[發(fā)明專利]復(fù)雜紋理花邊布的缺陷檢測方法及裝置在審
| 申請?zhí)枺?/td> | 202210137881.6 | 申請日： | 2022-02-15 |
| 公開（公告）號： | CN114565567A | 公開（公告）日： | 2022-05-31 |
| 發(fā)明（設(shè)計）人： | 黃必清;許丁 | 申請（專利權(quán)）人： | 清華大學(xué) |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T9/00 |
| 代理公司： | 北京路浩知識產(chǎn)權(quán)代理有限公司 11002 | 代理人： | 任少瑞 |
| 地址： | 100084 北*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 復(fù)雜 紋理 花邊 缺陷 檢測 方法 裝置 | ||
1.一種復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，包括：
獲取待檢測子圖像；其中，所述待檢測子圖像中包含花邊布圖案；
確定所述待檢測子圖像在目標(biāo)紋理圖像中的第一對應(yīng)位置，將所述第一對應(yīng)位置處的圖像和所述待檢測子圖像組成待檢測圖像對；其中，所述目標(biāo)紋理圖像為花邊布圖案無缺陷的圖像；
將所述待檢測圖像對輸入至編解碼模型中，得到所述編解碼模型輸出的恢復(fù)后的待檢測子圖像；
將所述恢復(fù)后的待檢測子圖像和所述目標(biāo)紋理圖像進(jìn)行比對；
在確定所述恢復(fù)后的待檢測子圖像的花邊布圖案有缺陷時，確定所述恢復(fù)后的待檢測子圖像中的缺陷位置；
其中，所述編解碼模型是基于多個圖像對樣本訓(xùn)練得到的；所述編解碼模型用于基于所述第一對應(yīng)位置處的圖像對所述待檢測子圖像進(jìn)行矯正。
2.根據(jù)權(quán)利要求1所述的復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，所述將所述恢復(fù)后的待檢測子圖像和所述目標(biāo)紋理圖像進(jìn)行比對，包括：
將所述恢復(fù)后的待檢測子圖像和所述目標(biāo)紋理圖像，從亮度、對比度和結(jié)構(gòu)進(jìn)行結(jié)構(gòu)相似性評估。
3.根據(jù)權(quán)利要求1或2所述的復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，在所述將所述待檢測圖像對輸入至編解碼模型中，得到所述編解碼模型輸出的恢復(fù)后的待檢測子圖像之前，所述方法還包括：
獲取多個時間周期的圖像樣本序列；其中，所述圖像樣本序列中至少包括一個時間周期的所述目標(biāo)紋理圖像；所述時間周期為生產(chǎn)流水線中花邊布圖案循環(huán)一次所需的時間；
在所述圖像樣本序列中提取預(yù)設(shè)尺寸的多個子圖像樣本；
確定每個所述子圖像樣本在所述目標(biāo)紋理圖像中的第二對應(yīng)位置，將每個所述第二對應(yīng)位置處的圖像和對應(yīng)的所述子圖像樣本組成多個圖像對樣本；
基于所述多個圖像對樣本對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到所述編解碼模型。
4.根據(jù)權(quán)利要求3所述的復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，所述基于所述多個圖像對樣本對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到所述編解碼模型，包括：
將所述多個圖像對樣本輸入至深度學(xué)習(xí)模型中，得到每個所述圖像對樣本對應(yīng)的光流向量場；
將所述光流向量場與對應(yīng)的所述子圖像樣本進(jìn)行疊加，并對疊加結(jié)果進(jìn)行插值，得到恢復(fù)后的子圖像樣本；
基于所述恢復(fù)后的子圖像樣本和所述目標(biāo)紋理圖像構(gòu)建損失函數(shù)；
基于所述損失函數(shù)對所述深度學(xué)習(xí)模型進(jìn)行優(yōu)化，直至所述損失函數(shù)收斂，得到所述編解碼模型。
5.根據(jù)權(quán)利要求4所述的復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，所述基于所述恢復(fù)后的子圖像樣本和所述目標(biāo)紋理圖像構(gòu)建損失函數(shù)，包括：
采用以下公式(1)構(gòu)建所述損失函數(shù)；
L＝Lmse+λLflow (1)
其中，L表示損失函數(shù)，λ表示光流向量場梯度損失的權(quán)重，Lmse表示所述恢復(fù)結(jié)果形態(tài)損失，Lmse＝∑i,j[m′(i,j)-f(i,j)]2；Lflow表示所述光流向量場梯度損失，Lflow＝∑i,j[g(i,j,0)2+g(i,j,1)]2；m′(i,j)為所述恢復(fù)后的子圖像樣本，f(i,j)為所述目標(biāo)紋理圖像；g(i,j,0)為第一層的光流向量場，g(i,j,1)為第二層的光流向量場。
6.根據(jù)權(quán)利要求3所述的復(fù)雜紋理花邊布的缺陷檢測方法，其特征在于，所述確定每個所述子圖像樣本在所述目標(biāo)紋理圖像中的第二對應(yīng)位置，包括：
針對每個所述子圖像樣本，對所述子圖像樣本構(gòu)建尺度空間；
在所述尺度空間中，確定預(yù)設(shè)鄰域中的極值點(diǎn)；
將主曲率比值大于預(yù)設(shè)閾值的極值點(diǎn)進(jìn)行過濾；
確定過濾后剩余的每個極值點(diǎn)的特征信息；
基于過濾后剩余的每個極值點(diǎn)的特征信息確定所述子圖像樣本在所述目標(biāo)紋理圖像中的所述第二對應(yīng)位置。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué)，未經(jīng)清華大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210137881.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
