基于语义对齐的缺陷检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，公开了一种基于语义对齐的缺陷检测方法及系统，旨在解决现有缺陷检测的方式存在准确性差的问题，方案主要包括：视觉采集不同角度和位置的样本产品图片，并根据采集的样本产品图片构建多角度样本数据集；构建语义对齐的深度学习网络，并训练得到语义对齐网络；再从多角度样本数据集中选取正常样本产品对应的第一样本数据，并提取得到正常的第一语义特征；获取待检测样本产品的待测图片，并基于语义对齐网络，得到待检测样本产品对应的第二样本数据及其对应的第二语义特征，第二样本数据逼近第一样本数据；最后根据第一语义特征和第二语义特征判断待检测样本产品是否存在缺陷。本发明专利技术提高了缺陷检测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
基于语义对齐的缺陷检测方法及系统


[0001]本专利技术涉及图像处理
，具体来说涉及一种基于语义对齐的缺陷检测方法及系统。

技术介绍

[0002]在工业领域，生产的大部分产品都是正常无故障的，但不幸的是，在特定的场景下制造的产品也会包含一些缺陷故障，例如凹痕、错误标签或零件重复等。因此，保存产品质量的良品率和一致性非常重要。
[0003]传统的方法都是通过人工进行检测，这样往往需要耗费大量的人力，而且不同人检测结果不一致，存在漏检和误检等问题。因此，采用计算机视觉方案代替人工检测势在必行。
[0004]目前，大多视觉方案都是基于图像比较思想，通过正常产品图片与未知产品图片比较，如果存在差异，则表明未知产品是异常。但是这样往往需要正常图片具有高度明显的特征，同时由于未知产品图片与正常产品图片的拍摄角度和位置不同，造成比较结果不准确。

技术实现思路

[0005]本专利技术旨在解决现有基于图像进行缺陷检测的方式存在准确性差的问题，提出一种基于语义对齐的缺陷检测方法及系统。
[0006]本专利技术解决上述技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于语义对齐的缺陷检测方法，其特征在于，包括以下步骤：步骤1、视觉采集不同角度和位置的样本产品图片，并根据采集的样本产品图片构建多角度样本数据集；步骤2、构建语义对齐的深度学习网络，并基于所述多角度样本数据集训练得到语义对齐网络；步骤3、从所述多角度样本数据集中选取正常样本产品对应的第一样本数据，并基于所述第一样本数据提取得到正常的第一语义特征；步骤4、获取待检测样本产品的待测图片，根据所述待测图片和第一样本数据并基于所述语义对齐网络，得到待检测样本产品对应的第二样本数据及其对应的第二语义特征，所述第二样本数据逼近第一样本数据；步骤5、根据所述第一语义特征和第二语义特征判断待检测样本产品是否存在缺陷。2.如权利要求1所述的基于语义对齐的缺陷检测方法，其特征在于，所述不同角度的样本产品图片至少包括：经翻转和裁剪之后的样本产品图片，所述不同位置的样本产品图片至少包括：对样本产品进行平移和旋转后采集的样本产品图片。3.如权利要求1所述的基于语义对齐的缺陷检测方法，其特征在于，根据所述第一语义特征和第二语义特征判断待检测样本产品是否存在缺陷，具体包括：针对每个像素位置，对与其对应的第一语义特征和第二语义特征进行差分，并根据差分结果判断待检测样本产品是否存在缺陷，所述差分包括：像素差分或均方根像素差分。4.如权利要求3所述的基于语义对齐的缺陷检测方法，其特征在于，所述根据差分结果判断待检测样本产品是否存在缺陷，具体包括：如果所有像素位置对应的差分结果均小于预设阈值，则判定待检测样本产品不存在缺陷，如果存在差分结果大于预设阈值对应的像素位置，则判定待检测样本产品对应的像素位置存在缺陷。5.如权利要求3所述的基于语义对齐的缺陷检测方法，其特征在于，所述差分公式如下：diff(i,j)＝|feature(i,j)
‑
normal(i,j)|；式中，diff表示差分结果，feature表示第二语义特征，normal表示...

【专利技术属性】
技术研发人员：刘杨，
申请(专利权)人：四川启睿克科技有限公司，
类型：发明
国别省市：