[發明專利]一種基于目標檢測的缺陷檢測方法

有效

• 申請號: 201910303500.5
• 申請日: 2019-04-16
• 公開（公告）號: CN110175982B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 李卓蓉;封超;吳明暉;顏暉
• 申請（專利權）人: 浙江大學城市學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06K9/00;G06K9/46
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種基于目標檢測的缺陷檢測方法，包括以下步驟：步驟S1，采集訓練圖像；步驟S2，缺陷圖像數據擴增；步驟S3，缺陷區域標記；步驟S4，構建缺陷檢測模型；步驟S5，模型訓練；步驟S5，輸出缺陷檢測結果。本發明的有益效果主要表現在：利用數據擴增可以增加大量用于學習的樣本并減少數據收集成本，利用深度神經網絡首先篩選出缺陷可能存在的區域，然后對缺陷區域的范圍進行精細調整，從而自動檢測出缺陷存在的精確區域，有效解決了人工識別效率不高以及基于規則的傳統方法擴展性不好等缺點。

技術領域

本發明涉及一種缺陷檢測方法，具體涉及一種基于目標檢測的缺陷檢測方法，屬于計算 機視覺領域。

背景技術

近年來，深度神經網絡技術獲得了極大的發展，特別是在計算機視覺領域，其效果遠超 傳統技術。缺陷檢測是工業領域的重要問題，傳統的缺陷檢測方法主要依賴于檢測人員的經 驗，耗時耗力；基于規則的缺陷檢測方法，往往只適用于一些特征明顯的缺陷檢測，且方法 構建過程復雜。基于深度神經網絡技術的目標檢測方法能夠自動學習目標特征并對目標區域 進行定位，準確性高、可擴展性好，但目前這種技術主要應用于自然場景中的目標檢測，尚 少應用于缺陷檢測等工業場景中。

發明內容

本發明針對現有技術存在的問題，提出一種基于目標檢測的缺陷檢測方法。

本發明采用以下技術方案，一種基于目標檢測的缺陷檢測方法，包括以下步驟：

步驟S1，采集訓練圖像；

步驟S2，缺陷圖像數據擴增；

步驟S3，缺陷區域標記；

步驟S4，構建缺陷檢測模型；

步驟S5，模型訓練；

步驟S6，輸出缺陷檢測結果。

進一步的，所述步驟S1包括如下步驟：

步驟S1.1，通過CCD攝像機采集圖像，包括含缺陷的圖像和不含缺陷的圖像；

步驟S1.2，對缺陷位置進行人工標記，生成二值標記圖像。

進一步的，所述步驟S2包括如下步驟：

步驟S2.1，缺陷定位和裁剪；

步驟S2.2，缺陷區域圖像預處理；

步驟S2.3，圖像融合。

進一步的，所述步驟S2.1包括如下步驟：

S2.1.1：遍歷二值化標記圖像，生成一個邊界與圖像坐標軸平行，并將缺陷區域完全包含 的最小矩形；

S2.1.2：以得到的最小矩形為裁剪邊界，得到缺陷區域圖像。

進一步的，所述步驟S2.2包括如下步驟：

S2.2.1：對缺陷區域圖像行縮放；

S2.2.2：對缺陷區域圖像進行垂直翻轉和水平翻轉；

S2.2.3：對缺陷區域圖像進行旋轉；

S2.2.4：對缺陷區域圖像進行隨機仿射變換。

進一步的，所述步驟S2.3包括如下步驟：

S2.3.1：對預處理后的缺陷區域圖像進行局部自適應閾值分割，提取出更精確的缺陷區域 圖像；

S2.3.2：隨機選取無缺陷圖像；

S2.3.3：在無缺陷圖像尺寸范圍內隨機生成一個位置坐標，并將缺陷區域圖像的中心點與 該坐標對齊，用缺陷區域圖像像素值替換無缺陷圖像像素值從而完成缺陷區域圖像和無缺陷 圖像的融合。