(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 202111625009.8 (22)申请日 2021.12.28 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 赵波　马斌斌　张建　 (74)专利代理 机构 北京市铸成律师事务所 11313 代理人 曹远　翟姝红 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种故障类型的确定方法、 装置、 电子设备 及存储介质 (57)摘要 本公开提供了一种故障类型的确定方法、 装 置、 电子设备、 可读存储介质以及计算机程序产 品， 涉及计算机视觉领域。 具体实现方案为： 在对 待检测图像进行特征提取的过程中， 调整不同图 像区域的区域权重， 获得所述待检测图像的图像 特征， 所述待检测图像为包括目标对象的图像； 利用所述图像特征， 确定所述目标对象对应的目 标故障类型。 该方案能够获得包括目标对象 的待 检测图像的图像特征， 并利用图像特征， 确定该 目标对象对应的目标故障类型。 从而实现了对目 标对象的故障类型的自动化检测， 进而提高了故 障类型的检测效率。 权利要求书3页 说明书10页 附图5页 CN 114399660 A 2022.04.26 CN 114399660 A 1.一种故障类型的确定方法， 包括： 在对待检测图像进行特征提取的过程中， 调整不同图像区域的区域权重， 获得所述待 检测图像的图像特 征， 所述待检测图像为包括目标对象的图像； 利用所述图像特 征， 确定所述目标对象对应的目标故障类型。 2.根据权利要求1所述的方法， 其中， 所述调整不同图像区域的区域权重， 获得所述待 检测图像的图像特 征， 包括： 对所述对待检测图像进行第 一次特征提取， 并在所述第 一次特征提取过程中降低 其他 图像区域的所述区域权重， 获得所述待检测图像的第一特征图， 所述其他图像区域为所述 待检测图像中除目标图像区域之外的图像区域， 所述目标图像区域为所述目标对象的待检 测区域在所述待检测图像中对应的图像区域； 对所述第一特征图进行第 二次特征提取， 并在所述第 二次征提取过程中增加所述目标 图像区域的所述区域权 重， 获得所述待检测图像的第二特 征图； 将所述第二特 征图确定为所述图像特 征。 3.根据权利要求2所述的方法， 其中， 所述对所述对待检测图像进行第一次特征提取， 并在所述第一次特 征提取过程中降低其 他图像区域的所述区域权 重， 包括： 对所述待检测图像进行第 一次卷积池化处理， 并在所述第 一次卷积池化中调整第 一卷 积核的权 重值， 所述第一卷积核为用于降低所述 其他图像区域的所述区域权 重的卷积核。 4.根据权利要求2或3所述的方法， 其中， 所述对所述第 一特征图进行第 二次特征提取， 并在所述第二次征提取 过程中增 加所述目标图像区域的所述区域权 重， 包括： 对所述第一特征图进行第 二次卷积池化处理， 并在所述第 二次卷积池化中调整第 二卷 积核的权 重值， 所述第二卷积核为用于增 加所述目标图像区域的所述区域权 重的卷积核。 5.根据权利要求2或3所述的方法， 其中， 所述确定所述目标对象对应的目标故障类型， 包括： 利用第一故障分类模型， 针对所述图像特征获得所述目标对象对应候选故障类型的第 一概率； 利用第二故障分类模型， 针对所述图像特征获得所述目标对象对应所述候选故障类型 的第二概率； 利用所述第 一概率以及所述第 二概率， 确定所述目标对象对应所述候选故障类型的目 标概率； 根据所述目标概 率， 在所述 候选故障类型中确定所述目标故障类型； 其中， 所述故障分类模型为基于图像特 征样本以及对应标注的概 率预先训练的模型。 6.根据权利要求5所述的方法， 其中， 所述第一 概率的确定步骤， 包括： 对所述第二特征图进行多个预设尺度的特征提取， 获得所述待检测图像在多个尺度分 别对应的第三特 征图； 将多个所述第三特 征图进行融合， 获得 所述待检测图像的第四特 征图； 将所述第四特 征图输入至所述第一故障分类模型， 获得 所述第一 概率。 7.根据权利要求6所述的方法， 其中， 所述第二 概率的确定步骤， 包括： 对所述第四特征图进行多个预设尺度的特征提取， 获得所述待检测图像在多个尺度分 别对应的第五特 征图；权　利　要　求　书 1/3 页 2 CN 114399660 A 2将多个所述第五特 征图进行融合， 获得 所述待检测图像的第六 特征图； 将所述第六 特征图输入至所述第二故障分类模型， 获得 所述第二 概率。 8.根据权利要求5所述的方法， 其中， 所述利用所述第一概率以及所述第二概率， 确定 所述目标对象对应所述 候选故障类型的目标概 率， 包括： 将所述第一 概率与所述第二 概率相加， 获得 所述目标概 率。 9.根据权利要求1所述的方法， 其中， 在所述目标对象包括蓄电池的情况下， 所述确定 所述目标对象对应的目标故障类型， 包括： 确定所述蓄电池 对应的蓄电池故障类型； 将所述蓄电池故障类型确定为所述目标故障类型。 10.一种故障类型的确定装置， 包括： 图像特征提取单元， 用于在对待检测图像进行特征提取的过程中， 调整不同图像区域 的区域权 重， 获得所述待检测图像的图像特 征， 所述待检测图像为包括目标对象的图像； 目标故障类型确定单元， 用于利用所述图像特征， 确定所述目标对象对应的目标故障 类型。 11.根据权利要求10所述的装置， 其中， 所述图像特 征提取单元， 包括： 第一次特征提取子单元， 用于对所述对待检测图像进行第一次特征提取， 并在所述第 一次特征提取过程中降低其他图像区域的所述区域权重， 获得所述待检测图像的第一特征 图， 所述其他图像区域为所述待检测图像中除目标图像区域之外的图像区域， 所述 目标图 像区域为所述目标对象的待检测区域在所述待检测图像中对应的图像区域； 第二次特征提取子单元， 用于对所述第一特征图进行第二次特征提取， 并在所述第二 次征提取过程中增加所述目标图像区域的所述区域权重， 获得所述待检测图像的第二特征 图； 图像特征确定子单元， 用于将所述第二特 征图确定为所述图像特 征。 12.根据权利要求1 1所述的装置， 其中， 所述第一次特 征提取子单 元， 包括： 第一次卷积池化处理子单元， 用于对所述待检测图像进行第一次卷积池化处理， 并在 所述第一次卷积池化中调整第一卷积核的权重值， 所述第一卷积核为用于降低所述其他图 像区域的所述区域权 重的卷积核。 13.根据权利要求1 1或12所述的装置， 其中， 所述第二次特 征提取子单 元， 包括： 第二次卷积池化处理子单元， 用于对所述第一特征图进行第二次卷积池化处理， 并在 所述第二次卷积池化中调整第二卷积核的权重值， 所述第二卷积核为用于增加所述目标图 像区域的所述区域权 重的卷积核。 14.根据权利要求1 1或12所述的装置， 其中， 所述目标故障类型确定单 元， 包括： 第一概率获得子单元， 用于利用第一故障分类模型， 针对所述图像特征获得所述目标 对象对应候选故障类型的第一 概率； 第二概率获得子单元， 用于利用第二故障分类模型， 针对所述图像特征获得所述目标 对象对应所述 候选故障类型的第二 概率； 目标概率获得子单元， 用于利用所述第一概率以及所述第二概率， 确定所述目标对象 对应所述 候选故障类型的目标概 率； 目标故障类型确定子单元， 用于根据所述目标概率， 在所述候选故障类型中确定所述权　利　要　求　书 2/3 页 3 CN 114399660 A 3