[发明专利]一种基于深度学习语义分割的缺陷检测方法在审
| 申请号： | 201910673139.5 | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110473173A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 赵青;梅爽;宋瑞超 | 申请（专利权）人： | 熵智科技(深圳)有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10 |
| 代理公司： | 42102 湖北武汉永嘉专利代理有限公司 | 代理人： | 胡琳萍<国际申请>=<国际公布>=<进入 |
| 地址： | 518054 广东省深圳市南山区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于语义分割的缺陷检测方法，包括：制作物体表面缺陷训练图像集；完成表面缺陷图像的手动标注；搭建应用于物体表面缺陷检测的深度学习语义分割缺陷检测模型；进行深度学习语义分割缺陷检测模型的训练；基于已训练的深度学习语义分割缺陷检测模型，进行物体表面缺陷检测；得到对应输出的具有缺陷种类标签图像，获得缺陷检测结果。能够自动化、高效率的对物体表面进行缺陷检测，从而实现物体表面缺陷的自动识别以及缺陷检测结果的量化处理。当检测物表面不规则或者场景复杂度上升后，能够很好的兼顾检测效果和检测效率。 | ||
| 搜索关键词： | 缺陷检测 物体表面 语义分割 缺陷检测结果 图像 场景复杂度 训练图像集 表面缺陷 量化处理 手动标注 种类标签 自动识别 不规则 高效率 检测物 检测 学习 自动化 输出 应用 制作 | ||
【主权项】：
1.一种基于语义分割的缺陷检测方法，其特征在于具体包括以下步骤：/nS1、制作物体表面缺陷训练图像集，在同一场景下对不同空间位姿下的物体表面进行表面缺陷图像样本采集；/nS2、制作物体表面缺陷图像集，采用图像增强技术完成表面缺陷图像的手动标注；/nS3、利用表面缺陷训练图像集TrainSetDefect为输入，表面缺陷标注训练图像集TrainLabelSetDefect为输出，搭建应用于物体表面缺陷检测的深度学习语义分割缺陷检测模型；/nS4、进行深度学习语义分割缺陷检测模型的训练；/nS5、基于已训练的深度学习语义分割缺陷检测模型，进行物体表面缺陷检测；得到对应输出的具有缺陷种类标签图像，获得缺陷检测结果。/n
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熵智科技(深圳)有限公司，未经熵智科技(深圳)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/201910673139.5/，转载请声明来源钻瓜专利网。
