【技术实现步骤摘要】
本专利技术涉及缺陷检测，具体涉及一种基于图像分割与补全的缺陷检测方法。
技术介绍
1、缺陷检测是工业品生产流程中的一个重要环节，它在质量检测上起着巨大的作用。随着计算机视觉技术的发展，基于各种图像处理技术的工业品缺陷检测方法层出不穷。
2、目前，常见的缺陷检测方法在处理单一纹理背景的工业品表面时均有着优秀的性能，但当工业品表面存在凹凸纹路或其他遮挡物时，往往受到这些因素的干扰，不能很好地对缺陷进行定位。存在干扰因素的区域不属于表面缺陷检测的范畴，通过将其补全为背景纹理，可以消除对缺陷检测任务的影响，提高缺陷检测模型的性能。
技术实现思路
1、为解决缺陷检测结果受到工业品表面干扰区域影响的技术问题，本专利技术提供一种基于图像分割与补全的缺陷检测方法。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于图像分割与补全的缺陷检测方法，在对工业品表面图像中的干扰区域进行分割、补全后，进行缺陷检测；包括以下步骤：
4、步骤一：采集待检测工业品的表面图像，并将所述表面图像分离为三个通道的图像，分别为r通道图像、g通道图像和b通道图像；
5、步骤二：分别对r通道图像、g通道图像和b通道图像进行分割，得到干扰区域在三个通道下的掩膜；
6、步骤三：将三个通道下的掩膜进行融合，得到表面图像中干扰区域的掩膜；
7、步骤四：使用无缺陷的工业品的表面图像和随机生成的掩膜，对图像补全模型进行训练，使图像补全模型
8、步骤五：将步骤一采集的工业品的表面图像和步骤三得到的掩膜输入到完成训练的图像补全模型，对表面图像中的干扰区域进行补全，将干扰区域还原为与工业品表面纹理一致的正常区域；
9、步骤六：通过缺陷检测模型，对补全后的表面图像进行缺陷检测，得到缺陷检测结果。
10、进一步地，步骤二中，分别对r通道图像、g通道图像和b通道图像进行分割时，对各通道的图像分别进行如下步骤：
11、步骤二a，根据图像每个像素点的像素值构建无向图；无向图中，每个节点代表图像的一个像素点；每条边所连接的两个节点对应的像素点之间的相似度，作为边的权值；
12、步骤二b，将具有个节点的所述无向图表示为权值矩阵，权值矩阵中的元素，其中，为连接节点和节点的边的权值；求解图分割问题，将所述无向图分为两个子图，使得分割的整体代价最小化，得到分割向量和分割后的两个子图；
13、步骤二c，在两个子图中选择背景与前景，在前景部分加入掩膜；
14、步骤二d，重复步骤二b至步骤二c，直至达到设定的最大分割数或者分割的最小整体代价超过设定的阈值。
15、进一步地，步骤二a中，所述每条边所连接的两个节点对应的像素点之间的相似度，作为边的权值，具体包括：
16、；
17、为连接节点和节点的边的权值，分别为第个像素点和第个像素点的像素值，分别为第个像素点和第个像素点在图像中的位置；和为可调节的修正参数，为考虑像素点相似度的距离阈值，为二范数。
18、进一步地，步骤二b中，所述求解图分割问题，将所述无向图分为两个子图，使得分割的整体代价最小化，得到分割向量和分割后的两个子图，具体包括：
19、将无向图所有节点的全集分为子集和子集，定义分割的整体代价函数为：
20、；
21、表示分割所移除的边的权值之和，表示子集与全集的关联程度，表示子集与全集的关联程度：
22、；
23、；
24、；
25、对广义特征值系统进行求解，其中为权值矩阵，为对角矩阵，中的元素，特征值所对应的特征向量即为分割向量；对解得的分割向量的所有元素取均值，得到分割值，移除无向图中所有权值小于的边，将无向图分为子图和子图。
26、进一步地，图像补全模型包括编码器和解码器；步骤四具体包括以下步骤：
27、步骤四a，将表面图像中被掩膜覆盖的部分的像素值置零，得到待处理图像；掩膜在图像上的位置信息记为掩膜信息；
28、步骤四b，对待处理图像进行卷积，再将卷积结果与自身在gelu激活函数上的投影进行矩阵点乘，得到图像特征：
29、；
30、其中，为卷积，为gelu激活函数；
31、步骤四c，图像特征经过由四个编码块组成的编码器，每两个编码块间进行一次下采样，最终得到表面图像在四个不同尺度下的特征、、和；并将、、和从上到下依次设置在不同层次；
32、步骤四d，将步骤四c得到的特征、、和逐层连接并通过由三个解码块组成的解码器，从最后得到的特征开始，每次进行一次上采样，然后与上一层特征连接并通过一个解码块；
33、步骤四e，将解码器的输出结果通过反卷积映射为最终的补全后的表面图像。
34、与现有技术相比，本专利技术的有益技术效果是：
35、本专利技术通过分割和补全的方法，有效消除工业品表面干扰因素对缺陷检测效果的影响，提高了模型对工业品表面图像复杂和特殊情况的适应能力。
本文档来自技高网...【技术保护点】
1.一种基于图像分割与补全的缺陷检测方法，在对工业品表面图像中的干扰区域进行分割、补全后，进行缺陷检测；其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像分割与补全的缺陷检测方法，其特征在于，步骤二中，分别对R通道图像、G通道图像和B通道图像进行分割时，对各通道的图像分别进行如下步骤：
3.根据权利要求2所述的基于图像分割与补全的缺陷检测方法，其特征在于，步骤二A中，所述每条边所连接的两个节点对应的像素点之间的相似度，作为边的权值，具体包括：
4.根据权利要求2所述的基于图像分割与补全的缺陷检测方法，其特征在于，步骤二B中，所述求解图分割问题，将所述无向图分为两个子图，使得分割的整体代价最小化，得到分割向量和分割后的两个子图，具体包括：
5.根据权利要求1所述的基于图像分割与补全的缺陷检测方法，其特征在于，图像补全模型包括编码器和解码器；步骤四具体包括以下步骤：
【技术特征摘要】
1.一种基于图像分割与补全的缺陷检测方法，在对工业品表面图像中的干扰区域进行分割、补全后，进行缺陷检测；其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像分割与补全的缺陷检测方法，其特征在于，步骤二中，分别对r通道图像、g通道图像和b通道图像进行分割时，对各通道的图像分别进行如下步骤：
3.根据权利要求2所述的基于图像分割与补全的缺陷检测方法，其特征在于，步骤二a中，所述每条边所...
【专利技术属性】
技术研发人员：李泽瑞，段景翔，柏鹏，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。