1.1缺陷的定义
当前对于缺陷有两种认知的方式,种是有监督的方法,也就是体现在利用标记了标签(包括类别、矩形框
或逐像素等)的缺陷图像输入到网络中进行训练.此时'缺陷意味着标记过的区域或者图像。第二种是无监督的
方法,就是将正常无缺陷的样本进行学习,学习正常区域的特征,网络检测异常的区域。
缺陷检测的任务大致分为三个阶段分别是缺陷分类、缺陷定位、缺陷分割,如下图所示,缺陷分类需要分类出
缺陷的类别(色、空洞、经线) ; 缺陷定位不仅需要获取缺陷的类别还需要标注出缺陷的位置; 缺陷分割将
缺陷逐像素从背景中分割出来。
检测对象:布匹缺陷
主要方法:作者使用一个多层的CNN网络对布匹缺陷数据集中的六类缺陷样本进行分类,分类结束之后,对于
每一类样本进行缺陷检测。具体做法是: 1.使用滑动窗口的方法在512*512的原图上进行采样,采样大小为
128*128 ; 2.对上部分每一类图像采样后的小图像块进行二 -分类(有缺陷和无缺陷)。下图为文章两次分类使
用的CNN网络,两次分类的区别在于: 1.全连接层的输入分别为6和2 ; 2输入的图像尺日
(对于纸张较厚、表面缺陷检测角度 要求较高的的纸张产品采用反射的检测原理),架设在生产线 上的线阵相机进行实时同步扫描,同时系统将相机采集到的纸病图像通过SIMV图像处理单元进行瑕疵分割处理。由于瑕疵图像的灰阶与正常产品的灰阶存在明显差异,从而使系统能够发现瑕疵,同时对瑕疵进行有效的判定、分类。苏州宣雄智能科技有限公司苏州宣雄智能科技有限公司
以上信息由专业从事非标产品瑕疵检测的宣雄于2024/5/14 5:38:29发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2752100883.html