【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种工业产品图像中缺陷的检测方法及其装置。
技术介绍
1、在机器视觉领域中，基于深度学习的语义分割技术广泛应用于工业图像的缺陷检测，且其效果显著。随着市场的不断发展，高质量、高性能、高精度的“三高”工业产品需要更高精度的质量检测，例如智能设备的芯片、新能源汽车的动力电池、飞机的螺丝钉等精密设备，因此，生产厂商对产品精细化检测的需求旺盛。其中，最迫切的需求是对“隐蔽缺陷”的检测。
2、隐蔽缺陷，主要体现在以下几个特点：一是该缺陷与周围背景高度相似，缺陷处像素灰度、对比度与其附近正常区域相近或类似，而常规检测方法难以对其区分；二是缺陷区域的面积较小，缺乏充足的外观信息，呈现“细小”、“微弱”、“模糊不清”的特点，神经网络难以提取有效的辨识性特征；三是缺陷的类别多，隐蔽缺陷展现的形态及外观类型较多，因此需要识别的缺陷类别多。隐蔽缺陷与常规缺陷（例如“划痕”、“污染”、“孔洞”等）最大的不同之处在于隐蔽缺陷与背景的高度相似性，叠加小目标以及多类别等诸多因素，一般的检测方法难以识别，甚至神经网络无法训练...
【技术保护点】
1.一种工业产品图像中缺陷的检测方法，其特征在于，包括：
2.如权利要求1所述的检测方法，其特征在于，所述n层中间层特征图ti为特征提取模块中连续的n个中间层输出的特征图，且该n个中间层的层数不高于预设的层数阈值；
3.如权利要求1所述的检测方法，其特征在于，所述对所述第一压缩特征图c1和所述n-1个第二压缩特征图cj进行特征融合，以获得融合特征图，包括：
4.如权利要求3所述的检测方法，其特征在于，所述特征融合子模块的数据处理流程包括：
5.如权利要求1所述的检测方法，其特征在于，所述对所述融合特征图进行注意力增强处理...
【技术特征摘要】
1.一种工业产品图像中缺陷的检测方法，其特征在于，包括：
2.如权利要求1所述的检测方法，其特征在于，所述n层中间层特征图ti为特征提取模块中连续的n个中间层输出的特征图，且该n个中间层的层数不高于预设的层数阈值；
3.如权利要求1所述的检测方法，其特征在于，所述对所述第一压缩特征图c1和所述n-1个第二压缩特征图cj进行特征融合，以获得融合特征图，包括：
4.如权利要求3所述的检测方法，其特征在于，所述特征融合子模块的数据处理流程包括：
5.如权利要求1所述的检测方法，其特征在于，所述对所述融合特征图进行注意力增强处理，以获得注意力增强特征图，包括：
6.如权利要求1所述的检测方法，其特征在于，所述对所述注意力增强特征图中缺陷的边缘进行增强处理，以获得边缘增强分数图，包括：
7.如权利要求1所述的检测方...
【专利技术属性】
技术研发人员：曾利宏，杨洋，李杰明，郭家元，翟爱亭，
申请(专利权)人：深圳市华汉伟业科技有限公司，
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。