[发明专利]基于神经网络的金属斑点检测方法及系统

权利要求书

1.一种基于神经网络的金属斑点检测方法，其特征在于，该方法包括以下步骤：

获取金属表面图像，并对所述金属表面图像进行标注得到斑点二值图像；

根据所述斑点二值图像进行距离变换，获取内边界距离图像；

将斑点二值图像进行相反映射，得到斑点二值反图像；

根据所述斑点二值反图像进行距离变换，获取外边界距离图像；

根据所述内边界距离图像与所述外边界距离图像，获取边界距离权重图像；

根据所述边界距离权重图像构建加权边界二元交叉熵损失函数；

将金属表面图像输入神经网络，得到斑点分割图像；所述神经网络采用加权边界二元交叉熵损失函数进行训练优化；

所述加权边界二元交叉熵损失函数的获取方法包括：

将边界距离图像与二元交叉熵损失相结合，构建加权边界二元交叉熵，该损失函数通过乘以边缘权重来放大边界像素附近的损失值；

M、N表示图像的宽、高，该x,y坐标处像素的标签值，表示x,y坐标处像素的网络预测该像素为斑点的概率值，表示x,y坐标处像素的边界距离权重。

2.根据权利要求1所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述内边界距离图像的获取方法包括：

对所述斑点二值图像进行距离变换，获取内部距离变换图像；

对所述内部距离变换图像进行极差归一化，得到归一化内部距离变换图像；

将所述斑点二值图像与归一化内部距离变换图像进行相减，得到内边界距离图像。

3.根据权利要求1所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述外边界距离图像的获取方法包括：

将斑点二值图像进行相反映射，得到斑点二值反图像；

对所述斑点二值反图像进行距离变换，获取外部距离变换图像；

对所述外部距离变换图像进行极差归一化，得到归一化外部距离变换图像；

将所述斑点二值反图像与归一化外部距离变换图像进行相减，得到外边界距离图像。

4.根据权利要求1所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述边界距离权重图像的获取方法包括：

对内边界距离图像与外边界距离图像进行合并，所述合并采用相加操作，得到边界距离权重图像BD：

边界距离权重图像通过合并两个不同的遮罩形成，每个遮罩分别突出斑点的内边界和外边界，通过生成背景和斑点的不同特征的距离映射，为斑点边界提供权重映射，表示基础权重图像，大小与内、外边界距离图像相等，IBD为内边界距离图像，OBD为外边界距离图像。

5.根据权利要求1-3任意一项所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述距离变换的度量距离为欧式距离。

6.根据权利要求3所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述相反映射操作为将图像中像素值为255的变为0，将像素值为0的变为255。

7.根据权利要求3所述的一种基于神经网络的金属斑点检测方法，其特征在于，所述神经网络采用编码器、解码器结构的语义分割神经网络。

8.一种基于神经网络的金属斑点检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项所述方法的步骤。