[发明专利]一种基于形状特征的皮革表面缺陷检测方法

权利要求书

1.一种基于形状特征的皮革表面缺陷检测方法，其特征在于：包括以下具体步骤：

S1：获取皮革表面正常样本和异常样本，并使用其他在人工物体表面含有自然形成的不规则纹理的图像作为训练数据；

S2：输入图像数据，进行图像预处理，以增强形状特征；

图像预处理主要包括：

S2.1：对图像进行各向异性扩散滤波处理，在进行图像降噪的同时，保持形状纹理清晰；

S2.2：对图像做适当的亮度和对比度调整；

S2.3：对图像做随机仿射变换进行数据增强；

S3：增强后的图像输入到特征提取网络，提取卷积特征；

S4：最后一层卷积层作为检测网络，用于检测特定目标，网络的输出向量为是否目标的概率和目标的位置和宽高；

S5：分别计算分类损失和目标位置与宽高损失，得到加权的损失函数；

计算分类损失的函数指预测一个位置(m，n)是否存在目标物体的概率损失，分类损失用两个对数损失函数来描述，即：

l_cis(m，n)＝logloss(I_obj，p₁)+logloss(1-I_obj，p₂)，

上式中，对数损失函数logloss(y，p)＝ylogp，I_obj∈{0，1}表示图像真实标注值中在(m，n)是否存在目标物体，如果存在则为1，反之则为0，上式的第一部分表示如果位置(m，n)处存在目标，而预测概率为p₁的损失，上式的第二部分表示如果位置(m，n)不存在目标，而预测概率为p₂的损失；

计算目标位置与宽高损失的函数指一个位置(m，n)存在目标，但预测得到的位置、尺寸和标注值有偏移产生的损失，其公式为：

S6：通过随机梯度下降法更新网络权值；

提供一种模型在线推理方法，进行模型在线推理的主要步骤包括：

获取待检测图像；

对待检测图像做预处理，使用各向异性扩散滤波进行滤波处理，并做适当的亮度与对比度处理；

对待检测图像进行高通滤波，增强形状特征；

将待检测图像输入网络进行检测，得到检测结果。

2.根据权利要求1所述的一种基于形状特征的皮革表面缺陷检测方法，其特征在于：在所述步骤S3中，特征提取网络是一种深度卷积网络，可以使用的网络结构为以下的其中一种：LeNet，AlexNet，VGG，Inception，ResNet。

3.根据权利要求1所述的一种基于形状特征的皮革表面缺陷检测方法，其特征在于：在所述步骤S5中，加权的损失函数表示为：

l(m，n)＝λl_pos(m，n)+(1-λ)l_cis(m，n)。