[发明专利]一种基于自动编码器的产品缺陷分类识别方法及装置

说明书

技术领域

本发明涉及机器视觉领域，特别涉及一种基于自动编码器的产品缺陷分类识别方法及装置。

背景技术

机器视觉又称计算机视觉，是研究使用相机以及计算机分别模仿人眼和大脑，以便用机器代替人做检测和判断，完成目标识别及工业检测等任务的科学。近年来，随着神经网络以及深度学习理论的不断完善及其在机器视觉领域的广泛应用，推动了计算机视觉的快速发展。

一般情况下，缺陷的质量主要有尺寸、外观等方面的要求；在生产加工过程中，由于原料物性参数变化、工艺参数不合理及加工机械性能不良等因素，缺陷表面会出现碰伤、砂眼、刮伤、缺料、变形、麻点等表面缺陷。这些表面缺陷不仅会破坏缺陷的外观，而且会影响其性能导致无法使用。

传统的缺陷检测方法需要对输入的图像进行繁杂的预处理流程，例如，图像变换、图像复原与重建、图像压缩、形态学图像处理、图像分割、图像识别等，不同的图像往往需要不同的预处理算法，需要反复试验才能确定采取哪种处理方案。并且在特征提取时，首先需要准确确定分割的阈值、区分度较高的特征。此外，有效地选取区分度较高的特征并对其进行描述往往比较困难，需要非常专业的知识和较好的先验知识。

随着人工神经网络理论的发展和完善，很多算法应用到了图像处理的领域。但是，由于传统的神经网络结构隐层数目少，并且对其进行训练需要大量的样本数据，难以刻画网络输入与输出之间的复杂关系，导致不能对缺陷图像的特征进行高度抽象的描述，因此，需要和传统的图像处理算法相结合，导致处理过程复杂且计算量大。

因此，如何解决识别产品缺陷特征时计算量大，处理过程繁琐的问题，得到抽象的缺陷图像的缺陷特征并提高对产品缺陷的识别率，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种基于自动编码器的产品缺陷分类识别方法及装置，以解决识别产品缺陷时的计算量大，处理过程繁琐的问题，得到抽象的缺陷图像的缺陷特征并提高对产品缺陷的识别率。

为实现上述目的，本发明实施例提供了如下技术方案：

一种基于自动编码器的产品缺陷分类识别方法，包括：

获取缺陷图像；

通过堆叠至少四个稀疏自编码器提取所述缺陷图像的缺陷特征；

将所述缺陷特征发送至分类器，通过所述分类器识别所述缺陷特征对应的缺陷类别。

优选的，所述通过堆叠至少四个稀疏自编码器提取所述缺陷图像缺陷特征，包括：获取所述缺陷图像的第一模式图像、第二模式图像及第三模式图像，所述缺陷图像为彩色图像，所述第一模式图像为缺陷图像的R通道，第二模式图像为缺陷图像的G通道，第三模式图像为缺陷图像的B通道；通过堆叠六个稀疏自编码器分别提取所述第一模式图像、所述第二模式图像以及所述第三模式图像的缺陷特征。

优选的，所述通过堆叠六个稀疏自编码器分别提取所述第一模式图像、所述第二模式图像及所述第三模式图像的缺陷特征，包括：通过堆叠六个稀疏降噪自编码器分别提取所述第一模式图像、所述第二模式图像及所述第三模式图像的缺陷特征。

优选的，所述通过堆叠六个稀疏降噪自编码器分别提取所述第一模式图像、所述第二模式图像及所述第三模式图像的缺陷特征，包括：

利用第一稀疏降噪自编码器分别获取所述第一模式图像、所述第二模式图像及所述第三模式图像的像素值，以使所述第一稀疏降噪自编码器对所述像素值编码得到第一特征；

将所述第一特征发送至第二稀疏降噪自编码器，以使所述第二稀疏降噪自编码器对所述第一特征编码得到第二特征；

将所述第二特征发送至第三稀疏降噪自编码器，以使所述第三稀疏降噪自编码器对所述第二特征编码得到第三特征；

将所述第三特征发送至第四稀疏降噪自编码器，以使所述第四稀疏降噪自编码器对所述第三特征编码得到第四特征；

将所述第四特征发送至第五稀疏降噪自编码器，以使所述第五稀疏降噪自编码器对所述第四特征编码得到第五特征；

将所述第五特征发送至第六稀疏降噪自编码器，以使所述第六稀疏降噪自编码器对所述第五特征编码得到第六特征；将所述第六特征作为所述缺陷特征，所述缺陷特征包括第一模式图像缺陷特征、第二模式图像缺陷特征以及第三模式图像缺陷特征。

优选的，所述将所述缺陷特征发送至分类器，通过所述分类器识别缺陷特征对应的缺陷类别包括：将所述缺陷特征发送至分类器的输入层；通过所述输入层计算所述缺陷特征对应每一种缺陷类型的概率；选择所述概率中的最大概率，将所述最大概率对应的缺陷类型作为所述缺陷特征的缺陷类型。