[发明专利]基于人工智能的透视材料缺陷检测方法与系统

说明书

本发明涉及缺陷检测领域，具体涉及一种基于人工智能的透视材料缺陷检测方法与系统。方法包括：获取待检测透视材料的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；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。本发明提高了透视材料缺陷的检测精度。

技术领域

本发明涉及缺陷检测、人工智能技术领域，具体涉及一种基于人工智能的透视材料缺陷检测方法与系统。

背景技术

工业的发展带动了各行各业的进步。以材料领域为例，传统的冶金、烧窑等工艺已不能满足日新月异的材料需求。新型的合成材料使用范围越来越广泛。在新材料领域，透视材料被广泛关注，传统的透视材料包括玻璃、聚乙烯塑料，亚克力材料作为一种新兴的透视材料因其较高强度的优点，获得了广泛的关注与应用。

透视材料因其透视特性，难以简单利用人为观察辨识其缺陷。然而，透视材料透视程度不均匀，可能是透视材料内部结构的改变或差异引起，会造成透视材料的强度等特性受到影响。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的透视材料缺陷检测方法与系统，所采用的技术方案具体如下：

本发明提供一种基于人工智能的透视材料缺陷检测方法，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；

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。

进一步地，利用暗通道先验算法获取每个像素的透射率。

进一步地，所述光强表征值为每个像素的最大通道值。

进一步地，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。

进一步地，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；