一种适用于带有表面复杂纹理物体的缺陷检测方法
摘要文本
本发明涉及数据处理技术领域，尤其涉及一种适用于带有表面复杂纹理物体的缺陷检测方法。所述方法包括以下步骤：对物体表面图像数据进行补丁图像划分，生成物体表面补丁图像数据；基于变分自编码器构建图像特征解耦的孪生网络结构，获得图像特征解耦网络模型；根据图像特征解耦网络模型构建图像特征解耦网络模型的联合损失函数；根据图像特征解耦网络模型的联合损失函数对图像特征解耦网络模型进行网络模型优化，以生成优化图像特征解耦网络模型；将物体表面补丁图像数据传输至优化图像特征解耦网络模型进行不变因子预测，生成物体表面图像不变因子。本发明实现仅依靠稀少的异常训练样本就能够表现出良好的表面复杂纹理物体的缺陷异常检测性能。
申请人信息
- 申请人:中科海拓(无锡)科技有限公司
- 申请人地址:214000 江苏省无锡市经济开发区金融三街6号2001室
- 发明人: 中科海拓(无锡)科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种适用于带有表面复杂纹理物体的缺陷检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311630765.9 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117649387A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 中科海拓(无锡)科技有限公司 |
| 发明人 | 胡冰; 程坦; 刘涛 |
| 地址 | 江苏省无锡市经济开发区金融三街6号2001室 |
专利主权项内容
1.一种适用于带有表面复杂纹理物体的缺陷检测方法，其特征在于，包括以下步骤：步骤S1：利用监控设备进行物体表面图像数据采集，生成物体表面图像数据；根据预设的补丁图像大小数据对物体表面图像数据进行补丁图像划分，生成物体表面补丁图像数据；步骤S2：基于变分自编码器构建图像特征解耦的孪生网络结构，以获得图像特征解耦网络模型；根据图像特征解耦网络模型设计变分自编码器整体损失函数以及不变因子相识度损失函数；步骤S3：基于变分自编码器整体损失函数以及不变因子相识度损失函数构建图像特征解耦网络模型的联合损失函数；根据图像特征解耦网络模型的联合损失函数对图像特征解耦网络模型进行网络模型优化，以生成优化图像特征解耦网络模型；步骤S4：将物体表面补丁图像数据传输至优化图像特征解耦网络模型进行不变因子预测，生成物体表面图像不变因子；基于深度神经网络模型构建优化异常评分判别器模型；将物体表面图像不变因子映射至异常评分判别器模型中进行物体表面异常评分的评估处理，以生成物体表面异常评分数据；当物体表面异常评分数据大于预设的异常评分阈值时，则将物体表面异常评分数据对应的物体表面图像数据标记为物体表面缺陷图像数据；当物体表面异常评分数据不大于预设的异常评分阈值时，则将物体表面异常评分数据对应的物体表面图像数据标记为物体表面常规图像数据。