[发明专利]基于人工智能的透视材料缺陷检测方法与系统

权利要求书

1.一种基于人工智能的透视材料缺陷检测方法，其特征在于，该方法包括：

获取待检测透视材料的RGB图像，所述待检测透视材料的一面被覆盖物覆盖，从待检测透视材料被覆盖一面的对面采集所述RGB图像；

获取RGB图像中每个像素的透射率和光强表征值，组成每个像素的初始描述子；所述光强表征值为每个像素的最大通道值；

将所有像素的初始描述子组成的数据集升维得到若干高维数据集；

对每个高维数据集进行多元高斯混合建模，根据每个高维数据集对应的均值向量集合和协方差矩阵集合选取一个高维数据集记为第一高维数据集；

根据RGB图像中每个像素对应第一高维数据集的数据点的高维描述对RGB图像进行超像素分割，得到若干超像素区域；

对每个超像素区域进行图像复原，根据图像复原前后各超像素区域的变化确定透视材料的缺陷程度；

所述根据每个高维数据集对应的均值向量集合和协方差矩阵集合选取一个高维数据集包括：

获取高维数据集的判别值EVA：

其中，Σ_i为高维数据集对应多元高斯混合模型的第i个子高斯模型的协方差矩阵，μ_i、μ_j分别为高维数据集对应多元混合高斯模型的第i个、第j个子高斯模型的均值向量，K为多元高斯混合模型的子高斯模型个数；

选取判别值最大的高维数据集为第一高维数据集；

或者，获取高维数据集的判别值EVA：

其中，σ_Δ为集合||(μ_i-μ_j)||₂的标准差，其中，i,j∈[1,K]且i≠j，σ_∑为集合||Σ_i||₂的标准差，其中，i∈[1,K]，选取判别值最大的高维数据集为第一高维数据集，K为多元高斯混合模型的子高斯模型个数；

或者，获取高维数据集的判别值EVA：

其中，M为所有像素的透射率序列，X为高维数据集，sim()为相似度比较函数，K为多元高斯混合模型的子高斯模型个数。

2.如权利要求1所述的方法，其特征在于，利用暗通道先验算法获取每个像素的透射率。

3.如权利要求1所述的方法，其特征在于，所述对每个超像素区域进行图像复原包括：

利用暗通道先验算法获取RGB图像的第一复原图；

对每个超像素区域进行维纳滤波；

将维纳滤波后的各超像素区域组合构成RGB图像的第二复原图；

将第二复原图作为引导图对第一复原图进行引导滤波，得到第三复原图，第三复原图即为对各超像素区域复原的最终结果。