[發明專利]基于特征感知和多通道學習的圖像色差檢測方法

在審

• 申請號: 202210180091.6
• 申請日: 2022-02-25
• 公開（公告）號: CN114581536A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 高紅霞;廖宏宇;黃濱;鄭弘振
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發明公開了一種基于特征感知和多通道學習的圖像色差檢測方法，包括：1)構建用于訓練色差檢測網絡的訓練集，色差檢測網絡由多通道學習模塊、特征感知模塊、區域建議網絡和預測回歸網絡組成；2)將圖像輸入多通道學習模塊，獲取圖像全面特征圖；3)將圖像全面特征圖輸入特征感知模塊，得到感知加權特征圖；4)將感知加權特征圖輸入區域建議網絡，得到區塊特征圖；5)將區塊特征圖輸入預測回歸網絡，得到色差偏移量及位置，與真實值計算損失，反向傳播調整參數；6)迭代訓練至預設值，確定色差檢測網絡；7)將待檢測圖像輸入色差檢測網絡，獲取色差偏移量及位置。本發明可實現對具有復雜紋理及圖案的圖像高速高精度色差檢測。

技術領域

本發明涉及圖像檢測的技術領域，尤其是指一種基于特征感知和多通道學習的圖像色差檢測方法。

背景技術

隨著工業領域的智能化發展，越來越多的工業檢測任務開始應用視覺檢測系統取代人工檢測，如X光圖像危險品檢測、PCBA(Printed Circuit Board Assembly)缺陷檢測等。

X光圖像是由X射線穿透待檢測物體、根據物體的不同密度渲染出不同顏色所得到的圖像，常用于安檢識別危險品。PCBA是通過貼片或打孔方式安裝了各種元器件的電路板，為了保證生產質量，需要在出廠前對電路板成像進行質檢。在視覺檢測系統中，可利用X光圖像中危險品與背景或PCBA圖像中缺陷與正常品間的紋理顏色差異信息進行目標檢測。

相比于自然場景圖像，上述工業圖像在成像過程中易受噪聲或其他因素干擾，如X光圖像在物品堆疊或成像角度畸變時，危險品對象特征不穩定，容易與背景特征混疊，難以檢測；PCBA在板底復雜、元器件密時，所成圖像具有復雜紋理及圖案，缺陷色差難以察覺，若存在污漬，則更容易出現漏檢誤檢。在以上紋理復雜且對象特征不穩定的情況下，任務目標檢測更為困難，所以對復雜紋理及圖案圖像的色差檢測一直是亟待解決的難題。

而近幾年交通行業和快遞行業的發展造成了X光行李/快遞安檢方面的巨大壓力，PCBA是空調、電熱水器、洗衣機、冰箱等常用家電的核心器件，它的質量檢測關系到家電的安全生產和可靠使用。因此，迫切需要研發準確可靠的算法解決上述工業檢測的難題。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提出了一種基于特征感知和多通道學習的圖像色差檢測方法，利用多通道學習模塊獲取圖像的全面特征，再利用特征感知模塊在區分圖像復雜紋理的同時挖掘圖像的微小色差變化，實現對具有復雜紋理及圖案的圖像高速高精度色差檢測。

為實現上述目的，本發明所提供的技術方案為：基于特征感知和多通道學習的圖像色差檢測方法，包括以下步驟：

1)采集具有復雜紋理及圖案的圖像，對圖像中的色差異常標注色差偏移量及位置，構建用于訓練色差檢測網絡的訓練集；其中，所述色差檢測網絡由多通道學習模塊、特征感知模塊、區域建議網絡和預測回歸網絡組成；

2)將訓練集中的圖像輸入色差檢測網絡進行訓練，具體過程如下：

2.1)圖像輸入多通道學習模塊，獲取圖像全面特征圖；

2.2)將圖像全面特征圖輸入特征感知模塊，獲得感知加權后的特征圖；

2.3)將感知加權后的特征圖輸入區域建議網絡，得到被網絡判斷存在色差異常的區塊特征圖；

2.4)將區塊特征圖輸入預測回歸網絡，得到色差異常位置及色差偏移量，與真實的色差異常位置及色差偏移量做運算，計算損失，通過損失函數反向傳播，調整多通道學習模塊、特征感知模塊及預測回歸網絡的參數；

3)返回步驟2)，重新將訓練集中的圖像輸入調整后的色差檢測網絡進行迭代訓練，不斷重復步驟2)至3)，直至訓練次數大于預設迭代次數，將最后一次得到的網絡確定為訓練好的色差檢測網絡；