基于特征提取和稀疏表示的表面缺陷检测方法及系统技术方案

本发明专利技术提供了一种基于特征提取和稀疏表示的表面缺陷检测方法及系统，包括：步骤S1：获取目标表面的图像数据并进行预处理；步骤S2：使用深度卷积神经网络对图像数据进行特征提取，得到特征图；步骤S3：训练图像数据，对提取的特征进行提炼和优化，学习得到字典；步骤S4：根据字典，对图像数据的特征进行稀疏编码，并计算缺陷分数及重建误差；步骤S5：根据重建误差得到缺陷分数图，对缺陷分数图进行后处理，得到缺陷检测结果。本发明专利技术提供的方法及系统不需要依靠大量人工数据标注，只需少量的无缺陷数据样本进行训练便能够同时检测缺陷的位置、大小和类别的问题，降低了成本，提高了工作效率，具有较好的泛化性及实用性。

【技术实现步骤摘要】

本专利技术涉及缺陷检测，具体地，涉及一种基于特征提取和稀疏表示的表面缺陷检测方法及系统。

技术介绍

1、在工业生产和制造过程中，缺陷的检测和识别是至关重要的。缺陷的存在可能会导致产品质量下降、出现安全隐患以及生产线停机等问题，给企业带来巨大的损失。因此，高效准确地检测和定位缺陷对于保证产品质量和生产效率至关重要，同时，缺陷分类还可以帮助企业快速找到缺陷产生的问题并及时解决，从而保证了企业的利益。

2、近年来，基于图像处理和分析的缺陷检测技术取得了显著的进展。这些技术利用数字图像采集设备获取产品表面的图像数据，并通过图像处理和分析算法进行缺陷检测。然而，传统的基于图像处理的缺陷检测方法在实际应用中仍然存在一些挑战和局限性。

3、目前较多的缺陷检测模型依赖于目标检测技术，特别是基于深度学习的方法，如yolo(you only look once)和faster r-cnn(region-based convolutional neuralnetworks)，这些技术虽然可以高效地检测和定位缺陷，但却需要使用大量的标注数据来训练网络模型；本文档来自技高网...

【技术保护点】

1.一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤S1包括以下子步骤：

3.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤S2包括以下子步骤：

4.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤S3包括以下子步骤：

5.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤S4包括以下子步骤：

<p>6.根据权利要求...

【技术特征摘要】

1.一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤s1包括以下子步骤：

3.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤s2包括以下子步骤：

4.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤s3包括以下子步骤：

5.根据权利要求1所述的一种基于特征提取和稀疏表示的表面缺陷检测方法，其特征在于，所述步骤s4包括以下子步骤：

...

【专利技术属性】
技术研发人员：周常胜，赵旭，
申请(专利权)人：上海交通大学内蒙古研究院，
类型：发明
国别省市：