一种喷墨打印的缺陷检测方法和系统技术方案

本发明专利技术涉及喷印工业检测技术领域，特别是涉及一种喷墨打印的缺陷检测方法和系统

【技术实现步骤摘要】
一种喷墨打印的缺陷检测方法和系统


[0001]本专利技术涉及喷印工业检测
，特别是涉及一种喷墨打印的缺陷检测方法和系统
。

技术介绍

[0002]打印机因方便快捷在各行各业获得广泛应用，但打印机在使用时，会因喷头的喷嘴供墨不稳定
、
喷嘴的喷射力度不稳定和喷嘴物理堵塞等原因，造成个别孔无法出墨，从而影响打印成品的品质，在军工和医疗等领域对打印的成品品质要求极高，因此必须要严格把控打印质量，但因个别孔无法出墨所导致的缺陷不明显，人为检查费时费力，现有检测打印缺陷的技术，需要对缺陷样本进行像素级别的标注，费时费力，并且检测准确率也会因标注不准确大打折扣；现有技术没有合理利用缺陷样本的缺陷特征，检测的准确率不高
。
[0003]现有技术公开一种基于轻量级语义分割的数码喷印图像缺陷检测方法，属于数码喷印缺陷检测
，包括：获取数码印刷图像数据，通过对比合格图像和缺陷图像，确定需要检测的数码喷印缺陷类别；对缺陷图像进行像素级别的缺陷标注，将缺陷图像和标签图像作为样本数据集；对样本数据集中的图像进行预处理，并将图像划分为训练集和测试集；搭建轻量级语义分割模型，搭配轻量级主干网络用于特征提取，确定模型参数；将训练集输入到轻量级语义分割模型中进行多次迭代，轻量级语义分割模型收敛后得到训练好的轻量级语义分割模型；将测试集输入到训练好的轻量级语义分割模型中，得到测试结果，该现有技术需要对缺陷样本进行像素级别标注，费时费力且检测准确率不高；并且，该现有技术没有合理利用缺陷样本的缺陷特征，导致检测准确率不高
。

技术实现思路

[0004]本专利技术的目的是解决现有技术存在的问题，提供一种喷墨打印的缺陷检测方法和系统，本专利技术可提高检测准确率和检测效率
。
[0005]为实现上述目的，本专利技术提供一种喷墨打印的缺陷检测方法，包括：步骤
S1
：获取待检测图像；步骤
S2
：将所述待检测图像划分为多个图像块；步骤
S3
： 将每个所述图像块输入至
Transformer
中，获得与所述图像块对应的特征向量，记作第一特征向量；
[0006]步骤
S4
：将所述第一特征向量输入至特征描述器中，获得第二特征向量并存储至记忆库，所述第二特征向量为面向目标数据集的特征向量；步骤
S5
：将所述第二特征向量和通过超球搜索算法在记忆库中搜索到的与所述第二特征向量最近邻特征向量进行匹配，根据匹配结果判断所述图像块是否存在缺陷并进行图像块的标签赋值；步骤
S6
：将所述待检测图像分别输入至特征提取网络，获得与所述待检测图像对
应的特征向量，记作第三特征向量，将所述第三特征向量输入至注意力机制，获得注意力权重矩阵，将所述第三特征向量输入至类激活图网络，获得类激活图；步骤
S7
：将所述注意力权重矩阵与所述类激活图进行点乘，获得特征热图；步骤
S8
：将所述特征热图输入全连接层进行分类，在分类的过程中，使用损失函数对所述特征热图进行约束，获得精确特征热图；步骤
S9
：裁剪所述精确特征热图，获得多个精确特征热图块，将每个所述精确特征热图块输入至卷积神经网络，获得检测结果，将每一个特征热图块对应的检测结果进行拼接，完成对所述待检测图像的检测
。
[0007]进一步地，步骤
S2
的具体过程包括：步骤
S2.1
：将所述待检测图像进行二值化处理，获得与所述待检测图像对应的二值图像；步骤
S2.2
：根据所述二值图像的灰度值分布特点，对所述二值图像进行裁剪，获得包含感兴趣区域的图像；步骤
S2.3
：使用滑动窗口划分所述包含感兴趣区域的图像，获得多个图像块
。
[0008]进一步地，步骤
S2.3
将所述包含感兴趣区域的图像划分为
ROWCOL
个图像块，
[0009]其中
ROW=8
，
COL
由下式确定：
[0010]式中表示感兴趣区域的宽，为滑动窗口的长度，表示步长
。
[0011]进一步地，步骤
S4
中所述特征描述器是一个具有学习参数能力的辅助网络，所述辅助网络可将与所述图像块对应的特征向量转化成面向目标数据集的特征向量
。
[0012]进一步地，步骤
S5
中所述匹配结果由异常得分函数确定：
[0013][0014]式中表示记忆库中第个最近邻特征向量，表示面向目标数据集的特征向量与记忆库中第个最近邻特征向量之间的欧式距离
。
[0015]进一步地，步骤
S5
中对图像块的标签赋值，赋值如下：若所述图像块有缺陷，则所述图像块标签，若所述图像块无缺陷，则所述图像块的标签
。
[0016]进一步地，步骤
S8
将二元交叉熵作为所述损失函数，损失函数由下式确定：
[0017][0018]式中表示待检测图像对应的标签，表示预测概率，表示样本数
。
[0019]进一步地，步骤
S9
具体包括：步骤
S9.1
：将所述精确特征热图进行二值化处理，获得二值热图；步骤
S9.2
：将所述二值热图使用滑动窗口进行裁剪，获得多个二值热图块；
步骤
S9.3
：将二值热图块逐个输入卷积神经网络，获得所述二值热图块的检测结果，若有一个二值热图块识别结果异常，则所述二值热图块对应的二值热图为异常，将所有二值热图块拼接还原为所述二值热图，所述二值热图的热图值为0，若所有二值热图块的识别结果均为正常，则所述二值热图为正常，所述二值热图的热图值为
1 ，完成对所述待检测图像的检测
。
[0020]进一步地，步骤
S9.1
使用大律法处理所述精确特征热图，获得二值热图
。
[0021]另外，本专利技术还提供一种喷墨打印的缺陷检测系统，包括：获取模块：获取待检测图像；划分模块：将所述待检测图像划分为多个图像块；获取特征向量模块：将每个所述图像块输入至
Transformer
中，获得与所述图像块对应的特征向量，记作第一特征向量；
[0022]获取面向目标数据集的特征向量模块：将所述第一特征向量输入至特征描述器中，获得第二特征向量并存储至记忆库，所述第二特征向量为面向目标数据集的特征向量；获取标签模块：将所述第二特征向量和通过超球搜索算法在记忆库中搜索到的与所述第二特征向量最近邻特征向量进行匹配，根据匹配结果判断所述图像块是否存在缺陷并进行图像块的标签赋值；获取注意力权重矩阵和类激活图模块：将所述待检测图像分别输入至特征提取网络，获得与所述待检测图像对应的特征向量，记作第三特征向量，将所述第三特征向量输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种喷墨打印的缺陷检测方法，其特征在于，包括：步骤
S1
：获取待检测图像；步骤
S2
：将所述待检测图像划分为多个图像块；步骤
S3
： 将每个所述图像块输入至
Transformer
中，获得与所述图像块对应的特征向量，记作第一特征向量；步骤
S4
：将所述第一特征向量输入至特征描述器中，获得第二特征向量并存储至记忆库，所述第二特征向量为面向目标数据集的特征向量；步骤
S5
：将所述第二特征向量和通过超球搜索算法在记忆库中搜索到的与所述第二特征向量最近邻特征向量进行匹配，根据匹配结果判断所述图像块是否存在缺陷并进行图像块的标签赋值；步骤
S6
：将所述待检测图像分别输入至特征提取网络，获得与所述待检测图像对应的特征向量，记作第三特征向量，将所述第三特征向量输入至注意力机制，获得注意力权重矩阵，将所述第三特征向量输入至类激活图网络，获得类激活图；步骤
S7
：将所述注意力权重矩阵与所述类激活图进行点乘，获得特征热图；步骤
S8
：将所述特征热图输入全连接层进行分类，在分类的过程中，使用损失函数对所述特征热图进行约束，获得精确特征热图；步骤
S9
：裁剪所述精确特征热图，获得多个精确特征热图块，将每个所述精确特征热图块输入至卷积神经网络，获得检测结果，将每一个特征热图块对应的检测结果进行拼接，完成对所述待检测图像的检测
。2.
根据权利要求1所述的一种喷墨打印的缺陷检测方法，其特征在于，步骤
S2
的具体过程包括：步骤
S2.1
：将所述待检测图像进行二值化处理，获得与所述待检测图像对应的二值图像；步骤
S2.2
：根据所述二值图像的灰度值分布特点，对所述二值图像进行裁剪，获得包含感兴趣区域的图像；步骤
S2.3
：使用滑动窗口划分所述包含感兴趣区域的图像，获得多个图像块
。3.
根据权利要求2所述的一种喷墨打印的缺陷检测方法，其特征在于，步骤
S2.3
将所述包含感兴趣区域的图像划分为
ROWCOL
个图像块，其中
ROW=8
，
COL
由下式确定：式中表示感兴趣区域的宽，为滑动窗口的长度，表示步长
。4.
根据权利要求2所述的一种喷墨打印的缺陷检测方法，其特征在于，步骤
S4
中所述特征描述器是一个具有学习参数能力的辅助网络，所述辅助网络可将与所述图像块对应的特征向量转化成面向目标数据集的特征向量
。5.
根据权利要求4所述的一种喷墨打印的缺陷检测方法，其特征在于，步骤
S5
中所述匹配结果由异常得分函数确定：
式中表示记忆库中第个最近邻特征...

【专利技术属性】
技术研发人员：蔡念，陈彦霖，罗智浩，王晗，唐焕康，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：