陷和 根据所述卡片缺陷检测模型得到的缺陷之间的差异数据对各层 网络的权重进 行迭代更新以减小所述差异数据。 8.一种卡片缺陷的检测装置， 其特征在于， 应用于包括摄像头、 光源以及处理器的卡片 缺陷的检测工装， 所述装置包括： 控制模块， 用于控制所述 光源照射待检测的所述 卡片； 获取模块， 用于获取 所述摄像头拍摄的卡片图像； 输入模块， 用于将所述卡片图像输入预先训练好的卡片缺陷检测模型， 以获取所述卡 片上的缺陷； 其中， 所述卡片缺陷检测模型为基于深度学习的目标检测及分割算法； 训练所 述卡片缺陷检测模型包括： 对有缺陷卡片的训练样本图像上 的缺陷进行标注； 并将所述训 练样本图像输入所述卡片缺陷检测模型得到所述训练样本图像中的缺陷； 根据所述训练样 本图像中标注的缺陷和 根据所述卡片缺陷检测模型得到的缺陷之间的差异数据对各层 网 络的权重进行迭代更新以减小所述差异数据。 9.一种卡片缺陷的检测装置， 其特 征在于， 包括存 储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至6任一项所述的卡片缺陷的检 测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至6任一项 所述的卡片缺陷的检测 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114708266 A 3