[发明专利]基于图像重构卷积神经网络的零件外观瑕疵检测方法有效
申请号: | 201811278791.9 | 申请日: | 2018-10-30 |
公开(公告)号: | CN109615604B | 公开(公告)日: | 2020-12-18 |
发明(设计)人: | 孙佳;王鹏 | 申请(专利权)人: | 中国科学院自动化研究所 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/136;G06N3/04 |
代理公司: | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人: | 郭文浩 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于图像重构卷积神经网络的零件外观瑕疵检测方法,该方法通过构建好的网络模型,对输入图像进行瑕疵检测。在网络模型训练过程中,对原始输入图像进行预处理后初步提取瑕疵区域,根据所提取出的瑕疵特点进行自适应多尺度图像重构及随轮廓局部图像重构,创建输入图像重构集合,最后利用重构图像集合进行卷积神经网络的训练。在检测过程中,对输入图像做与训练过程中相同的预处理,然后将处理后的图像按其尺寸等分成若干个设定边长的正方形的图像块,并将每个图像块按位置标记编号,将每一个图像块输入到已经训练完成的卷积神经网络模型中进行特征提取及分类。最后,输出检测结果并定位。本发明提高了提高零件外观瑕疵检测的准确性和鲁棒性。 | ||
搜索关键词: | 基于 图像 卷积 神经网络 零件 外观 瑕疵 检测 方法 | ||
【主权项】:
1.一种基于图像重构卷积神经网络的零件外观瑕疵检测方法,其特征在于,包括以下步骤:步骤S1,对采集的零件外观图像进行增进可读性的预处理,得到第一零件外观图像;步骤S2,将第一零件外观图像进行等分,并对等分后的图像块进行位置编号;步骤S3,将每一个图像块输入到训练好的零件外观瑕疵检测模型中进行特征提取及分类,并输出检测及定位结果;其中,所述零件外观瑕疵检测模型基于卷积神经网络构建,并采用公有识别库进预训练、采用预先构建的重构图像集合进行调优训练。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811278791.9/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序