[发明专利]一种曲面表面缺陷自动检测方法及其装置

摘要

本发明公开了一种曲面表面缺陷自动检测方法及其装置，方法包括：(1)训练阶段：采集样本图像，构建训练集，对训练集中的图像进行人工缺陷识别，标注出所有缺陷出现的区域；针对训练集中的每一幅图像执行缺陷预定位步骤，得到所有缺陷可能出现的区域R；将R与人工标注出的所有缺陷出现的区域进行比对，根据二者的重合度划分负样本和正样本；根据正样本和负样本进行深度神经网络模型的离线训练，输出为缺陷区域的类别与具体坐标；(2)在线检测阶段：采集当前待检测曲面表面图像，执行缺陷预定位步骤，得到集合R，将集合R输入网络模型，得到缺陷区域的类别与具体坐标。本发明具有适应性高、实时性高、识别准确率高的优点。

主权项

1.一种曲面表面缺陷自动检测方法，其特征在于，包括步骤：(1)训练阶段：采集样本图像，构建训练集，对训练集中的图像进行人工缺陷识别，标注出所有缺陷出现的区域；针对训练集中的每一幅图像执行缺陷预定位步骤：(1‑1)计算图像中每个像素点与其相邻8个方向的像素点之间RGB空间3通道的欧式距离，将该欧式距离作为权值，每个权值代表该边连接的两个区域的不相似度，对每一条边做以下合并操作得到初始分割区域集R：只要两个区域间的类间差异大于任意一个区域的类内差异，就将其合并为一个新的区域，否则不合并；(1‑2)初始化区域间相似度集合S为空集；(1‑3)计算分割区域集R中每两个相邻区域的相似度，添加到集合S中；(1‑4)在集合S中找到相似度最高的值smax，合并该值对应的两个区域，将新合并的区域添加到集合R中，同时删除集合S中与该两个区域有关的所有相似度，再重新计算新分割区域集R的相似度；不断重复上述操作，直到集合S成为空集，最终所得集合R为所有缺陷可能出现的区域；将训练集中每一幅图像得到的集合R与人工标注出的所有缺陷出现的区域进行比对，根据二者的重合度划分负样本和正样本；将正样本和负样本作为输入，进行深度神经网络模型的离线训练，训练过程采用随机梯度下降方法，输出为缺陷区域的类别与具体坐标；得到训练好的深度神经网络模型；(2)在线检测阶段：采集当前待检测曲面表面图像，执行缺陷预定位步骤，得到集合TR，将集合TR输入训练好的深度神经网络模型，得到缺陷区域的类别与具体坐标。