【技术实现步骤摘要】
本专利技术涉及计算机视觉和深度学习，尤其涉及一种基于多模态视觉的缺陷检测方法及系统。
技术介绍
1、在现代制造业和产品维护领域，表面缺陷检测对于确保产品质量的稳定性和系统的安全性至关重要。随着深度学习技术的飞速发展，智能缺陷检测方法的研究与实践已经取得了显著进展，极大地提高了工业生产中质量控制的可靠性和效率。然而，目前主流的智能缺陷检测技术主要依赖于单一的rgb图像信息。当物体表面的颜色和纹理与背景相似时，缺陷可能难以从rgb图像中被有效区分。
2、针对这一挑战，深度成像技术的发展为缺陷检测带来了新的机遇。深度图像(depth map)提供了丰富的几何形状信息，有助于算法基于物体的立体特征更准确地识别缺陷，并适应各种场景的变化。然而，深度图像与rgb图像在质量和语义上的差异，意味着不能简单地将两者同等对待并采用传统的特征融合策略。这种方法在表面缺陷检测领域无法充分发挥两者的互补优势。此外，在背景复杂、前景与背景对比不明显的缺陷场景中，以往的检测算法也难以精准地定位缺陷的边界区域。
技术实现思路b>
1本文档来自技高网...
【技术保护点】
1.一种基于多模态视觉的缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述对RGB图像和深度图像分别进行特征提取，获得多级RGB编码特征和多级深度编码特征之前，还包括步骤：
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述对RGB图像和深度图像分别进行特征提取，获得多级RGB编码特征和多级深度编码特征，包括步骤：
4.根据权利要求1所述的缺陷检测方法，其特征在于，所述生成含缺陷边缘特征的边缘图，包括步骤：
5.根据权利要求1所述的缺陷检测方法，其特征在于，所述根...
【技术特征摘要】
1.一种基于多模态视觉的缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述对rgb图像和深度图像分别进行特征提取，获得多级rgb编码特征和多级深度编码特征之前，还包括步骤：
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述对rgb图像和深度图像分别进行特征提取，获得多级rgb编码特征和多级深度编码特征，包括步骤：
4.根据权利要求1所述的缺陷检测方法，其特征在于，所述生成含缺陷边缘特征的边缘图，包括步骤：
5.根据权利要求1所述的缺陷检测方法，其特征在于，所述根据所述多级rgb-d编码特征和所述缺陷边缘特征进行解码，获得缺陷预测图，包括步骤：<...
【专利技术属性】
技术研发人员：徐明亮，姜晓恒，杨谦威，卢洋，崔丽莎，
申请(专利权)人：郑州大学，
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。