[发明专利]一种基于多级特征比对的令纸缺陷检测方法

权利要求书

1.一种基于多级特征比对的令纸缺陷检测方法，其特征在于，包括以下的实施步骤：

S1、训练特征提取模型：基于正常令纸样本图像并采用自编码器的方式对令纸样本图像的特征提取模型进行训练，并作为自编码器中的编码器部分，再相应添加解码器网络，与编码器部分串联形成一个自编码器；对自编码器输入正常令纸样本图像，让编码器部分学习正常令纸样本图像的特征表示，自编码器训练完成后去掉解码器网络部分，保留编码器部分即完成对特征提取模型的训练；

S2、建立多级特征字典：采用训练好的特征提取模型对大量正常令纸样本图像进行多级特征提取，获得各级特征向量，特征向量在放入特征字典前统一进行归一化处理形成特征码，并对字典中的特征码进行聚类处理，建立正常令纸样本图像的多级特征字典；

S3、令纸缺陷检测判定：通过工业高速高清摄像头采集待测令纸图像，应用特征提取模型提取待测令纸图像的多级特征向量并转变成特征码，采用欧氏距离的方法，在特征比对模块下将提取得到的待测令纸的多级特征码与多级特征字典中的特征码进行比对，求出各个距离值后由缺陷判定模块来判断是否为有缺陷令纸，完成令纸的缺陷检测。

2.根据权利要求1所述的一种基于多级特征比对的令纸缺陷检测方法，其特征在于，所述步骤S1中的特征提取模型是基于深度学习的特征提取模型，输入为令纸图像，输出为多个多级特征向量，令纸图像经过特征提取模块处理后将产生1个高层特征向量、4个中层特征向量、16个低层特征向量，特征提取模型还包括：

1)、基础的网络模块Block，其包含了一个3x3的卷积和一个1x1的卷积，其中3x3卷积的步长为2，特征平面变小的同时特征通道数相应变大，即经过Block的处理后，特征图的大小变为原来的1/4，特征通道数变为原来的2倍；

2)、卷积网络由多层普通卷积层堆叠构成，用于提取底层初级特征信息，在该卷积网络之上放置3个Block块用于提取高、中、低三级特征，由于Block有特征抽象及降采样的过程，因此经过特征提取模块处理后将给出1个512维的高层特征向量、4个256维的中层特征向量、16个128维的低层特征向量。

3.根据权利要求1所述的一种基于多级特征比对的令纸缺陷检测方法，其特征在于，所述步骤S2中多级特征字典是用于保存正常令纸样本的多级特征，在多级特征字典中将放入系列有代表性的正常令纸特征码，不同层级的特征向量在归一化处理形成特征码后，将被放入特征字典中的不同位置，产生的归一化参数也将保留在特征字典中用于对后续提取的特征向量进行归一化处理，并采用K-Means聚类方法对字典中保存的大量特征码进行聚类处理，取每一类的中心点作为最具代表性的正常令纸特征码。

4.根据权利要求1所述的一种基于多级特征比对的令纸缺陷检测方法，其特征在于，所述步骤S3中特征比对模块是用于计算待测令纸图像提取到的多级特征码与正常令纸样本图像的多级特征字典中保存的特征码的距离，每级每个待测令纸的特征码与多级特征字典中对应级别的所有正常令纸的特征码都计算距离，找出距离最小的m个，再求距离的平均值，该平均值即为该级特征码的距离，特征比对模块的输入为特征提取模型提取到的待测令纸的特征码和特征码层级信息以及正常令纸的多级特征字典信息，输出为待测令纸的特征码与字典中正常令纸的特征码计算出的距离。

5.根据权利要求1所述的一种基于多级特征比对的令纸缺陷检测方法，其特征在于，所述步骤S3中缺陷判定模块是结合多级多个特征码的距离进行综合判断，给出是否为缺陷令纸的结论，具体包括以下步骤：

1)、特征比对模块给出的高、中、低三级特征码的距离值，令dL1为高层特征码的距离值，dL2＝Max{dL2i，0≤i≤3}为中层特征码的距离值，dL3＝Max{dL3i，0≤i≤15}为低层特征码的距离值；

2)、逐级判断是否有超过该级设定阈值的情况，如公式一、公式二、公式三所示：

aL1＞th1 公式一

dL2＞th2 公式二

dL3＞th3 公式三

其中，th1、th2和th3分别为高、中、低三级对应的缺陷判断阈值；

3)、如果出现超过阈值的情况则判断为有缺陷令纸，如果没有超过阈值则再计算一个综合距离值，计算方式见公式四：

d＝λ1*dL1+λ2*dL2+λ3*dL3 公式四

其中，d为综合距离值，λ1、λ2、λ3为平衡系数，求出综合距离后再根据设定的阈值进行判断，如公式五所示：

d＞th0 公式五

其中，th0为综合距离判断阈值；当d＞th0，则判定待测令纸为有缺陷令纸；当d≤th0，则为待测令纸为正常令纸。