[发明专利]一种基于特征感知的元器件表面缺陷检测方法

说明书

本发明公开了一种基于特征感知的元器件表面缺陷检测方法，包括：1)采集待检测的元器件的RGB图像；2)将RGB图像通过缺陷空间映射网络，得到缺陷空间映射图；3)得到RGB图像的关键点坐标；将缺陷空间映射图分别输入区域建议网络和主干网络，获得ROI区域和感兴趣区域ROIs；将缺陷空间映射图进行超像素快速分割，得到多背景区域；4)通过ROIs找到其相交背景区域，进行区域特征融合；5)将ROIs与关键点坐标进行比对，得到双近邻ROI区域特征，比对双近邻ROI区域特征，将比对结果向量作为ROIs的特征向量；6)将特征向量送入全连接层，进行分类与边框回归，识别出检测对象的类别和位置并标注。本发明实现了对工业检测场景下元器件表面弱缺陷的高精度检测。

技术领域

本发明涉及元器件缺陷检测的技术领域，尤其是指一种基于特征感知的元器件表面缺陷检测方法，实现了高进度自动检测，降低工作成本，提高了工业元器件生产线上产品缺陷的检测精度。

背景技术

工业图像缺陷检测是利用机器视觉设备获取图像来判断采集图像中是否存在缺陷的技术。随着自动化制造领域对于生产质量要求逐步提升，面向弱缺陷工业图像检测技术在工业自动化制造中具有重要且广泛的应用。本文针对弱缺陷工业图像检测问题，将现有方法分为传统基于图像处理的方法、基于深度学习方法，对现有方法进行详细介绍，总结其优缺点并进行展望。

传统的基于图像处理的方法包括人工设计特征与分类器的设计，所需相对苛刻的成像环境，且需要缺陷和非缺陷区域之间的高对比度，少噪，适应性较差，成像环境变化或缺陷类型变化时往往需要更改阈值或重新设计算法。

基于深度学习方法从大量数据中自动学习特征，具有足够的学习数据和高性能运算单元。适应性相对强，能够应对一定的工业检测环境变化。但目前缺乏对弱缺陷工业图像的针对性网络设计，效果不佳。

因此，工业元器件的缺陷检测，目前所用到的检测方法准确率非常低，无法满足工业需求。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于特征感知的元器件表面缺陷检测方法，实现工业元器件的缺陷自动检测，不需要培训专门的工作人员，降低了对人力物力的投入，并且可以保持稳定的检测精度和检测速度，实现了高效率的工作。

为实现上述目的，本发明所提供的技术方案为：一种基于特征感知的元器件表面缺陷检测方法，包括以下步骤：

1)采集待检测的元器件的RGB图像；

2)将RGB图像通过缺陷空间映射网络，得到缺陷空间映射图，其中，所述缺陷空间映射网络包含通道注意力网络和空间注意力网络；

3)将RGB图像进行关键的点定位，得到关键点坐标；

将缺陷空间映射图输入区域建议网络，获得ROI区域，同时将缺陷空间映射图输入主干网络得到特征图，并进行ROIpooling处理，得到感兴趣区域ROIs；

将缺陷空间映射图进行超像素快速分割，得到多背景区域；

4)根据得到的多背景区域与ROIs，通过ROIs找到其相交背景区域，进行区域特征融合，即将相交的背景区域与ROIs特征融合；

5)根据得到的关键点坐标，将ROIs与关键点坐标进行比对，分别在横向与纵向方向得到两个相同尺寸的ROI区域，称为双近邻ROI区域特征，比对双近邻ROI区域特征，将比对结果向量作为感兴趣区域ROIs的特征向量；

6)将特征向量送入全连接层，进行分类与边框回归，识别出检测对象的类别和位置并标注。

进一步，在步骤1)中，将检测对象置于图像采集装置上，光学系统通过相机、图像采集卡到达计算机，通过计算机渲染技术得到检测对象的RGB图像。