印刷缺陷检测模型及印刷缺陷检测方法技术

本发明专利技术公开的印刷缺陷检测模型及印刷缺陷检测方法，涉及人工智能领域，利用2个结构相同的多尺度骨架网络，同时提取参考图像I

【技术实现步骤摘要】
印刷缺陷检测模型及印刷缺陷检测方法


[0001]本专利技术涉及人工智能领域，具体涉及一种印刷缺陷检测模型及印刷缺陷检测方法。

技术介绍

[0002]印刷缺陷检测属于工业缺陷检测领域的一个分支，与其他工业缺陷检测问题相同，印刷缺陷检测的目标同样是希望通过机器视觉技术实现印刷产品质检的自动化，达到降低人工成本、提高检测效率与精度的效果。印刷缺陷检测的特殊之处在于，印刷产品的缺陷具有内容相关性，即缺陷的种类、特征会随着印刷内容的改变而改变。
[0003]现有的印刷缺陷检测技术通常采用待检测图像与模板图像对比的思路。在现有技术中，以是否采用深度学习技术为标准，又可以分为基于传统图像处理的技术和基于深度学习的技术，二者的主要差异在于进行图像对比的空间不同，基于传统图像处理的技术在原始图像空间进行对比，即像素空间；基于深度学习的技术在高维特征空间进行对比，即语义空间。从检测性能来看，后者明显优于前者，但在通用性、利用成本等方面，基于传统图像处理的技术依旧具有优势。因此，可以说二者各有优劣。
[0004]申请公布号为CN111709909A的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种印刷缺陷检测模型，其特征在于，包括：提取模块，包括2个结构相同的多尺度骨架网络，被配置为同时提取参考图像I
ref
及待检测图像I
det
对应的多个语义特征图；计算模块，被配置为基于多尺度注意力机制、所述参考图像I
ref
对应的多个语义特征图及所述待检测图像I
det
对应的多个语义特征图，计算所述参考图像I
ref
与所述待检测图像I
det
之间的相似度；所述计算模块，还被配置为根据所述相似度，判断所述待检测图像I
det
是否存在印刷缺陷。2.根据权利要求1所述的印刷缺陷检测模型，其特征在于：所述多尺度骨架网络结构包括多个卷积单元、多个残差单元、多个空洞卷积单元和多个上采样单元。3.一种利用权利要求1所述的印刷缺陷检测模型进行印刷缺陷检测的方法，其特征在于，包括以下步骤：S1利用2个结构相同的多尺度骨架网络，同时提取参考图像I
ref
及待检测图像I
det
对应的多个语义特征图；S2基于多尺度注意力机制、所述参考图像I
ref
对应的多个语义特征图及所述待检测图像I
det
对应的多个语义特征图，计算所述参考图像I
ref
与所述待检测图像I
det
之间的相似度；S3根据所述相似度，判断所述待检测图像I
det
是否存在印刷缺陷。4.根据权利要求3所述的印刷缺陷检测的方法，其特征在于，利用2个结构相同的多尺度骨架网络，同时提取参考图像I
ref
及待检测图像I
det
对应的多个语义特征图包括：将所述参考图像I
ref
依次输入由多个卷积单元和多个残差单元组成的第一序列模块Seq1及由多个卷积单元和多个残差单元组成的第二序列模块Seq2，分别得到与所述参考图像I
ref
不同分辨率的两个语义特征图。5.根据权利要求4所述的印刷缺陷检测的方法，其特征在于，在分别得到与所述参考图像I
ref
不同分辨率的两个语义特征图之后，所述方法还包括：将两个所述不同分辨率的语义特征图中的一个语义特征图依次输入所述多尺度骨架网络中空洞率互不相同的多个空洞卷积单元，得到第一语义特征图集合。6.根据权利要求5所述的印刷缺陷检测的方法，其特征在于，在得到第一语义特征图集合之后，所述方法还包括：分别将所述第一语义特征图集合中的各个语义特征图依次输入所述多尺度骨架网络中的第一上采样单元和第二上采样单元，分别得到与所述参考图像I
ref

【专利技术属性】
技术研发人员：陈斌，王佑芯，张元，陈子和，
申请(专利权)人：哈尔滨工业大学重庆研究院，
类型：发明
国别省市：