AI辅助检测方法、装置、电子设备及计算机可读存储介质

(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CN112611757A(43)申请公布日2021.04.06(21)申请号202011539568.2(22)申请日2020.12.23(71)申请人深兰人工智能芯片研究院（江苏）有限公司地址213000江苏省常州市武进区常武中路18号常州科教城创研港4号楼103(72)发明人陈海波　李宗剑　(74)专利代理机构苏州领跃知识产权代理有限公司32370代理人王宁(51)Int.Cl.G01N21/88(2006.01)G01N21/01(2006.01)G06N3/08(2006.01)权利要求书2页 说明书 房屋状态说明书下载罗氏说明书下载焊机说明书下载罗氏说明书下载GGD说明书下载 7页附图7页(54)发明名称AI辅助检测 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 、装置、电子设备及计算机可读存储介质(57)摘要本申请提供了一种AI辅助检测方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取待检测对象的2D检测信息；根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。上述方法将复杂场景下待检测对象的缺陷初定位问题交给AI技术处理，利用AI技术中对大数据强化学习的优势解决目前传统图像算法无法解决的问题，即使用2D深度学习识别定位，加上3D机器视觉定量分析，大大降低检测过程的复杂程度，同时显著提高检测的效率和准确度。CN112611757ACN112611757A权　利　要　求　书1/2页1.一种AI辅助检测方法，其特征在于，所述方法包括：获取待检测对象的2D检测信息；根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。2.根据权利要求1所述的AI辅助检测方法，其特征在于，所述方法还包括：检测所述待检测对象是否就位；若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。3.根据权利要求2所述的AI辅助检测方法，其特征在于，所述方法还包括：若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。4.根据权利要求1所述的AI辅助检测方法，其特征在于，获取所述缺陷检测模型的方法包括：获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据；根据所述样本对象的2D检测信息以及所述样本对象的缺陷的标注数据，使用深度学习模型进行训练，得到所述缺陷检测模型。5.根据权利要求1所述的AI辅助检测方法，其特征在于，所述根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息，包括：根据所述2D检测信息，使用所述缺陷检测模型检测所述待检测对象是否存在缺陷；如果存在缺陷，则得到所述缺陷的位置信息。6.根据权利要求5所述的AI辅助检测方法，其特征在于，所述方法还包括：如果不存在缺陷，则控制2D检测装置检测下一个所述待检测对象。7.根据权利要求1所述的AI辅助检测方法，其特征在于，所述方法还包括：根据所述2D检测信息，获取所述待检测对象的2D尺寸信息；所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，包括：根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。8.根据权利要求1所述的AI辅助检测方法，其特征在于，所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，包括：根据所述缺陷的位置信息获取扫描区域信息；根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。9.一种AI辅助检测装置，其特征在于，所述装置包括：信息获取模块，用于获取待检测对象的2D检测信息；缺陷获取模块，用于根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；扫描控制模块，用于根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。10.根据权利要求9所述的AI辅助检测装置，其特征在于，所述装置还包括就位检测模2CN112611757A权　利　要　求　书2/2页块，所述就位检测模块用于检测所述待检测对象是否就位，若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。11.根据权利要求10所述的AI辅助检测装置，其特征在于，所述就位检测模块还用于若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。12.根据权利要求9所述的AI辅助检测装置，其特征在于，所述信息获取模块还用于根据所述2D检测信息，获取所述待检测对象的2D尺寸信息；所述扫描控制模块还用于根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。13.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1‑8任一项所述方法的步骤。14.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑8任一项所述方法的步骤。3CN112611757A说　明　书1/7页AI辅助检测方法、装置、电子设备及计算机可读存储介质技术领域[0001]本申请涉及工业检测和人工智能的技术领域，尤其涉及AI辅助检测方法及装置、电子设备及计算机可读存储介质。背景技术[0002]随着工业自动化技术的发展，一些重复性、程序化的工作越来越多地利用机器代替人进行操作，这样一方面降低了人的工作强度，另一方面，提高了工作效率。[0003]当前故障检测技术迅速发展，已经有智能终端面板视觉故障检测系统被运用在生产生活中。现有技术提供了一种故障检测系统，该系统包括高帧率相机、电脑和图像检测系统模块，其中图像检测系统模块又包含WIFI设备、图像采集模块、图像数字处理模块、缺陷故障识别模块、APP模块等，通过图像采集模块、图像数字处理模块、缺陷故障识别模块进行图像采集和分析、识别，最后图像检测系统模块输出视觉检测报告。但是通过这种方法获得的检测报告，并不能数字化定义被检测对象的缺陷的位置及其具体形状特征，因而具有一定的局限性。而且操作步骤繁多，时间成本过高。发明 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 [0004]本申请的目的在于提供一种AI辅助检测方法、装置、电子设备及计算机可读存储介质，使用AI技术解决复杂场景下待检测对象的缺陷初定位问题，优化检测流程，调高检测效率和准确度。[0005]本申请的目的采用以下技术 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 实现：[0006]第一方面，本申请提供了一种AI辅助检测方法，所述方法包括：获取待检测对象的2D检测信息；根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。该技术方案的有益效果在于，将复杂场景下待检测对象的缺陷初定位问题交给AI技术处理，利用AI技术中对大数据强化学习的优势解决目前传统图像算法无法解决的问题，即使用2D深度学习识别定位，加上3D机器视觉定量分析，大大降低检测过程的复杂程度，同时显著提高检测的效率和准确度。[0007]在一些可选的实施例中，所述方法还包括：检测所述待检测对象是否就位；若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。该技术方案的有益效果在于，当待检测对象就位后再进行检测，避免了由于出现故障，操作台上没有被检测对象，而2D检测装置还在执行检测指令，导致消耗能量而没有实际效率。[0008]在一些可选的实施例中，所述方法还包括：若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。该技术方案的有益效果在于，当待检测对象未就位时不进行检测，避免检测资源的浪费。4CN112611757A说　明　书2/7页[0009]在一些可选的实施例中，获取所述缺陷检测模型的方法包括：获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据；根据所述样本对象的2D检测信息以及所述样本对象的缺陷的标注数据，使用深度学习模型进行训练，得到所述缺陷检测模型。该技术方案的有益效果在于，对所述样本对象的缺陷进行数据标注，并使用深度学习模型进行训练，得到数字化的缺陷检测模型，比一般方法中仅用图像识别法得到的结果，更加精确。[0010]在一些可选的实施例中，所述根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息，包括：根据所述2D检测信息，使用所述缺陷检测模型检测所述待检测对象是否存在缺陷；如果存在缺陷，则得到所述缺陷的位置信息。该技术方案的有益效果在于，将没有缺陷的待检测对象提前排除掉，避免了无缺陷对象参与3D检测而做无用功。[0011]在一些可选的实施例中，所述方法还包括：如果不存在缺陷，则控制2D检测装置检测下一个所述待检测对象。该技术方案的有益效果在于，将没有缺陷的待检测对象提前排除掉，不需要获取其缺陷的位置信息，也避免了无缺陷对象参与3D检测而做无用功，提高检测效率。[0012]在一些可选的实施例中，所述方法还包括：根据所述2D检测信息，获取所述待检测对象的2D尺寸信息；所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，包括：根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。该技术方案的有益效果在于，根据待检测对象的2D尺寸信息和缺陷的位置信息，使3D轮廓仪的区域性扫描工作更具有针对性和精确性。[0013]在一些可选的实施例中，所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，包括：根据所述缺陷的位置信息获取扫描区域信息；根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。该技术方案的有益效果在于，获取扫描区域信息，据此进行区域性扫描，提高扫描效率。[0014]第二方面，本申请提供了一种AI辅助检测装置，所述装置包括：信息获取模块，用于获取待检测对象的2D检测信息；缺陷获取模块，用于根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；扫描控制模块，用于根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。[0015]在一些可选的实施例中，所述装置还包括就位检测模块，所述就位检测模块用于检测所述待检测对象是否就位，若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。[0016]在一些可选的实施例中，所述就位检测模块还用于若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。[0017]在一些可选的实施例中，所述装置还包括模型获取模块，所述模型获取模块包括：数据获取单元，用于获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据；模型训练单元，用于根据所述样本对象的2D检测信息以及所述样本对象的缺陷的标注数据，使用深度学习模型进行训练，得到所述缺陷检测模型。[0018]在一些可选的实施例中，所述缺陷获取模块用于根据所述2D检测信息，使用所述缺陷检测模型检测所述待检测对象是否存在缺陷，如果存在缺陷，则得到所述缺陷的位置信息。5CN112611757A说　明　书3/7页[0019]在一些可选的实施例中，所述缺陷获取模块还用于如果不存在缺陷，则控制2D检测装置检测下一个所述待检测对象。[0020]在一些可选的实施例中，所述信息获取模块还用于根据所述2D检测信息，获取所述待检测对象的2D尺寸信息；所述扫描控制模块还用于根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。[0021]在一些可选的实施例中，所述扫描控制模块包括：区域获取单元，用于根据所述缺陷的位置信息获取扫描区域信息；扫描控制单元，用于根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。[0022]第三方面，本申请提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。[0023]第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。附图说明[0024]下面结合附图和实施例对本申请进一步说明。[0025]图1是本申请实施例提供的一种AI辅助检测方法的流程示意图；[0026]图2是本申请实施例提供的一种获取缺陷检测模型的方法的流程示意图；[0027]图3是本申请实施例提供的一种获取缺陷位置信息的方法的流程示意图；[0028]图4是本申请实施例提供的一种控制2D检测装置检测待检测对象的方法的流程示意图；[0029]图5是本申请实施例提供的一种控制3D轮廓仪进行区域性扫描的方法的流程示意图；[0030]图6是本申请实施例提供的一种控制3D轮廓仪进行区域性扫描的方法的流程示意图；[0031]图7是本申请实施例提供的一种AI辅助检测方法的流程示意图；[0032]图8是本申请实施例提供的一种AI辅助检测装置的结构示意图；[0033]图9是本申请实施例提供的一种AI辅助检测装置的结构示意图；[0034]图10是本申请实施例提供的一种模型获取模块的结构示意图；[0035]图11是本申请实施例提供的一种扫描控制模块的结构示意图；[0036]图12是本申请实施例提供的一种电子设备的结构示意图；[0037]图13是本申请实施例提供的一种用于实现AI辅助检测的控制方法的程序产品的结构示意图。具体实施方式[0038]下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。[0039]参见图1，本申请实施例提供了一种AI辅助检测方法，所述方法包括步骤S101～6CN112611757A说　明　书4/7页S103。[0040]步骤S101：获取待检测对象的2D检测信息。其中，待检测对象例如是芯片、电路板或者其他电子元件，也可以是金属、塑料材质的工业产品。[0041]步骤S102：根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息。缺陷的位置信息例如可以用待检测对象上的相对位置信息来表示。[0042]在具体实施中，参见图2，获取所述缺陷检测模型的方法可以包括步骤S201～S202。[0043]步骤S201：获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据。[0044]步骤S202：根据所述样本对象的2D检测信息以及所述样本对象的缺陷的标注数据，使用深度学习模型进行训练，得到所述缺陷检测模型。[0045]由此，对所述样本对象的缺陷进行数据标注，并使用深度学习模型进行训练，得到数字化的缺陷检测模型，比一般方法中仅用图像识别法得到的结果，更加精确。[0046]在具体实施中，参见图3，所述步骤S102可以包括步骤S301～S302。[0047]步骤S301：根据所述2D检测信息，使用所述缺陷检测模型检测所述待检测对象是否存在缺陷。[0048]步骤S302：如果存在缺陷，则得到所述缺陷的位置信息。[0049]在具体实施中，继续参见图3，所述步骤S102还可以包括步骤S303：如果不存在缺陷，则控制2D检测装置检测下一个所述待检测对象。[0050]由此，将没有缺陷的待检测对象提前排除掉，不需要获取其缺陷的位置信息，也避免了无缺陷对象参与3D检测而做无用功，提高检测效率。[0051]步骤S103：根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。[0052]在具体实施中，参见图4，所述方法还可以包括步骤S1001～S1002。[0053]步骤S1001：检测所述待检测对象是否就位。[0054]步骤S1002：若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。[0055]在一个实际应用中，步骤S1001～S1002可以设置于步骤S101之前。由此，当待检测对象就位后再进行检测，避免了由于出现故障，操作台上没有被检测对象，而2D检测装置还在执行检测指令，导致消耗能量而没有实际效率。[0056]在具体实施中，继续参见图4，所述方法还可以包括步骤S1003：若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。由此，当待检测对象未就位时不进行检测，避免检测资源的浪费。[0057]在具体实施中，参见图5，所述方法还可以包括步骤S104：根据所述2D检测信息，获取所述待检测对象的2D尺寸信息。其中，当待检测对象是长方体时，2D尺寸信息例如是长方体上表面的长度信息和宽度信息。[0058]所述步骤S103可以包括：根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。其中，当待检测对象是长方体时，缺陷的位置信息例如可以表示为：在长方体的上表面的左上方区域。7CN112611757A说　明　书5/7页[0059]由此，根据待检测对象的2D尺寸信息和缺陷的位置信息，使3D轮廓仪的区域性扫描工作更具有针对性和精确性。[0060]在具体实施中，参见图6，所述步骤S103可以包括步骤S401～S402。[0061]步骤S401：根据所述缺陷的位置信息获取扫描区域信息。其中，扫描区域信息例如可以采用待检测对象的相对位置信息来表示。[0062]步骤S402：根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。由此，获取扫描区域信息，据此进行区域性扫描，提高扫描效率。[0063]由此，将复杂场景下待检测对象的缺陷初定位问题交给AI技术处理，利用AI技术中对大数据强化学习的优势解决目前传统图像算法无法解决的问题，即使用2D深度学习识别定位，加上3D机器视觉定量分析，大大降低检测过程的复杂程度，同时显著提高检测的效率和准确度。[0064]参见图7，本申请实施例还提供了一种AI辅助检测方法，所述方法包括步骤S501～S508。[0065]步骤S501：对样本数据进行收集，样本数据例如可以包括样本对象的2D检测信息、2D尺寸信息以及所述样本对象的缺陷的标注数据。[0066]步骤S502：使用深度学习模型对样本数据进行训练。[0067]步骤S503：训练得到缺陷检测模型，即数据模型。[0068]步骤S504：检测待检测对象是否就位，若就位则执行步骤S505，否则继续执行步骤S504。[0069]步骤S505：使用缺陷检测模型对待检测对象进行AI检测。[0070]步骤S506：AI检测待检测对象是否存在缺陷，若存在则执行步骤S507，否则执行步骤S504。[0071]步骤S507：根据缺陷的位置信息和2D尺寸信息，使用3D轮廓仪对待检测对象进行3D视觉处理。[0072]步骤S508：将得到的缺陷部分的轮廓检测数据进行量化并输出。[0073]参见图8，本申请实施例还提供了一种AI辅助检测装置，所述装置包括：信息获取模块101，用于获取待检测对象的2D检测信息；缺陷获取模块102，用于根据所述2D检测信息，使用缺陷检测模型得到缺陷的位置信息；扫描控制模块103，用于根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描，以使所述3D轮廓仪得到所述缺陷的轮廓信息。[0074]在具体实施中，参见图9，所述装置还可以包括就位检测模块100，所述就位检测模块100用于检测所述待检测对象是否就位，若就位，则控制2D检测装置检测所述待检测对象，以使所述2D检测装置得到所述待检测对象的2D检测信息。[0075]在具体实施中，所述就位检测模块100还可以用于若未就位，则等待预定时间后再次检测所述待检测对象是否就位，并在检测到所述待检测对象就位后，控制所述2D检测装置检测所述待检测对象。[0076]在具体实施中，参见图10，所述装置还可以包括模型获取模块104，所述模型获取模块104包括：数据获取单元1041，用于获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据；模型训练单元1042，用于根据所述样本对象的2D检测信息以及所述样本对8CN112611757A说　明　书6/7页象的缺陷的标注数据，使用深度学习模型进行训练，得到所述缺陷检测模型。[0077]在具体实施中，所述缺陷获取模块102可以用于根据所述2D检测信息，使用所述缺陷检测模型检测所述待检测对象是否存在缺陷，如果存在缺陷，则得到所述缺陷的位置信息。[0078]在具体实施中，所述缺陷获取模块102还可以用于如果不存在缺陷，则控制2D检测装置检测下一个所述待检测对象。[0079]在具体实施中，所述信息获取模块101还可以用于根据所述2D检测信息，获取所述待检测对象的2D尺寸信息；所述扫描控制模块103还可以用于根据所述缺陷的位置信息和所述2D尺寸信息，控制所述3D轮廓仪对所述待检测对象进行区域性扫描。[0080]在具体实施中，参见图11，所述扫描控制模块103可以包括：区域获取单元1031，用于根据所述缺陷的位置信息获取扫描区域信息；扫描控制单元1032，用于根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。一种AI辅助检测装置其具体实现方式与一种AI辅助检测方法的实施例中记载的实施方式和达到的技术效果一致，不再赘述。[0081]参见图12，本申请实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。[0082]存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(R AM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。[0083]其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中无人机的返航方法的步骤。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。[0084]相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。[0085]总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。[0086]电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。电子设备的具体实现方式与一种AI辅助检测方法的实施例中记载的实施方式和达到的技术效果一致，不再赘述。[0087]本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中无人机的返航方法的步骤。9CN112611757A说　明　书7/7页图13示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD‑ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。[0088]计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(W AN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。计算机可读存储介质的具体实现方式与一种AI辅助检测方法的实施例中记载的实施方式和达到的技术效果一致，不再赘述。[0089]本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。10CN112611757A说　明　书　附　图1/7页图1图211CN112611757A说　明　书　附　图2/7页图3图412CN112611757A说　明　书　附　图3/7页图5图613CN112611757A说　明　书　附　图4/7页图7图814CN112611757A说　明　书　附　图5/7页图9图1015CN112611757A说　明　书　附　图6/7页图11图1216CN112611757A说　明　书　附　图7/7页图1317