[发明专利]一种基于贝叶斯小样本学习的表面缺陷检测方法有效
| 申请号： | 201710583489.3 | 申请日： | 2017-07-17 |
| 公开（公告）号： | CN107705284B | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 何志勇;林嵩;张浩 | 申请（专利权）人： | 苏州佳赛特智能科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人： | 耿丹丹 |
| 地址： | 215000 江苏省苏州市相城区澄*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于贝叶斯小样本学习的表面缺陷检测方法，首先采用线阵工业相机对工业生产中的被检物进行图像采集；将采集的被检物图像从RGB颜色空间转成单通道的灰度图像；将被检物图像进行滑窗滤波将被检物图像中的噪声点去除；用sobel算子对被检物图像中的缺陷进行增强处理；在被检物图像中选取经过增强的正常的训练样本和有缺陷的训练样本各一幅作为待检测样本，并计算出它们的梯度特征并进行学习。再结合其他步骤就能利用贝叶斯算法，依据被检物的梯度特征进行运算处理，提高了检测的性能和精确度，能够有效节省劳力、降低劳动强度、改善了工作效率且检测精度较高。 | ||
| 搜索关键词： | 一种 基于 贝叶斯小 样本 学习 表面 缺陷 检测 方法 | ||
【主权项】：
一种基于贝叶斯小样本学习的表面缺陷检测方法，其特征在于，步骤如下：步骤1：首先采用线阵工业相机对工业生产中的被检物进行图像采集；步骤2：将采集的被检物图像从RGB颜色空间转成单通道的灰度图像；步骤3：将被检物图像进行滑窗滤波将被检物图像中的噪声点去除；步骤4：用sobel算子对被检物图像中的缺陷进行增强处理；步骤5：在被检物图像中选取经过增强的正常的训练样本和有缺陷的训练样本各一幅作为待训练样本，并计算出它们的梯度特征并进行学习；步骤6：计算待检测样本的梯度特征，依据学习得到的梯度特征分别求取其属于完好样本和存在缺陷样本的先验概率；步骤7：通过贝叶斯算法将待测样本的先验概率和样本的总体分布相结合来求取待测样本属于完好样本和存在缺陷样本的后验概率；步骤8：比较待测样本属于完好样本和存在缺陷样本的后验概率大小，后验概率更大的那一类即为待测样本所属的类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州佳赛特智能科技有限公司，未经苏州佳赛特智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710583489.3/，转载请声明来源钻瓜专利网。
