一种金属工业产品表面缺陷数据增强方法技术

本发明专利技术公开了一种金属工业产品表面缺陷数据增强方法，其方法步骤为：获得一些无缺陷的目标场景的产品图片和开源的金属表面缺陷图像；使用泊松图像拼接算法将缺陷进行材质，光影和纹理的自适应迁移，生成一批质量较高的迁移结果图；将迁移后的图像加入训练集，训练AI检测模型。本发明专利技术的有益效果：本发明专利技术金属工业产品的表面缺陷生成方法，对模型的性能有显著提升；本发明专利技术的方法合成的缺陷图可以扩充AI检测模型的数据集，可解决罕见缺陷类别在训练集中出现少的问题；本发明专利技术使用了像素梯度值来保留迁移区域图像局域特征，使用通过与目标迁移区的像素值进行匹配的方法来建立线性方程系统，使用优化器求解线性系统的方法得到迁移目标区域内的像素值。目标区域内的像素值。目标区域内的像素值。

【技术实现步骤摘要】
一种金属工业产品表面缺陷数据增强方法


[0001]本专利技术涉及金属产品缺陷检测
，尤其是一种金属工业产品表面缺陷数据增强方法。

技术介绍

[0002]表面缺陷检测在现代工业生产过程中起着非常重要的作用。在传统的工业生产过程中，表面缺陷检测是由人工完成。这种检测具有很强的主观性，生产效率较低且检测不准确等缺点。为了提高工业生产的质量和效率，越来越多的机器视觉技术正被应用于工业领域，助力企业增产降本。
[0003]近些年AI检测模型越来越多的被用在了工业检测中。此类AI模型可以检测出传统视觉算法无法定义的缺陷；但这些模型学习如果去检测缺陷需要大量的训练数据。图像数据增强是一种常用的方法来增加模型学习的样本数量和样本多样性。但仍然还存在一些未解决的技术难点：
[0004]第一，目前现有的图像数据增强大多仅仅涉及图像的旋转，翻转，平移，马赛克等等，这些增强方法并未加入新的缺陷图像，没有增加缺陷的多样性，所以对于未出现在训练集的缺陷的检测能力并未有很大的提升。
[0005]第二，在很多工业检测场景下，很多缺陷在生产环境下由本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金属工业产品表面缺陷数据增强方法，其特征在于：其方法步骤为：步骤一：获得一些无缺陷的目标场景的产品图片和开源的金属表面缺陷图像；步骤二：使用泊松图像拼接算法将缺陷进行材质，光影和纹理的自适应迁移，生成一批质量较高的迁移结果图；步骤三：将迁移后的图像加入训练集，训练AI检测模型。2.如权利要求1所述的一种金属工业产品表面缺陷数据增强方法，其特征在于：其中步骤一：在开源数据集中选择出具有代表性和迁移性的缺陷，适当调节缺陷的对比度和亮度来使缺陷更加明显；在目标场景的图像中选择不同的位置来作为迁移目标，来保证迁移后的缺陷的多样性。3.如权利要求1所述的一种金属工业产品表面缺陷数据增强方法，其特征在于：其中步骤二：将缺陷移植到的目标图像为A，带有缺陷的源图像为B，融合的结果图为H；H和A的需要移植缺陷区域边界点的像素值应该完全相等，将这些边界像素值匹配然后从外向里推断：所有的缺陷区域边界点的在H上的像素值，对于H上边界内部的像素值做解；H内部的像素梯度等于B内部的像素梯度像素值梯度匹配转换成一个线性方程系统，对像素值的梯度信息做一个累...

【专利技术属性】
技术研发人员：齐泽通，张记霞，郑军，
申请(专利权)人：聚时科技上海有限公司，
类型：发明
国别省市：