System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及缺陷检测,具体涉及一种基于概率分布优化和协同进化的缺陷检测方法及系统。
技术介绍
1、基于表示学习的视觉缺陷检测方案在工业场景中起着重要的作用。目前工业场景下针对玻璃容器的缺陷检测存在特征模糊和背景干扰的问题,传统缺陷检测网络难以区分缺陷的边缘和上下文信息,易造成漏检。为了解决特征模糊和背景干扰的问题,以往的工作可以大致分为上下文语义增强和边缘增强两种方法,然而,单独进行上下文语义增强或边缘增强,难以充分利用边缘信息和上下文信息的相互作用,导致缺陷检测性能不理想。
技术实现思路
1、为了解决现有技术的不足,本专利技术的目的是提供一种基于概率分布优化和协同进化的缺陷检测方法及系统,以提高在特征模糊和背景干扰环境下的缺陷检测精度。
2、为了实现上述目的,根据一些实施例,本专利技术的第一方面,提供了一种基于概率分布优化和协同进化的缺陷检测方法,包括:
3、获取待检测的缺陷图像;
4、利用训练好的缺陷检测网络对待检测的缺陷图像进行检测,得到缺陷检测结果;
5、其中,所述缺陷检测网络包括边缘进化模块、上下文进化模块、特征融合模块和检测模块;所述边缘进化模块利用上下文特征作为条件,调整边缘特征概率分布,对边缘特征进行进化;所述上下文进化模块利用边缘进化模块输出的边缘特征作为约束,调整上下文进化的定义域范围,对上下文特征进行进化;所述特征融合模块融合边缘进化模块得到的边缘进化特征和上下文进化模块得到的上下文进化特征,得到融合特征;所述
6、优选的,所述边缘进化模块包括第一边缘进化模块、第二边缘进化模块、第三边缘进化模块,所述上下文进化模块包括第一上下文进化模块、第二上下文进化模块、第三上下文进化模块;所述第一边缘进化模块根据缺陷图像的边缘特征和上下文特征得到第一边缘进化特征,所述第一上下文进化模块根据第一边缘进化特征和缺陷图像的上下文特征得到第一上下文进化特征;所述第二边缘进化模块根据第一边缘进化特征和第一上下文进化特征得到第二边缘进化特征,所述第二上下文进化模块根据第二边缘进化特征和第一上下文进化特征得到第二上下文进化特征;所述第三边缘进化模块根据第二边缘进化特征和第二上下文进化特征得到第三边缘进化特征,所述第三上下文进化模块根据第三边缘进化特征和第二上下文进化特征得到第三上下文进化特征。
7、优选的,所述特征融合模块包括第一特征融合模块、第二特征融合模块、第三特征融合模块,所述第一特征融合模块融合第一边缘进化特征和第一上下文进化特征得到第一融合特征,所述第二特征融合模块融合第二边缘进化特征和第二上下文进化特征得到第二融合特征,所述第三特征融合模块融合第三边缘进化特征和第三上下文进化特征得到第三融合特征。
8、优选的,所述利用上下文特征作为条件,调整边缘特征概率分布,对边缘特征进行进化,包括:
9、获取上下文特征概率分布和边缘特征概率分布,根据上下文特征概率分布和边缘特征概率分布,得到边缘概率分布条件下的上下文特征概率分布;
10、将边缘概率分布条件下的上下文特征概率分布的区域划分为邻域,选择邻域内部像素均值最大的区域作为新的边集,得到增强的边缘特征概率分布;
11、通过随机信道空间权值,对不同信道和空间中的边缘信息进行评分和聚合,得到细化的边缘特征;
12、迭代进行多轮次边缘进化,以i ou损失作为目标函数,当i ou损失最小时,边缘进化停止,得到进化后的边缘特征。
13、优选的,所述利用边缘进化模块输出的边缘特征概率分布作为约束,调整上下文进化的定义域范围,对上下文特征进行进化,包括:
14、根据进化后的边缘特征得到第一次约束和第二次约束;
15、依次通过第一次约束和第二次约束,缩小上下文特征分布的范围,得到细化的上下文特征;
16、以bce损失作为目标函数,当bce损失收敛时,上下文进化停止。
17、优选的,所述缺陷检测网络采用具有缺陷标记的缺陷数据标签集训练得到,所述缺陷数据标签集包括缺陷图像及对应的标签文件,所述标签文件包括矩形框坐标、矩形框宽度、矩形框高度、矩形框瑕疵类别,所述矩形框瑕疵类别包括裂纹区域、破损区域、划痕区域、斑点区域、毛刺区域。
18、本专利技术的第二方面,提供了一种基于概率分布优化和协同进化的缺陷检测系统,包括:
19、图像获取模块,被配置为获取待检测的缺陷图像;
20、缺陷检测模块,被配置为利用训练好的缺陷检测网络对待检测的缺陷图像进行检测,得到缺陷检测结果;
21、其中,所述缺陷检测网络包括边缘进化模块、上下文进化模块、特征融合模块和检测模块;所述边缘进化模块利用上下文特征作为条件,调整边缘特征概率分布,对边缘特征进行进化;所述上下文进化模块利用边缘进化模块输出的边缘特征作为约束,调整上下文进化的定义域范围,对上下文特征进行进化;所述特征融合模块融合边缘进化模块得到的边缘进化特征和上下文进化模块得到的上下文进化特征,得到融合特征;所述检测模块用于对融合特征进行检测,输出缺陷检测结果。
22、本专利技术的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以完成上述一种基于概率分布优化和协同进化的缺陷检测方法的步骤。
23、本专利技术的第四方面,提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述一种基于概率分布优化和协同进化的缺陷检测方法的步骤。
24、本专利技术的第五方面,提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述一种基于概率分布优化和协同进化的缺陷检测方法的步骤。
25、与现有技术相比,本专利技术的有益效果是:
26、本专利技术提供了一种基于概率分布优化和协同进化的缺陷检测方法及系统,解耦了边缘特征和上下文特征,通过边缘信息和上下文信息辅助缺陷检测。采用边缘进化分支和上下文进化分支分别对边缘特征和上下文特征进行进化。在边缘进化过程中利用上下文特征作为条件调整边缘特征概率分布,在上下文特征的进化过程中利用边缘特征作为约束,迭代地缩小上下文特征集的范围,使输入特征具有更高的凸集概率,实现凸优化。利用不同层次的特征作为约束条件来调整特征的概率分布,对齐特征的分布,从而减少了噪声的影响,提高了特征模糊和背景干扰环境下的缺陷检测精度。
27、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.基于概率分布优化和协同进化的缺陷检测方法,其特征在于,包括:
2.如权利要求1所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述边缘进化模块包括第一边缘进化模块、第二边缘进化模块、第三边缘进化模块,所述上下文进化模块包括第一上下文进化模块、第二上下文进化模块、第三上下文进化模块;所述第一边缘进化模块根据缺陷图像的边缘特征和上下文特征得到第一边缘进化特征,所述第一上下文进化模块根据第一边缘进化特征和缺陷图像的上下文特征得到第一上下文进化特征;所述第二边缘进化模块根据第一边缘进化特征和第一上下文进化特征得到第二边缘进化特征,所述第二上下文进化模块根据第二边缘进化特征和第一上下文进化特征得到第二上下文进化特征;所述第三边缘进化模块根据第二边缘进化特征和第二上下文进化特征得到第三边缘进化特征,所述第三上下文进化模块根据第三边缘进化特征和第二上下文进化特征得到第三上下文进化特征。
3.如权利要求2所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述特征融合模块包括第一特征融合模块、第二特征融合模块、第三特征融合模块,所述第一特征融合模块
4.如权利要求1所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述利用上下文特征作为条件,调整边缘特征概率分布,对边缘特征进行进化,包括:
5.如权利要求4所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述利用边缘进化模块输出的边缘特征概率分布作为约束,调整上下文进化的定义域范围,对上下文特征进行进化,包括:
6.如权利要求1所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述缺陷检测网络采用具有缺陷标记的缺陷数据标签集训练得到,所述缺陷数据标签集包括缺陷图像及对应的标签文件,所述标签文件包括矩形框坐标、矩形框宽度、矩形框高度、矩形框瑕疵类别,所述矩形框瑕疵类别包括裂纹区域、破损区域、划痕区域、斑点区域、毛刺区域。
7.基于概率分布优化和协同进化的缺陷检测系统,其特征在于,包括:
8.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以完成权利要求1-6任一项所述方法的步骤。
9.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述方法的步骤。
...【技术特征摘要】
1.基于概率分布优化和协同进化的缺陷检测方法,其特征在于,包括:
2.如权利要求1所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述边缘进化模块包括第一边缘进化模块、第二边缘进化模块、第三边缘进化模块,所述上下文进化模块包括第一上下文进化模块、第二上下文进化模块、第三上下文进化模块;所述第一边缘进化模块根据缺陷图像的边缘特征和上下文特征得到第一边缘进化特征,所述第一上下文进化模块根据第一边缘进化特征和缺陷图像的上下文特征得到第一上下文进化特征;所述第二边缘进化模块根据第一边缘进化特征和第一上下文进化特征得到第二边缘进化特征,所述第二上下文进化模块根据第二边缘进化特征和第一上下文进化特征得到第二上下文进化特征;所述第三边缘进化模块根据第二边缘进化特征和第二上下文进化特征得到第三边缘进化特征,所述第三上下文进化模块根据第三边缘进化特征和第二上下文进化特征得到第三上下文进化特征。
3.如权利要求2所述的基于概率分布优化和协同进化的缺陷检测方法,其特征在于,所述特征融合模块包括第一特征融合模块、第二特征融合模块、第三特征融合模块,所述第一特征融合模块融合第一边缘进化特征和第一上下文进化特征得到第一融合特征,所述第二特征融合模块融合第二边缘进化特征和第二上下文进化特征得到第二融合特征,所述第三特征融合模块融合第三边缘进化特征和第三上下文进化特征得到第三融合特征。
【专利技术属性】
技术研发人员:李刚,李敏,周鸣乐,韩德隆,冯正乾,李旺,张泽恺,
申请(专利权)人:山东省计算中心国家超级计算济南中心,
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。