[发明专利]一种基于深度学习的表面检测方法有效
| 申请号： | 201910198350.6 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109975308B | 公开（公告）日： | 2023-03-24 |
| 发明（设计）人： | 林瑞滨 | 申请（专利权）人： | 维库（厦门）信息技术有限公司 |
| 主分类号： | G01N21/88 | 分类号： | G01N21/88;G06T7/00;G06T7/13 |
| 代理公司： | 福州市京华专利代理事务所(普通合伙) 35212 | 代理人： | 林晓琴 |
| 地址： | 361000 福建省厦门市中国(福建)自由贸易试*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 表面 检测 方法 | ||
1.一种基于深度学习的表面检测方法，其特征在于：包含至少一个线扫相机，用于采集具有瑕疵或缺陷的卷筒材料部分的图像，每个线扫相机通过网卡与至少一台PC机相连，PC机对采集图像进行处理，包括如下步骤：
步骤1、通过线扫相机采集图像，之后采用Canny边缘检测算法对采集图像做左右两侧边缘检测，再进行边缘扩展得到第一目标图像；
步骤2、对第一目标图像进行背景减除算法得到第二目标图像；
步骤3、对第二目标图像进行二值化得到二值图像；
步骤4、对二值图像进行RLE编码得到RLE图像；
步骤5、对RLE图像进行粒子滤波得到缺陷粒子位置；
步骤6、对缺陷粒子位置找到第一目标图像对应区域进行ROI裁剪得到裁剪图像；
步骤7、采用faster-rcnn算法对裁剪图像用深度学习进行缺陷粒子精确分类。
2.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤2进一步具体为：采用Gabor滤波算法对第一目标图像进行背景减除算法得到第二目标图像。
3.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤3进一步具体为：采用Niblack二值化算法对第二目标图像进行二值化得到二值图像。
4.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤4进一步具体为：采用RLE行程长度编码压缩算法对二值图像进行RLE编码得到RLE图像。
5.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤6进一步具体为：采用双线性插值算法对缺陷粒子位置找到第一目标图像对应区域进行ROI裁剪得到裁剪图像。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于维库（厦门）信息技术有限公司，未经维库（厦门）信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910198350.6/1.html，转载请声明来源钻瓜专利网。
