[發明專利]皮革瑕疵檢測方法、系統、儲存介質及計算機設備

在審

• 申請號: 202110342426.5
• 申請日: 2021-03-30
• 公開（公告）號: CN113034476A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 陳俊陽;楊志景;蘭上煒;王美林;黃韻瑜;徐志華
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

1.一種皮革瑕疵檢測方法，其特征在于，包括以下步驟：

S1，獲取待檢測皮革圖像；

S2，運用三元組網絡將待檢測皮革圖像與預設的模板圖像進行對比，檢測所述待檢測皮革圖像是否存在缺陷，若是轉入步驟S3，否則結束；

S3，運用分類檢測器對所述待檢測皮革圖像進行檢測，獲取所述缺陷的置信度、類別以及位置。

2.根據權利要求1所述的皮革瑕疵檢測方法，其特征在于，在所述步驟S2中，所述三元組網絡采用三通道融合的方式，以所述待檢測皮革圖像、模板圖像以及待檢測皮革圖像與模板圖像的差值作為輸入數據對所述待檢測皮革圖像進行缺陷檢測。

3.根據權利要求1所述的皮革瑕疵檢測方法，其特征在于，所述三元組網絡以resnet50作為主干網絡；所述三元組網絡的網絡架構中設有MaxBlurPool池化層；所述模板圖像被設置為按隨機上下左右若干個像素點進行抖動。

4.根據權利要求1所述的皮革瑕疵檢測方法，其特征在于，所述分類檢測器由CascadeR-CNN三階段級聯神經網絡模型經過訓練后獲得。

5.根據權利要求4所述的皮革瑕疵檢測方法，其特征在于，所述Cascade R-CNN三階段級聯神經網絡模型在第一階段和第三階段的網絡架構中設有Deformable ConvNet可變形卷積層；所述Cascade R-CNN三階段級聯神經網絡模型采用OHEM在線困難負例挖掘的選擇方式進行采樣。

6.根據權利要求4所述的皮革瑕疵檢測方法，其特征在于，所述Cascade R-CNN三階段級聯神經網絡模型以Context ROI網絡架構對所述待檢測皮革圖像進行特征提取，采用BiFPN的方式進行特征融合。

7.根據權利要求4所述的皮革瑕疵檢測方法，其特征在于，所述Cascade R-CNN三階段級聯神經網絡模型在訓練過程中使用的訓練樣本以圖像增強的方式增加所述訓練樣本，所述圖像增強的方式包括鏡像變換、高斯噪聲、亮度變化、旋轉、Cutout以及Mixup。

8.一種皮革瑕疵檢測系統，其特征在于，包括圖像獲取模塊(1)、模板比對檢測模塊(2)以及分類檢測模塊(3)；所述圖像獲取模塊(1)分別連接所述模板比對檢測模塊(2)以及分類檢測模塊(3)，所述模板比對檢測模塊(2)連接分類檢測模塊(3)；其中：

所述圖像獲取模塊(1)用于獲取待檢測皮革圖像；

所述模板比對檢測模塊(2)用于運用三元組網絡將待檢測皮革圖像與預設的模板圖像進行對比，檢測所述待檢測皮革圖像是否存在缺陷，若是轉入模塊(3)，否則結束；

所述分類檢測模塊(3)用于運用分類檢測器對所述待檢測皮革圖像進行檢測，獲取所述缺陷的置信度、類別以及位置。

9.一種儲存介質，其上儲存有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的皮革瑕疵檢測方法的步驟。

10.一種計算機設備，其特征在于：包括儲存介質、處理器以及儲存在所述儲存介質中并可被所述處理器執行的計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的皮革瑕疵檢測方法的步驟。