System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于工业检测,尤其涉及一种产品缺陷的增强方法和装置,以及电子设备和计算机存储介质。
技术介绍
1、在工业检测
,有些产品缺陷对光源角度有要求,需要特定方向的光源角度才能够将产品缺陷显现出来,且方向不固定,例如带方向的缺陷,需要多角度打光才能凸显出产品缺陷,使得准确识别出产品缺陷变得更加困难。现有技术中提供的产品缺陷的检测方法中,其使用不同方向的光源照射物体来产生不同的明暗效果,进而还原出物体表面的三维结构,生成光度立体图像来增强产品缺陷,但作为一种非标定算法,其存在增强准确性差的缺陷。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种产品缺陷的增强方法和装置,以及电子设备和计算机存储介质,能够快速、精准地增强产品缺陷,提高产品缺陷检测的准确率。
2、第一方面,本申请提供了一种产品缺陷的增强方法,包括:
3、获取待检测产品的至少两个产品图像,每个产品图像为从不同方向照射被检测产品时采集;
4、通过预训练的光度立体图像生成模型,基于至少两个产品图像,获取被检测产品的表面法线图,以及根据检测产品的表面法线图生成被检测产品的光度立体图像,光度立体图像中的产品缺陷被增强。在一些实施例中,至少两个产品图像为在图像采集设备和待检测产品的位置固定,光源从不同光照方向照射时采集。
5、在一些实施例中,预训练的光度立体图像生成模型包括法线图生成单元和缺陷增强单元;
6、通过预训练的光度立体图像
7、通过所述法线图生成单元,基于至少两个产品图像获取被检测产品的表面法线图;
8、通过所述缺陷增强单元,基于被检测产品的表面法线图生成所述被检测产品的光度立体图像。
9、在一些实施例中,法线图生成单元包括方向与强度预测网络和表面法线图预测网络;
10、通过法线图生成单元,基于至少两个产品图像获取被检测产品的表面法线图,包括:
11、通过所述方向与强度预测网络,基于至少两个产品图像获取采集每个产品图像时的光照方向与光照强度;
12、通过表面法线图预测网络,基于至少两个产品图像,以及每个产品图像采集时的光照方向与光照强度获取被检测产品的表面法线图。
13、在一些实施例中,方向与强度预测网络包括依次级联的第一特征提取器、第一融合层和光照预测子网络;
14、第一特征提取层用于从至少两个产品图像中提取图像特征信息;
15、第一融合层用于从至少两个产品图像的图像特征信息中提取每个产品图像的显著图像特征信息;
16、光照预测子网络用于根据每个产品图像的显著图像特征信息获取每个产品图像采集时的光照方向与光照强度。
17、在一些实施例中,法向量预测网络包括依次级联的第二特征提取器、第二融合层和法向回归子网络;
18、第二特征提取器用于基于至少两个产品图像,以及每个产品图像采集时的光照方向与光照强度,获取被检测产品的表面特征信息;
19、第二融合层用于从被检测产品的表面特征信息中提取被检测产品的显著表面特征信息;
20、法向回归子网络用于根据被检测产品的显著表面特征信息获取被检测产品的表面法线图。
21、在一些实施例中,方向与强度预测网络包括的依次级联的第一特征提取器、第一融合层和光照预测子网络共享权重;
22、法向量预测网络包括的依次级联的第二特征提取器、第二融合层和法向回归子网络共享权重。
23、第二方面,本申请还提供了一种产品缺陷的增强装置,包括:
24、图像获取模块,用于获取待检测产品的至少两个产品图像,每个产品图像为从不同方向照射被检测产品时采集;
25、缺陷增强模块,用于通过预训练的光度立体图像生成模型,基于至少两个产品图像,获取被检测产品的表面法线图,以及根据被检测产品的表面法线图生成被检测产品的光度立体图像,光度立体图像中的产品缺陷被增强。
26、第三方面,本申请提供了一种电子设备,包括处理器和存储器,该处理器用于执行所述存储器中的计算机程序,所述计算机程序能够执行上述的产品缺陷的增强方法。
27、第四方面,本申请提供了一种计算机存储介质,用于存储计算机程序,该计算机程序能够执行上述的产品缺陷的增强方法。
28、本申请实施例提供的是一种产品缺陷的增强技术方案,是一种利用深度学习对产品缺陷进行增强的技术方案,在该技术方案中使用了预训练的光度立体图像生成模型,这种深度学习技术方案具有高度自动化和计算效率高的优点,同时在预训练过程中光度立体图像生成模型通过大量样本数据的学习,使其能够满足高精度现场要求,在预训练过程中通过使用多类型材质产品的产品图像进行训练,也能够使得预训练后的光度立体图像生成模型能够适应不同材质产品的需求,打破产品材料的限制,提高通用性能。对于本申请实施例中得到的产品缺陷增强后的光度立体图像,其也能够提高后续产品缺陷检测过程中的准确率。
29、本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种产品缺陷的增强方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述至少两个产品图像为在图像采集设备和所述待检测产品的位置固定,光源从不同光照方向照射时采集。
3.根据权利要求1所述的方法,其特征在于,所述预训练的光度立体图像生成模型包括法线图生成单元和缺陷增强单元;
4.根据权利要求3所述的方法,其特征在于,所述法线图生成单元包括方向与强度预测网络和表面法线图预测网络;
5.根据权利要求4所述的方法,其特征在于,所述方向与强度预测网络包括依次级联的第一特征提取器、第一融合层和光照预测子网络;
6.根据权利要求4所述的方法,其特征在于,所述法线图预测网络包括依次级联的第二特征提取器、第二融合层和法向回归子网络;
7.根据权利要求5或者6所述的方法,其特征在于,所述方向与强度预测网络包括的依次级联的第一特征提取器、第一融合层和光照预测子网络共享权重;
8.一种产品缺陷的增强装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器和存储器,该处理器用于执
10.一种计算机存储介质,其特征在于,用于存储计算机程序,该计算机程序能够执行权利要求1-7任一所述的产品缺陷的增强方法。
...【技术特征摘要】
1.一种产品缺陷的增强方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述至少两个产品图像为在图像采集设备和所述待检测产品的位置固定,光源从不同光照方向照射时采集。
3.根据权利要求1所述的方法,其特征在于,所述预训练的光度立体图像生成模型包括法线图生成单元和缺陷增强单元;
4.根据权利要求3所述的方法,其特征在于,所述法线图生成单元包括方向与强度预测网络和表面法线图预测网络;
5.根据权利要求4所述的方法,其特征在于,所述方向与强度预测网络包括依次级联的第一特征提取器、第一融合层和光照预测子网络;
6.根据权利要求4所述的方...
【专利技术属性】
技术研发人员:李楠,
申请(专利权)人:凌云光技术股份有限公司,
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。