【技术实现步骤摘要】
本专利技术属于图像处理，具体地说，是涉及基于图像处理的缺陷检测技术，更具体地说，是涉及基于信息特征分离重构的缺陷检测方法及装置。
技术介绍
1、随着工业制造能力的飞速发展，市场对于工业产品质量的要求愈发提高，因此对于生产产品的质量检测也越来越重要。在工业生产过程中，由于现有技术、环境条件、生产原材料、人为错误等因素影响，产品缺陷的产生是无法避免的。缺陷检测作为质量检测的一个环节，是对各种产品的表面进行检测，表面缺陷也是产品质量受到影响的最直观表现。在技术落后的时代，人工缺陷检测曾经是主流方法，但这需要耗费大量的人力物力，且检测结果相对主观，且速度慢，目前已被使用计算机的方法替代。
2、使用计算机的表面缺陷检测手段通常采用基于特征的机器视觉算法，通过从图像中提取纹理特征、颜色特征、形状特征等，基于提取的特征进行缺陷检测。因此，缺陷特征的提取对于检测的速度和准确性至关重要。近年来，为了提高检测的速度与效果，基于深度学习的缺陷检测逐渐占据主导位置。因为缺陷样本通常来说数量较少，现有技术提出通过采用两种域泛化策略和一种噪声正则化策略...
【技术保护点】
1.一种基于信息特征分离重构的缺陷检测方法，其特征在于，所述方法基于YOLO架构，包括下述过程：
2.根据权利要求1所述的基于信息特征分离重构的缺陷检测方法，其特征在于，所述权重分离重构模块对所述第一特征图进行组归一化，获得可训练参数，基于所述可训练参数获得更新的通道权重，基于所述更新的通道权重对组归一化后的特征重新加权，将重新加权后的结果分离为两部分，分别进行权重分离，获得缺陷区域特征图和背景区域特征图，包括：
3.根据权利要求2所述的基于信息特征分离重构的缺陷检测方法，其特征在于，将所述缺陷区域特征图和所述背景区域特征图进行特征重构，获得权...
【技术特征摘要】
1.一种基于信息特征分离重构的缺陷检测方法，其特征在于，所述方法基于yolo架构，包括下述过程：
2.根据权利要求1所述的基于信息特征分离重构的缺陷检测方法，其特征在于，所述权重分离重构模块对所述第一特征图进行组归一化，获得可训练参数，基于所述可训练参数获得更新的通道权重，基于所述更新的通道权重对组归一化后的特征重新加权，将重新加权后的结果分离为两部分，分别进行权重分离，获得缺陷区域特征图和背景区域特征图，包括：
3.根据权利要求2所述的基于信息特征分离重构的缺陷检测方法，其特征在于，将所述缺陷区域特征图和所述背景区域特征图进行特征重构，获得权重分离重构特征图，包括：
4.根据权来要求1所述的基于信息特征分离重构的缺陷检测方法，其特征在于，所述上层通道部分的通道数量大于所述下层通道部分...
【专利技术属性】
技术研发人员：高颖，张宗帅，朱旅潍，李永庆，赵琦，颜军，
申请(专利权)人：青岛科技大学，
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。