[发明专利]基于卷积神经网络进行物品图像缺陷检测的方法及装置

权利要求书

1.一种基于卷积神经网络进行物品图像缺陷检测的方法，其特征在于，包括：

获取物品图像的像素，根据预设像素与图像尺寸对应关系切割成固定尺寸图像，提取所述固定尺寸图像的像素值并转化为图像像素点的数据矩阵；

根据所述数据矩阵将所述固定尺寸图像进行灰度归一化处理增强所述固定尺寸图像的对比度；将灰度归一化的所述固定尺寸图像数据经过由正弦平面波调制的高斯核函数进行滤波处理；将滤波后的所述固定尺寸图像的数据进行阈值分割得到预处理图像数据；

根据所述预处理图像数据及其物品图像缺陷类型进行训练，得到物品图像缺陷检测的卷积神经网络；

获取待检测物品图像的图像缺陷类型选择对应的像素切割、灰度归一化、滤波及阈值分割的预处理策略；根据所述预处理策略对所述待检测物品图像进行像素切割、灰度归一化、滤波及阈值分割得到待检测物品图像的预测数据，将所述待检测物品图像的预测数据代入所述卷积神经网络得到所述待检测物品图像的缺陷检测结果。

2.根据权利要求1所述的基于卷积神经网络进行物品图像缺陷检测的方法，其特征在于，根据所述数据矩阵将所述固定尺寸图像进行灰度归一化处理增强所述固定尺寸图像的对比度，为：

根据所述数据矩阵获取所述固定尺寸图像中每个像素的像素值；

将所述固定尺寸图像的所述像素值按照如下公式进行灰度归一化处理，得到所述固定尺寸图像对比度增强的像素值，公式如下：

其中，I_out为转换后的灰度值，I_in为原图像每个像素的灰度值，I_min为原图像的最小像素值，I_max为原图像的最大像素值。

3.根据权利要求1所述的基于卷积神经网络进行物品图像缺陷检测的方法，其特征在于，将灰度归一化的所述固定尺寸图像数据经过由正弦平面波调制的高斯核函数进行滤波处理，为：

将灰度归一化的所述固定尺寸图像数据由正弦平面波调制的高斯核函数，得到复数表达式：

其中，为得到的新像素位移图像数据，x、y为像素坐标，x'＝xcosθ+ysinθ；y'＝-xsinθ+ycosθ；波长λ表示滤波核函数中余弦函数的波长参数，方向θ表示滤波核中平行条带的方向，相位偏移表示滤波核函数中余弦函数的相位参数，长宽比γ是空间纵横比，决定滤波函数形状的椭圆率，σ表示滤波函数的高斯因子的标准差。

4.根据权利要求3所述的基于卷积神经网络进行物品图像缺陷检测的方法，其特征在于，所述滤波函数中，半响应空间频率带宽b与高斯因子σ及波长λ的关系如下：

5.根据权利要求1所述的基于卷积神经网络进行物品图像缺陷检测的方法，其特征在于，将滤波后的所述固定尺寸图像的数据进行阈值分割得到预处理图像数据，为：

获取测试的缺陷图像滤波后的图像数据分别进行最大类间方差法阈值分割、最大熵法全局阈值分割及局部动态阈值分割；

将最大类间方差法阈值分割、最大熵法全局阈值分割及局部动态阈值分割的结果与实际图像的缺陷进行效果对比，选择最接近实际情况的阈值分割作为预处理分割策略；

将滤波后的所述固定尺寸图像的数据按照所述预处理分割策略，进行阈值分割得到预处理图像数据。