[發(fā)明專利]基于特征融合的缺陷檢測方法、裝置、設(shè)備及存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 202210699150.0 | 申請日: | 2022-06-20 |
| 公開(公告)號: | CN114782756B | 公開(公告)日: | 2022-10-04 |
| 發(fā)明(設(shè)計(jì))人: | 劉清 | 申請(專利權(quán))人: | 深圳新視智科技術(shù)有限公司 |
| 主分類號: | G06V10/764 | 分類號: | G06V10/764;G06V10/80;G06V10/82;G06V10/40;G06K9/62;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司: | 廣東靈頓知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44558 | 代理人: | 賴耀華 |
| 地址: | 518000 廣東省深圳市羅湖區(qū)蓮*** | 國省代碼: | 廣東;44 |
| 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: | 基于 特征 融合 缺陷 檢測 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
本發(fā)明實(shí)施例公開了一種基于特征融合的缺陷檢測方法、裝置、設(shè)備以及存儲介質(zhì),其中,所述方法包括:獲取待檢測產(chǎn)品的多張不同視場下采集的單場圖像下的目標(biāo)檢測圖像;獲取每張目標(biāo)檢測圖像的第一缺陷特征;按照預(yù)設(shè)的單場特征增強(qiáng)算法,對每張目標(biāo)檢測圖像的第一缺陷特征進(jìn)行第一特征增強(qiáng)融合處理,得到第一融合特征;按照預(yù)設(shè)的多場特征融合算法,對第一融合特征進(jìn)行第二特征融合處理,得到第二融合特征;根據(jù)第二融合特征對待檢測產(chǎn)品進(jìn)行缺陷檢測,得到缺陷檢測結(jié)果。另外,本發(fā)明實(shí)施例還公開了一種基于特征融合的缺陷檢測采用本發(fā)明,采用本發(fā)明實(shí)施例,可充分利用每個(gè)視場的圖像信息,提高缺陷檢測的分類精度。
技術(shù)領(lǐng)域
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域,尤其涉及一種基于特征融合的缺陷檢測方法、裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)。
背景技術(shù)
在工業(yè)缺陷的檢測中,通過采集圖像來對需要檢測的產(chǎn)品進(jìn)行缺陷檢測。在實(shí)際使用過程中,對同一個(gè)待檢測物體,會采用多種打光方式組合的方法,獲取待檢測物體的成像信息,這種方式可以獲得不同成像下的缺陷形態(tài),更好的處理多種缺陷的檢測。但是,目前基于圖像的缺陷檢測方法,都是單獨(dú)的對單個(gè)打光方式下的圖像進(jìn)行檢測,沒有考慮到多個(gè)成像下的圖像,檢測精度不高,誤判和漏檢過高。
發(fā)明內(nèi)容
基于此,在本發(fā)明實(shí)施例中,提供了一種基于特征融合的缺陷檢測的方法、裝置、設(shè)備以及計(jì)算機(jī)可讀存儲介質(zhì),可以提高基于圖像識別的缺陷檢測的準(zhǔn)確率。
在本發(fā)明的第一部分,提供了一種基于特征融合的缺陷檢測方法,包括:
獲取待檢測產(chǎn)品的多張目標(biāo)檢測圖像,所述多張目標(biāo)檢測圖像為待檢測產(chǎn)品在不同視場下采集的單場圖像;
按照預(yù)設(shè)的特征提取算法,分別獲取每張目標(biāo)檢測圖像的第一缺陷特征;
按照預(yù)設(shè)的第一特征增強(qiáng)算法,對每張目標(biāo)檢測圖像的第一缺陷特征進(jìn)行第一特征增強(qiáng)融合處理,得到與所述待檢測產(chǎn)品對應(yīng)的第一融合特征;其中,所述第一特征增強(qiáng)算法為單場特征增強(qiáng)算法;
按照預(yù)設(shè)的第二特征融合算法,對所述第一融合特征進(jìn)行第二特征融合處理,得到與所述待檢測產(chǎn)品對應(yīng)的第二融合特征;其中,所述第二特征融合算法為多場特征融合算法;
根據(jù)第二融合特征對所述待檢測產(chǎn)品進(jìn)行缺陷檢測,得到與所述待檢測產(chǎn)品對應(yīng)的缺陷檢測結(jié)果。
可選的,所述按照預(yù)設(shè)的第一特征增強(qiáng)算法,對每張目標(biāo)檢測圖像的第一缺陷特征進(jìn)行第一特征增強(qiáng)融合處理,得到與所述待檢測產(chǎn)品對應(yīng)的第一融合特征的步驟,還包括:
對于每一個(gè)第一缺陷特征:
對第一缺陷特征進(jìn)行映射處理,得到與該第一缺陷特征對應(yīng)的第一映射特征;
基于計(jì)算得到的第一映射特征,計(jì)算其他第一缺陷特征與該第一缺陷特征之間的第一更新幅度特征;
基于計(jì)算得到的第一更新幅度特征,并利用其它第一缺陷特征對該第一缺陷特征進(jìn)行更新操作,以得到更新之后的第一更新特征;
基于得到的第一更新特征,得到與所述第一缺陷特征對應(yīng)的第一融合特征。
可選的,所述對第一缺陷特征進(jìn)行映射處理,得到與該第一缺陷特征對應(yīng)的第一映射特征的步驟,還包括:
對于第i個(gè)第一缺陷特征,通過如下公式計(jì)算第一缺陷特征的第一映射特征:
其中,所述map1為第一map函數(shù),所述第一map函數(shù)為卷積函數(shù)或全連接函數(shù);所述第一缺陷特征的映射特征包括。
可選的,所述基于計(jì)算得到的第一映射特征,計(jì)算其他第一缺陷特征與該第一缺陷特征之間的第一更新幅度特征的步驟,還包括:
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)利屬于深圳新視智科技術(shù)有限公司,未經(jīng)深圳新視智科技術(shù)有限公司許可,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/202210699150.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





