一种工业视觉缺陷检测方法技术

本发明专利技术提供一种工业视觉缺陷检测方法，其通过使用神经网络自动学习阈值实现产品的缺陷（瑕疵）检测，以实现显著地提高了检测准确性，降低了缺陷漏检率和过杀率，此外，由于本工业视觉缺陷检测方法已经自动学习出二值近似图像，因此，只需要一个简单阈值就能把二值近似图像二值化为标准的二值图像，从而实现缺陷检测；本发明专利技术属于视觉检测的技术领域。

【技术实现步骤摘要】

本专利技术属于视觉检测的，尤其涉及一种工业视觉缺陷检测方法。

技术介绍

1、在工业制造生产过程中，由于工艺原因，生产的产品不可避免地会产生缺陷（瑕疵），从而导致该产品不合格，为了使机器能够自动地检测出不合格产品，那么则需要检测产品上是否存在缺陷。

2、当前，一种常用的缺陷检测方法主要是使用自编码器网络进行检测，自编码器网络是一种深度学习神经网络，常用于图像修复或图像重建等场景。自编码器网络用于缺陷检测的流程包括：对需要检测缺陷的产品使用工业相机采集图像，将采集到的图像输入到训练（学习）好的自编码器网络中，自编码器网络输出重建后的图像。在理论上，如果输入图像中不存在缺陷，输出的重建图像和输入图像完全相同；如果输入图像中存在缺陷，那么重建的图像中修复了该缺陷，也就是说重建图像中该缺陷不存在了；因此，通过对比输入图像和重建图像，在图像中两者产生差异的区域就表明该区域就是缺陷，其中，具体做法是：将输入图像和重建图像相减，得到相减后的图像，再对相减后的图像中的每个数值取绝对值得到单通道的差异图像，然后人为设置阈值将差异图像二值化为二值图像，通过一些图像处本文档来自技高网...

【技术保护点】

1.一种工业视觉缺陷检测方法，其特征在于，其应用于神经网络，所述神经网络包括自编码器网络和阈值学习网络；

2.根据权利要求1所述的一种工业视觉缺陷检测方法，其特征在于，还包括以下步骤：

3.根据权利要求2所述的一种工业视觉缺陷检测方法，其特征在于，还包括以下步骤：

4.根据权利要求3所述的一种工业视觉缺陷检测方法，其特征在于：为了学习各模块中的参数，网络的总损失函数为Loss = Loss_mask +  * Loss_image，其中是权重系数。

5.根据权利要求1所述的一种工业视觉缺陷检测方法，其特征在于：所述卷积模块1由一个卷积核数量...

【技术特征摘要】

1.一种工业视觉缺陷检测方法，其特征在于，其应用于神经网络，所述神经网络包括自编码器网络和阈值学习网络；

2.根据权利要求1所述的一种工业视觉缺陷检测方法，其特征在于，还包括以下步骤：

3.根据权利要求2所述的一种工业视觉缺陷检测方法，其特征在于，还包括以下步骤：

4.根据权利要求3所述的一种工业视觉缺陷检测方法，其特征在于：为了学习各模块中的参数，网络的总损失函数为loss = loss_mask +  * loss_image...

【专利技术属性】
技术研发人员：李晓刚，肖高博，骆韬，
申请(专利权)人：珠海博韬科技有限公司，
类型：发明
国别省市：