[發明專利]一種基于貝葉斯小樣本學習的表面缺陷檢測方法有效
| 申請號： | 201710583489.3 | 申請日： | 2017-07-17 |
| 公開（公告）號： | CN107705284B | 公開（公告）日： | 2020-10-09 |
| 發明（設計）人： | 何志勇;林嵩;張浩 | 申請（專利權）人： | 蘇州佳賽特智能科技有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257 | 代理人： | 耿丹丹 |
| 地址： | 215000 江蘇省蘇州市相城區澄*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 貝葉斯小 樣本 學習 表面 缺陷 檢測 方法 | ||
1.一種基于貝葉斯小樣本學習的表面缺陷檢測方法，其特征在于，步驟如下:
步驟1：首先采用線陣工業相機對工業生產中的被檢物進行圖像采集；
步驟2：將采集的被檢物圖像從RGB顏色空間轉成單通道的灰度圖像；
步驟3：將步驟2獲得的圖像進行滑窗濾波將被檢物圖像中的噪聲點去除；
步驟4：用sobel算子對步驟3獲得的圖像中的缺陷進行增強處理；
步驟5：在被檢物圖像中選取經過增強的正常的訓練樣本和有缺陷的訓練樣本各一幅作為待訓練樣本，并計算出它們的梯度特征并進行學習；
步驟6：計算待檢測樣本的梯度特征，依據學習得到的梯度特征分別求取其屬于完好樣本和存在缺陷樣本的先驗概率；
步驟7：通過貝葉斯算法將待檢測樣本的先驗概率和樣本的總體分布相結合來求取待檢測樣本屬于完好樣本和存在缺陷樣本的后驗概率；
步驟8：比較待檢測樣本屬于完好樣本和存在缺陷樣本的后驗概率大小，后驗概率更大的那一類即為待檢測樣本所屬的類。
2.根據權利要求1所述的基于貝葉斯小樣本學習的表面缺陷檢測方法，其特征在于，所述通過貝葉斯算法計算后驗概率的方法如下：
將待檢測樣本的特征值與學習得到的訓練樣本的梯度值作對比得到兩者的相似度Feature0和Feature1，分別為正常類的相似度和缺陷類的相似度，如公式(5)和公式(6)所示：
Dc(i)是待檢測樣本的梯度值，和分別是學習得到的正常訓練樣本的梯度值和有缺陷訓練樣本的梯度值；公式(7)為待檢測樣本的特征值屬于完好樣本的先驗概率或存在缺陷樣本的先驗概率，其中k＝0時為完好樣本，k＝1時為存在缺陷樣本：
y表示被檢物所屬的類別值，若被檢物存在缺陷，y＝1；若被檢物不存在缺陷，y＝0；得到待檢測樣本的特征值屬于k類樣本的先驗概率P(Dc(i)|y＝k)后，再計算待檢測樣本的特征值Dc(i)屬于k類樣本的后驗概率,如公式(8)所示：
其中P(Dc(i))在待檢測樣本屬于不同類別時都相同，不影響不同類別的后驗概率的比較結果，因此在計算中可以將其省略，所有特征值所屬的k類樣本的后驗概率之積即為待檢測樣本的后驗概率，為了不使其過度趨向于0，如公式(9)所示取對數求和求得后驗概率P(y＝k|Ic)：
其中Ic為檢測階段被檢物的圖像。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州佳賽特智能科技有限公司，未經蘇州佳賽特智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710583489.3/1.html，轉載請聲明來源鉆瓜專利網。
