基于视觉注意机制下的铜带表面缺陷快速检测方法技术

本发明专利技术公开了一种基于视觉注意机制下的铜带表面缺陷快速检测方法，包括以下步骤，1）输入铜带表面图像，提取铜带表面图像自顶向下的注意信息；2）提取铜带表面图像自底向上的注意信息；3）引入场景中目标和背景干扰的统计先验信息；4）根据自底向上和自顶向下注意信息，协同工作，建立双向协同的视觉注意模型；5）通过建立的视觉注意模型，进行铜带表面缺陷在线检测，输出检测结果。本发明专利技术能够解决复杂、恶劣的工况环境下的缺陷检测难点问题，且具有很高的实时性、可靠性和鲁棒性，思路清晰，方法独特，具有良好的应用前景。

【技术实现步骤摘要】

本专利技术涉及一种面向金属板带材表面缺陷的基于视觉注意机制下的在线快速检测方法，属于视觉检测和图像分析

技术介绍
由于铜带生产工艺现场环境复杂多变，光线变化、噪声干扰严重等因素均易导致图像质量下降，图像的信噪比低，加之大多数表面缺陷目标尺度较小、对比度较低，属于弱小目标，因此针对铜带表面缺陷检测和识别的可靠性、实时性以及稳健性等方面存在较大的挑战，传统的铜带表面缺陷检测方法，首先是做图像去噪、图像增强等图像预处理来消除噪音的影响、增强和突出目标特征，使其更容易从背景中分离出来，这种传统的图像处理方法虽然在一定程度上减少噪声的视觉影响，但对于干扰较强的噪声作用不大，而且过度的去噪等处理不仅会损失待检测缺陷目标本身的图像特征，而且也会影响检测的实时性，因此需要一种理想的解决办法是检测模型本身具有较强的抗噪能力，具备较强的鲁棒性。
技术实现思路
为了解决现有技术中传统的铜带表面缺陷检测方法，会损失待检测缺陷目标本身的图像特征，且实时性、鲁棒性差的问题。本专利技术提供的，能够解决复杂、恶劣的工况环境下的缺陷检测难点问题，且具有很高的实时性、可靠性和鲁棒性，思路清晰，方法独特，具有良好的应用前景。为了到达上述目的，本专利技术所采取的技术方案是:一种，其特征在于:包括以下步骤，步骤(I)输入铜带表面图像，提取铜带表面图像自顶向下的注意信息；步骤(2)提取铜带表面图像自底向上的注意信息；步骤(3)引入场景中目标和背景干扰的统计先验信息；步骤(4)根据自底向上和自顶向下注意信息，协同工作，建立双向协同的视觉注意模型；步骤(5)通过建立的视觉注意模型，进行铜带表面缺陷在线检测，输出检测结果。前述的，其特征在于:步骤(I)提取铜带表面图像自顶向下的注意信息包括目标出现概率P(TnIV)和干扰出现概率P(DjV)。前述的，其特征在于:目标出现概率P(TnIV)的计算方法，包括以下步骤，(I)根据贝叶斯理论，根据一组铜带表面图像的图像度量V，计算目标T出现概率的似然函数值，本文档来自技高网...

【技术保护点】
基于视觉注意机制下的铜带表面缺陷快速检测方法，其特征在于：包括以下步骤，步骤（1）输入铜带表面图像，提取铜带表面图像自顶向下的注意信息；步骤（2）提取铜带表面图像自底向上的注意信息；步骤（3）引入场景中目标和背景干扰的统计先验信息；步骤（4）根据自底向上和自顶向下注意信息，协同工作，建立双向协同的视觉注意模型；步骤（5）通过建立的视觉注意模型，进行铜带表面缺陷在线检测，输出检测结果。

【技术特征摘要】
1.于视觉注意机制下的铜带表面缺陷快速检测方法，其特征在于:包括以下步骤， 步骤(I)输入铜带表面图像，提取铜带表面图像自顶向下的注意信息； 步骤(2)提取铜带表面图像自底向上的注意信息； 步骤(3)引入场景中目标和背景干扰的统计先验信息； 步骤(4)根据自底向上和自顶向下注意信息，协同工作，建立双向协同的视觉注意模型； 步骤(5)通过建立的视觉注意模型，进行铜带表面缺陷在线检测，输出检测结果。2.据权利要求1所述的基于视觉注意机制下的铜带表面缺陷快速检测方法，其特征在于:步骤(I)提取铜带表面图像自顶向下的注意信息包括目标出现概率p(Tn|V)和干扰出现概率P (D1J V)。3.据权利要求2所述的基于视觉注意机制下的铜带表面缺陷快速检测方法，其特征在于:目标出现概率P(Tn|V)的计算方法，包括以下步骤， (1)根据贝叶斯理论，根据一组铜带表面图像的图像度量V，计算目标T出现概率的似然函数值，4.据权利要求2所述的基于视觉注意机制下的铜带表面缺陷快速检测方法，其特征在于:干扰出现概率P(D1Jv)的...

【专利技术属性】
技术研发人员：张学武，周卓贇，沈浩东，李苇，李敏，张卓，奚吉，林善明，范新南，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：