[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

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。

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。