[发明专利]一种含缺陷的训练图像生成方法及装置

说明书

本申请的一种含缺陷的训练图像生成方法，包括以下步骤：获取缺陷图像的掩模图像；根据所述掩模图像在第一产品图像中选取所述缺陷图像的可注入区域，所述第一产品图像为没有缺陷的图像；在所述可注入区域选取所述缺陷图像的可注入范围；将所述缺陷图像融合到所述第一产品图像的所述可注入范围中，得到含缺陷的训练图像。本申请方法提高了生成含缺陷的训练图像的速度，通过本申请方法生成的含缺陷的训练图像的重现度高、能够包含原始产品图像中更多的有效信息，为缺陷检测模型提供足够多的训练数据，提高缺陷检测模型的鲁棒性。本申请还包括一种含缺陷的训练图像生成装置。

技术领域

本申请涉及技术领域，尤其涉及一种含缺陷的训练图像生成方法及装置。

背景技术

在工业缺陷检测领域，计算机视觉系统通过分析产品的光学图像来检测缺陷的有无、位置和种类，从而实现对不良产品的剔除。在实际生产条件下，由于生产线上不良产品出现的概率较小，导致基于深度学习的缺陷检测模型无法获得足够的含缺陷的训练图像作为训练数据，训练数据数量较少时缺陷检测模型的产品缺陷识别率降低。

为给缺陷检测模型提供足够多的含缺陷的训练图像作为训练数据，本申请提供一种含缺陷的训练图像生成方法及装置。

发明内容

本申请提供了一种含缺陷的训练图像生成方法和装置，以为缺陷检测模型提供足够多的含缺陷的训练图像作为训练数据。

本申请采用的技术方案如下：

一种含缺陷的训练图像生成方法，所述方法包括：

获取缺陷图像的掩模图像；

根据所述掩模图像在第一产品图像中选取所述缺陷图像的可注入区域，所述第一产品图像为没有缺陷的图像；

在所述可注入区域选取所述缺陷图像的可注入范围；

将所述缺陷图像融合到所述第一产品图像的所述可注入范围中，得到含缺陷的训练图像。

进一步地，获取缺陷图像的掩模图像，包括：

采用二阶边缘提取算子获取所述缺陷图像的缺陷边缘；

计算所述缺陷边缘的最大连通区域的最小外接矩形；

根据所述最小外接矩形对第二产品图像进行剪裁，获取所述缺陷图像，所述第二产品图像为带有所述缺陷图像的图像；

获取所述缺陷图像的灰度直方图；

对所述灰度直方图的峰值点进行二值化，获得所述缺陷图像的掩模图像。

进一步地，根据所述掩模图像在第一产品图像中选取所述缺陷图像的可注入区域，包括：

获取所述掩模图像的最小外接矩形的宽高比；

通过所述掩模图像的最小外接矩形的宽高比在所述第一产品图像中选取所述缺陷图像的可注入区域。

进一步地，在所述可注入区域选取所述缺陷图像的可注入范围，包括：

获取所述缺陷图像的最小外接矩形的宽高比；

通过所述缺陷图像的最小外接矩形的宽高比在所述可注入区域选取所述缺陷图像的可注入范围。

进一步地，将所述缺陷图像融合到所述第一产品图像的所述可注入范围中，得到含缺陷的训练图像，包括：

分别对所述缺陷图像和所述第一产品图像进行多层金字塔分解，得到多层的金字塔图像；

将每层的金字塔图像按不同融合权重进行逐层融合，所述融合权重根据所述缺陷图像是否超出所述可注入区域得到；

将融合后的所述缺陷图像和所述第一产品图像进行高斯逆变换得到所述含缺陷的训练图像。