一种基于改进的U-net网络的缺陷检测方法技术

本发明专利技术涉及一种基于改进的U‑net网络的缺陷检测方法，用于对平面产品进行缺陷检测，所述方法包括：利用U‑net网络对一批训练图像进行训练，所述训练图像包括多个正常类样本和多个缺陷样本；使用Resnet网络代替U‑net网络的encode部分。Resnet网络包括多个残差模块，经过每一个残差模块对应进行一次最大池化操作，经过每一个残差模块和一次最大池化操作后得到对应的残差特征图。本发明专利技术提高了训练模型预测的准确度，增大了网络的感受野，保持原始图像更多的特征信息，能够更充分的保持底层的特征，能够更快的使得缺陷特征凸显，尤其对于玻璃等平坦场景中的产品缺陷检测的准确度。

【技术实现步骤摘要】
一种基于改进的U-net网络的缺陷检测方法
本专利技术涉及利用U-net网络对产品图像进行缺陷检测
，尤其是检测玻璃等平坦产品的缺陷检测。
技术介绍
U-net网络(分割网络)常用于图像分割任务，如图1所示，图1中左半部分为特征提取部分，每经过一次池化层，特征图就会减少一半的尺度，图1中包括5个尺度。图1中右半部分为上采样部分，每上采样一次，就和特征提取部分对应的通道数相同的特征图相融合，U-net网络在图像分割中的优势主要有两点，其一是可以实现多尺度的输入，其二是比较适合较高分辨率图像的分割。目前U-net网络主要用于医疗影像的分割，U-net网络的encode部分(编码部分)下采样4次，一共下采样16倍，同时，U-net网络的decode部分(解码部分)也相应的上采样4次，将得到的高级featuremap(特征图)恢复到原输入图像的分辨率，相比于其他分割网络，U-net网络不是直接在高级语义特征上进行监督和loss计算，而是通过4次上采样过程，在同一个尺寸的featuremap中进行拼接。这样能保证恢复出来的特征图能够融合更多本文档来自技高网...

【技术保护点】
1.一种基于改进的U-net网络的缺陷检测方法，用于对平面产品进行缺陷检测，其特征在于：所述方法包括：利用U-net网络对一批训练图像进行训练，所述训练图像包括多个正常类样本和多个缺陷样本；使用Resnet网络代替U-net网络的encode部分。/n

【技术特征摘要】
1.一种基于改进的U-net网络的缺陷检测方法，用于对平面产品进行缺陷检测，其特征在于：所述方法包括：利用U-net网络对一批训练图像进行训练，所述训练图像包括多个正常类样本和多个缺陷样本；使用Resnet网络代替U-net网络的encode部分。


2.根据权利要求1所述的缺陷检测方法，其特征在于：所述方法包括如下步骤：
(1)、训练图像制作：由输入的平面产品的原始图像裁剪成预设尺寸的训练图像；
权利要求1所述的使用Resnet网络代替U-net网络的encode部分包括如下步骤：
(2)、训练图像首先经过第一卷积层提取特征图得到第一层特征图，第一层特征图经过一次最大池化操作使得每个特征图尺寸减小1/2；
(3)、步骤(2)得到的特征图经过Resnet网络，Resnet网络包括多个残差模块，经过每一个残差模块对应进行一次最大池化操作，每次最大池化操作使得相应特征图尺寸减小1/2；经过每一个残差模块和一次最大池化操作后得到对应的残差特征图。


3.根...

【专利技术属性】
技术研发人员：都卫东，王岩松，和江镇，龙仕玉，张海宁，
申请(专利权)人：征图新视江苏科技股份有限公司，
类型：发明
国别省市：江苏;32