本申请属于工业检测，尤其涉及一种应用于工业检测的图像处理方法、装置、存储介质及电子设备。
背景技术：
1、工业检测是工业生产制造过程中不可或缺的环节，工业检测可以包括产品缺陷检测和产品分拣这两种应用场景。现阶段，多数工业制造厂商仍然采取人工方式进行工业检测。
2、然而，人工检测面临着主观性强、效率低、成本高等问题。基于机器视觉的工业检测方法可以通过标准化的处理流程，克服人工检测的主观性，成为工业自动化检测的重要解决方案。然而，现有基于机器视觉的工业检测方法通常需要准备较多的工业图像进行深度学习模型的训练，让模型学习到检测图像的特征知识，具备分类决策能力，然后部署到工业产线上，进行在线检测，其中，由于模型训练需要准备大量的工业图像样本，并对工业图像样本一一进行人工标注，流程较繁琐复杂，故导致整个工业检测方法的实现需要耗费较长时间，实现成本较高。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种应用于工业检测的图像处理方法、装置、存储介质及电子设备，能提高模型部署效率，降低工业检测的实现成本。
2、第一方面，本申请提供了一种应用于工业检测的图像处理方法，包括：
3、获取待检测产品图像和模板图像集，所述模板图像集包括多个模板图像组，不同的所述模板图像组对应不同的类别标签；
4、将所述待检测产品图像和所述模板图像集输入预训练的特征提取模型中，得到所述待检测产品图像对应的待检测产品图像特征、以及所述模板图像集中每张模板图像对应的模板图像特征；
5、确定所述待检测产品图像特征和所述模板图像特征之间的相似度；
6、根据所述相似度从所述类别标签中确定所述待检测产品图像的目标类别标签，作为所述待检测产品图像的工业检测结果。
7、在一些实施例中，所述根据所述相似度从所述类别标签中确定所述待检测产品图像的目标类别标签，包括：
8、从每个所述模板图像组对应的所述相似度中，确定至少一个参考相似度；
9、根据每个所述模板图像组对应的所有所述参考相似度，确定所述待检测产品图像相对于相应模板图像组的投票分数；
10、将数值最大的所述投票分数对应的所述模板图像组的所述类别标签，作为所述待检测产品图像的目标类别标签。
11、在一些实施例中，所述根据每个所述模板图像组对应的所有所述参考相似度，确定相应模板图像组的投票分数，包括：
12、确定所述模板图像集对应的检测难度等级，并从多个预设的温度超参数中获取所述检测难度等级对应的温度超参数；
13、根据获取的所述温度超参数，对每个所述模板图像组对应的所有所述参考相似度进行加权求和，得到相应的和值，并将所述和值作为所述待检测产品图像相对于相应模板图像组的投票分数。
14、在一些实施例中，所述从每个所述模板图像组对应的所述相似度中，确定至少一个参考相似度，包括：
15、当所述模板图像组中模板图像的数量大于预设阈值时，从每个所述模板图像组对应的所述相似度中，选取数值最大的前目标个数的所述相似度，作为参考相似度；
16、当所述模板图像组中模板图像的数量小于或等于预设阈值时，将每个所述模板图像组对应的所有所述相似度，作为参考相似度。
17、在一些实施例中，该应用于工业检测的图像处理方法还包括：
18、确定所述模板图像集对应的检测难度等级；
19、从多个预训练的分类模型中获取与所述检测难度等级对应的分类模型，作为目标分类模型。
20、第二方面，本申请提供了一种应用于工业检测的图像处理装置，包括：
21、获取模块，用于获取待检测产品图像和模板图像集，所述模板图像集包括多个模板图像组，不同的所述模板图像组对应不同的类别标签；
22、输入模块，用于将所述待检测产品图像和所述模板图像集输入目标分类模型中，以得到所述待检测产品图像和所述模板图像组中每个模板图像之间的相似度；
23、确定模块，用于根据所述相似度从所述类别标签中确定所述待检测产品图像的目标类别标签，作为所述待检测产品图像的工业检测结果。
24、在一些实施例中，所述确定模块具体用于：
25、从每个所述模板图像组对应的所述相似度中，确定至少一个参考相似度；
26、根据每个所述模板图像组对应的所有所述参考相似度，确定所述待检测产品图像相对于相应模板图像组的投票分数；
27、将数值最大的所述投票分数对应的所述模板图像组的所述类别标签，作为所述待检测产品图像的目标类别标签。
28、在一些实施例中，所述确定模块具体用于：
29、确定所述模板图像集对应的检测难度等级，并从多个预设的温度超参数中获取所述检测难度等级对应的温度超参数；
30、根据获取的所述温度超参数，对每个所述模板图像组对应的所有所述参考相似度进行加权求和，得到相应的和值，并将所述和值作为所述待检测产品图像相对于相应模板图像组的投票分数。
31、在一些实施例中，所述确定模块具体用于：
32、当所述模板图像组中模板图像的数量大于预设阈值时，从每个所述模板图像组对应的所述相似度中，选取数值最大的前目标个数的所述相似度，作为参考相似度；
33、当所述模板图像组中模板图像的数量小于或等于所述预设阈值时，将每个所述模板图像组对应的所有所述相似度，作为参考相似度。
34、在一些实施例中，所述输入模块还用于：
35、确定所述模板图像集对应的检测难度等级；
36、从多个预训练的分类模型中获取与所述检测难度等级对应的分类模型，作为目标分类模型。
37、第三方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的应用于工业检测的图像处理方法。
38、第四方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的应用于工业检测的图像处理方法。
39、本申请实施例提供的应用于工业检测的图像处理方法、装置、存储介质及电子设备，通过获取待检测产品图像和模板图像集，模板图像集包括多个模板图像组，不同的模板图像组对应不同的类别标签；将待检测产品图像和模板图像集输入目标分类模型中，以得到待检测产品图像和模板图像组中每个模板图像之间的相似度；根据相似度从类别标签中确定待检测产品图像的目标类别标签，作为待检测产品图像的工业检测结果，从而无需收集大量样本进行学习模型训练，大大减少了学习模型部署到工业产线上的时间成本和实现成本，降低了学习模型在工业检测场景的使用门槛，且能根据检测需求选取合适的学习模型，有效权衡工业检测的检测精度和检测效率，灵活性高，适用范围广。
1.一种应用于工业检测的图像处理方法，其特征在于，包括：
2.根据权利要求1所述的应用于工业检测的图像处理方法，其特征在于，所述根据所述相似度从所述类别标签中确定目标类别标签，包括：
3.根据权利要求2所述的应用于工业检测的图像处理方法，其特征在于，所述根据每个所述模板图像组对应的所有所述参考相似度，确定相应模板图像组的投票分数，包括：
4.根据权利要求2所述的应用于工业检测的图像处理方法，其特征在于，所述从每个所述模板图像组对应的所述相似度中，确定至少一个参考相似度，包括：
5.根据权利要求1-4中任一项所述的应用于工业检测的图像处理方法，其特征在于，还包括：
6.一种应用于工业检测的图像处理装置，其特征在于，包括：
7.根据权利要求6所述的应用于工业检测的图像处理装置，其特征在于，所述确定模块具体用于：
8.根据权利要求7所述的应用于工业检测的图像处理装置，其特征在于，所述确定模块具体用于：
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的应用于工业检测的图像处理方法。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的应用于工业检测的图像处理方法。
