原文传递
一种基于深度学习的表面检测方法
| 专利名称： | 一种基于深度学习的表面检测方法 |
| 摘要： | 本发明提供一种基于深度学习的表面检测方法，通过线扫相机采集图像，之后对采集图像做左右两侧边缘检测及边缘扩展得到第一目标图像；对第一目标图像进行背景减除算法得到第二目标图像；对第二目标图像进行二值化得到二值图像；对二值图像进行RLE编码得到RLE图像；对RLE图像进行粒子滤波得到缺陷粒子位置；对缺陷粒子位置找到第一目标图像对应区域进行ROI裁剪得到裁剪图像,能够检测接近噪音水平的卷筒材料中的瑕疵和缺陷。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 福建;35 |
| 申请人： | 维库(厦门)信息技术有限公司 |
| 发明人： | 林瑞滨 |
| 专利状态： | 有效 |
| 申请日期： | 2019-03-15T00:00:00+0800 |
| 发布日期： | 2019-07-05T00:00:00+0800 |
| 申请号： | CN201910198350.6 |
| 公开号： | CN109975308A |
| 代理机构： | 福州市鼓楼区京华专利事务所(普通合伙) |
| 代理人： | 林晓琴 |
| 分类号： | G01N21/88(2006.01);G;G01;G01N;G01N21 |
| 申请人地址： | 361000 福建省厦门市中国(福建)自由贸易试验区厦门片区象屿路97号厦门国际航运中心D栋8层03单元A之八 |
| 主权项： | 1.一种基于深度学习的表面检测方法，其特征在于：包含至少一个线扫相机，包括如下步骤： 步骤1、通过线扫相机采集图像，之后对采集图像做左右两侧边缘检测及边缘扩展得到第一目标图像； 步骤2、对第一目标图像进行背景减除算法得到第二目标图像； 步骤3、对第二目标图像进行二值化得到二值图像； 步骤4、对二值图像进行RLE编码得到RLE图像； 步骤5、对RLE图像进行粒子滤波得到缺陷粒子位置； 步骤6、对缺陷粒子位置找到第一目标图像对应区域进行ROI裁剪得到裁剪图像。 2.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：还包括步骤7、采用faster-rcnn算法对裁剪图像用深度学习进行缺陷粒子精确分类。 3.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤1进一步具体为：通过线扫相机采集图像，之后采用Canny边缘检测算法对采集图像做左右两侧边缘检测，再进行边缘扩展得到第一目标图像。 4.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤2进一步具体为：采用Gabor滤波算法对第一目标图像进行背景减除算法得到第二目标图像。 5.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤3进一步具体为：采用Niblack二值化算法对第二目标图像进行二值化得到二值图像。 6.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤4进一步具体为：采用RLE行程长度编码压缩算法对二值图像进行RLE编码得到RLE图像。 7.根据权利要求1所述的一种基于深度学习的表面检测方法，其特征在于：所述步骤6进一步具体为：采用双线性插值算法对缺陷粒子位置找到第一目标图像对应区域进行ROI裁剪得到裁剪图像。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
