[发明专利]印刷缺陷检测模型及印刷缺陷检测方法

说明书

本发明公开的印刷缺陷检测模型及印刷缺陷检测方法，涉及人工智能领域，利用2个结构相同的多尺度骨架网络，同时提取参考图像I^ref及待检测图像I^det的语义特征图，根据参考图像I^ref的多个语义特征图与待检测图像I^det的多个语义特征图，计算参考图像I^ref与待检测图像I^det之间的相似度，根据该相似度，判断待检测图像I^det是否存在印刷缺陷，可以有效地检测印刷品中存在的缺陷，提高了检测性能，训练印刷缺陷检测模型时不需要人工标注，极大地降低了训练成本，使用时不需要专业人员进行调试，提高了易用性。

技术领域

本发明涉及人工智能领域，具体涉及一种印刷缺陷检测模型及印刷缺陷检测方法。

背景技术

印刷缺陷检测属于工业缺陷检测领域的一个分支，与其他工业缺陷检测问题相同，印刷缺陷检测的目标同样是希望通过机器视觉技术实现印刷产品质检的自动化，达到降低人工成本、提高检测效率与精度的效果。印刷缺陷检测的特殊之处在于，印刷产品的缺陷具有内容相关性，即缺陷的种类、特征会随着印刷内容的改变而改变。

现有的印刷缺陷检测技术通常采用待检测图像与模板图像对比的思路。在现有技术中，以是否采用深度学习技术为标准，又可以分为基于传统图像处理的技术和基于深度学习的技术，二者的主要差异在于进行图像对比的空间不同，基于传统图像处理的技术在原始图像空间进行对比，即像素空间；基于深度学习的技术在高维特征空间进行对比，即语义空间。从检测性能来看，后者明显优于前者，但在通用性、利用成本等方面，基于传统图像处理的技术依旧具有优势。因此，可以说二者各有优劣。

申请公布号为CN111709909A的发明专利公开了一种基于深度学习的通用印刷缺陷检测方法及其模型，该方案存在的缺陷为：由于像素分类模块输出的是像素级的预测值，并且采用交叉熵函数作为损失函数。因此，为了完成训练必须得到像素级的人工标注，即必须为原图的各个像素标注是否为缺陷，导致训练成本过高。

申请公布号为CN110956630A的发明专利公开了一种平面印刷缺陷检测方法、装置以及系统，该方案存在的缺陷为：图像预处理、图像配准、差值图像计算与分析三个步骤分环环相扣，只能存在极小的误差，导致鲁棒性不好，在利用时需要专业人员进行调试。图像配准、差值图像计算等步骤都在原图上进行，因为光照条件、机械误差等因素的存在，往往难以保证成像质量的稳定，所以容易导致配准效果不佳等问题，进而影响检测结果。在利用时，该技术需要专业人员根据实际情况对大量参数进行调试，费时费力，一旦调试结果不理想，检测性能就会大打折扣，易用性较差。

发明内容

本发明实施例提供了一种印刷缺陷检测模型及检测方法，用以解决现有技术存在的缺陷。

为了实现上述目的，本发明实施例提供的印刷缺陷检测模型及检测方法包括以下技术方案：

第一方面，本发明实施例提供的印刷缺陷检测模型包括：

提取模块，包括2个结构相同的多尺度骨架网络，被配置为同时提取参考图像I^ref及待检测图像I^det对应的多个语义特征图；

计算模块，被配置为基于多尺度注意力机制、所述参考图像I^ref对应的多个语义特征图及所述待检测图像I^det对应的多个语义特征图，计算所述参考图像I^ref与所述待检测图像I^det之间的相似度；

所述计算模块，还被配置为根据所述相似度，判断所述待检测图像I^det是否存在印刷缺陷。

作为第一方面一个优选的实施方式，所述多尺度骨架网络结构包括多个卷积单元、多个残差单元、多个空洞卷积单元和多个上采样单元。