【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种反光擦除网络的训练及其反光擦除方法、装置和设备。
技术介绍
1、在工业制造中，高光泽度材料常用于加工一些具有一定平整度和表面纹理清晰的工件。这类大多数工件通常表面较为光滑，在进行表面检测时通常需要使用光源对工件进行补光处理。然而有一些工件表面不仅光滑，还具有高反光等特性，这就使得获取到的图片表面反光严重，导致工件的缺陷表面不清晰，无法在图片中获取到工件反光部位的细节。从而影响到检测时会影响被测物的缺陷特征提取，使得缺陷检测结果出现错检漏检，降低这类工件表面缺陷检测成功率，对工件的缺陷检测造成了很大的困难。
2、因此，如何对这类工件进行反光去除，以准确进行表面缺陷检测，仍然需要提供进一步的解决方案。
技术实现思路
1、本申请的多个方面提供一种反光擦除网络的训练及其反光擦除方法、装置和设备，用于解决对具备反光特性的工件的缺陷检测成功率较低的问题。
2、本申请实施例提供一种反光擦除网络的训练方法，包括：获取多个反光工件在多个不同成像效果下的原始反光图像，以及所述多个反光工件的原始无反光图像；建立多个反光工件中各反光工件的原始反光图像和原始无反光图像之间的映射关系，以获取反光擦除网络训练集；基于所述反光擦除网络训练集，训练得到反光擦除网络，所述反光擦除网络包括第一生成器、第二生成器、第一判别器和第二判别器，所述第一生成器与所述第一判别器连接，所述第二生成器和所述第二判别器连接，多个所述反光工件中各反光工件的原始反光图像作为所述第一生成
3、本申请实施例还提供一种反光擦除方法，包括：获取待反光擦除的目标工件图像；将所述目标工件图像输入至反光检测网络中，以输出所述目标工件图像中的反光检测结果，所述反光检测网络为基于多个反光图像和对应的反光区域标注训练得到的；基于反光擦除网络和所述目标工件图像的反光检测结果，对所述目标工件图像进行反光擦除操作，得到反光擦除后的目标工件图像，所述反光擦除网络为基于反光擦除网络的训练方法训练得到的。
4、本申请实施例还提供一种反光擦除网络的训练装置，包括：图像获取模块，用于获取多个反光工件在多个不同成像效果下的原始反光图像，以及所述多个反光工件的原始无反光图像；关系建立模块，用于建立多个反光工件中各反光工件的原始反光图像和原始无反光图像之间的映射关系，以获取反光擦除网络训练集；网络训练模块，用于基于所述反光擦除网络训练集，训练得到反光擦除网络，所述反光擦除网络包括第一生成器、第二生成器、第一判别器和第二判别器，所述第一生成器与所述第一判别器连接，所述第二生成器和所述第二判别器连接，多个所述反光工件中各反光工件的原始反光图像作为所述第一生成器的输入，多个所述反光工件中各反光工件的原始无反光图像作为所述第二生成器的输入；其中，所述第一生成器的网络模块和所述第二生成器的网络模块的网络结构相同，包括编码器、辅助分类器和解码器；所述第一判别器的网络模块和所述第二判别器的网络模块的网络结构相同，包括编码器和辅助分类器；所述第一生成器用于基于输入的反光工件的原始反光图像生成所述输入的反光工件的无反光图像，所述第一判别器用于确定所述第一生成器模块生成的所述输入的反光工件的无反光图像、与所述输入的反光工件的原始无反光图像之间的相似度；所述第二生成器用于基于输入的反光工件的原始无反光图像生成所述输入的反光工件的反光图像，所述第二判别器用于确定所述第二生成器模块生成的所述输入的反光工件的反光图像、与所述输入的反光工件的原始反光图像之间的相似度。
5、本申请实施例还提供一种反光擦除装置，包括：图像获取模块，用于获取待反光擦除的目标工件图像；反光检测模块，用于将所述目标工件图像输入至反光检测网络中，以输出所述目标工件图像中的反光检测结果，所述反光检测网络为基于多个反光图像和对应的反光区域标注训练得到的；反光擦除模块，用于基于反光擦除网络和所述目标工件图像的反光检测结果，对所述目标工件图像进行反光擦除操作，得到反光擦除后的目标工件图像，所述反光擦除网络为基于反光擦除网络的训练方法训练得到的。
6、本申请实施例还提供一种电子设备，包括：存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，与所述存储器耦合，用于执行所述计算机程序，以用于实现如反光擦除网络的训练方法或如反光擦除方法中的步骤。
7、本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时，致使所述处理器实现如反光擦除网络的训练方法或如反光擦除方法中的步骤。
8、本申请实施例中提供的反光擦除网络的训练方法，能够获取多个反光工件在多个不同成像效果下的原始反光图像，以及多个反光工件的原始无反光图像；再建立多个反光工件中各反光工件的原始反光图像和原始无反光图像之间的映射关系，以获取反光擦除网络训练集；最后基于建立了各反光工件的原始反光图像和原始无反光图像之间的映射关系的反光擦除网络训练集，训练得到反光擦除网络，该反光擦除网络包括第一生成器、第二生成器、第一判别器和第二判别器，第一生成器与第一判别器连接，第二生成器和第二判别器连接，多个反光工件中各反光工件的原始反光图像作为第一生成器的输入，多个反光工件中各反光工件的原始无反光图像作为第二生成器的输入；其中，所述第一生成器的网络模块和所述第二生成器的网络模块的网络结构相同，包括编码器、辅助分类器和解码器；所述第一判别器的网络模块和所述第二判别器的网络模块的网络结构相同，包括编码器和辅助分类器。由于第一生成器用于基于输入的反光工件的原始反光图像生成输入的反光工件的无反光图像，第一判别器用于确定第一生成器模块生成的输入的反光工件的无反光图像、与输入的反光工件的原始无反光图像之间的相似度，而且第二生成器用于基于输入的反光工件的原始无反光图像生成输入的反光工件的反光图像，第二判别器则用于确定第二生成器模块生成的输入的反光工件的反光图像、与第输入的反光工件的原始反光图像之间的相似度，显然，第一判别器的结果能够用来优化第一生成器的网络参数，第二判别器的结果能够用来优化第二生成器的网络参数，而且第一生成器的输出结果又作为第一判别器的输入，第二生成器的输出结果作为第二判别器的输入，使得第本文档来自技高网...
【技术保护点】
1.一种反光擦除网络的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述反光擦除网络训练集，训练得到反光擦除网络，包括：
3.如权利要求1或2所述的方法，其特征在于，所述编码器用于对输入图像分别进行降采样操作以及通过图像特征提取网络进行特征编码操作得到编码特征图，所述辅助分类器用于基于所述编码特征图生成高语义向量，得到注意力特征图，所述解码器用于对所述注意力特征图进行解码操作得到待输出图像，并对所述待输出图像进行上采样操作得到输出图像，其中，所述解码器由全连接层和自适应图像特征提取网络组成。
4.一种反光擦除方法，其特征在于，所述方法包括：
5.如权利要求4所述的方法，其特征在于，所述基于反光擦除网络和所述目标工件图像的反光检测结果，对所述目标工件图像进行反光擦除操作，得到反光擦除后的目标工件图像，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述目标工件图像的多个反光区域的外接矩形的中心点坐标、宽、高和对应的旋转角度，对所述目标工件图像的多个反光区域进行聚合处理，得到所述目标工
7.如权利要求4所述的方法，其特征在于，所述反光检测网络的构建过程包括：
8.如权利要求7所述的方法，其特征在于，所述反光检测网络为基于目标检测网络MobileNetV3-Small构建得到的，所述反光检测网络包含所述MobileNetV3-Small的前10层网络结构，所述反光检测网络通过线性插值实现上采样；所述反光检测网络在训练时通过增加辅助分割头和对应的损失指导所述反光检测网络的训练过程。
9.一种反光擦除网络的训练装置，其特征在于，包括：
10.一种反光擦除装置，其特征在于，包括：
11.一种电子设备，其特征在于，包括：存储器和处理器；
12.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，致使所述处理器实现如权利要求1至3任一所述的反光擦除网络的训练方法或如权利要求4至8任一所述的反光擦除方法中的步骤。
...【技术特征摘要】
1.一种反光擦除网络的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述反光擦除网络训练集，训练得到反光擦除网络，包括：
3.如权利要求1或2所述的方法，其特征在于，所述编码器用于对输入图像分别进行降采样操作以及通过图像特征提取网络进行特征编码操作得到编码特征图，所述辅助分类器用于基于所述编码特征图生成高语义向量，得到注意力特征图，所述解码器用于对所述注意力特征图进行解码操作得到待输出图像，并对所述待输出图像进行上采样操作得到输出图像，其中，所述解码器由全连接层和自适应图像特征提取网络组成。
4.一种反光擦除方法，其特征在于，所述方法包括：
5.如权利要求4所述的方法，其特征在于，所述基于反光擦除网络和所述目标工件图像的反光检测结果，对所述目标工件图像进行反光擦除操作，得到反光擦除后的目标工件图像，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述目标工件图像的多个反光区域的外接矩形的中心点坐标、宽、高和对应的旋...
【专利技术属性】
技术研发人员：高红超，王振南，
申请(专利权)人：广东奥普特科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。