一种基于深度孪生网络的图像缺陷检测方法及系统技术方案

本申请公开了一种基于深度孪生网络的图像缺陷检测方法及系统，方法包括：获取正常图像和缺陷图像；将正常图像以及缺陷图像分块成预设大小的图像块；采用孪生网络对正常图像和缺陷图像对应位置的图像块进行相似度测量；将相似度大于预设阈值的图像块作为背景，剩余的图像块即为含缺陷的图像块。本申请通过利用孪生网络进行图像的相似性度量，提高了缺陷检测的泛化能力。

【技术实现步骤摘要】
一种基于深度孪生网络的图像缺陷检测方法及系统
本申请涉及计算机视觉
，尤其涉及一种基于深度孪生网络的图像缺陷检测方法及系统。
技术介绍
随着人工智能和计算机视觉技术的发展，机器视觉技术在工业场景的应用越来越多，其所占据的地位也越来越高。工业生产过程中的质量控制环节尤为重要，该环节的好坏往往决定产品是否能顺利出厂。视觉缺陷检测技术的出现极大地提高了检测的效率，也加快了工业生产效率。对于工业产品的缺陷检测，可用传统图像处理方法和深度学习方法来处理。传统图像处理方法中的模板匹配技术是该方法下的技术核心，而深度学习方法做缺陷检测的核心则是深度学习目标检测、语义分割等算法。模板匹配技术是视觉图像处理中的一种最原始与最基本的识别方法，它以小图像为模板，在大图像搜寻与该模板相同或相似的部分，即对大图像中所关注的对象进行匹配识别。深度学习是机器学习的一种，它对现实世界里人类所关注的某些特定问题进行建模，而所建立的模型通常是一个具有多个隐藏层的神经网络。卷积神经网络能够在不需要任何输入输出之间精确表达式的情况下学习输入输出关系，因此在处理图本文档来自技高网...

【技术保护点】
1.一种基于深度孪生网络的图像缺陷检测方法，其特征在于，包括：/n获取正常图像和缺陷图像；/n将所述正常图像以及所述缺陷图像分块成预设大小的图像块；/n采用孪生网络对所述正常图像和所述缺陷图像对应位置的所述图像块进行相似度测量；/n将相似度大于预设阈值的所述图像块作为背景，剩余的所述图像块即为含缺陷的图像块。/n

【技术特征摘要】
1.一种基于深度孪生网络的图像缺陷检测方法，其特征在于，包括：
获取正常图像和缺陷图像；
将所述正常图像以及所述缺陷图像分块成预设大小的图像块；
采用孪生网络对所述正常图像和所述缺陷图像对应位置的所述图像块进行相似度测量；
将相似度大于预设阈值的所述图像块作为背景，剩余的所述图像块即为含缺陷的图像块。


2.根据权利要求1所述的基于深度孪生网络的图像缺陷检测方法，其特征在于，在所述将所述正常图像以及所述缺陷图像分块成预设大小的图像块，之前还包括：
对所述正常图像和所述缺陷图像进行预处理。


3.根据权利要求2所述的基于深度孪生网络的图像缺陷检测方法，其特征在于，所述对所述正常图像和所述缺陷图像进行预处理具体为：
将所述正常图像和所述缺陷图像进行滤波；
对滤波后的所述正常图像和所述缺陷图像依次进行泛洪填充、灰度化、开运算、闭运算、二值化、寻找最小外接矩形的操作；
获得感兴趣区域。


4.根据权利要求3所述的基于深度孪生网络的图像缺陷检测方法，其特征在于，所述将所述正常图像和所述缺陷图像进行滤波具体为：



式中，Sxy表示卷积核的中心在点(x,y)处，m，n表示卷积核的大小为m×n，g(s,t)表示输入的所述正常图像或所述缺陷图像，f(x,y)表示滤波结束后的所述正常图像或所述缺陷图像。


5.根据权利要求1所述的基于深度孪生网络的图像缺陷检测方法，其特征在于，在所述将所述正常图像以及所述缺陷图像分块成预设大小的图像块，之前还包括：
对所述正常图像和所述缺陷图像进行图像对齐。


6.根据权利要求1所述的基于深度孪生网络的图像缺陷检测方法，其特征在于，所述对所述正常图像和所述缺陷图像进行图像对齐具体为：
分别对所述...

【专利技术属性】
技术研发人员：王涛，胡伟华，王洋赛，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44