[发明专利]一种基于深度学习的地板缺陷检测方法

说明书

本发明公开了一种基于深度学习的地板缺陷检测方法，包括以下步骤：1)利用工业相机采集地板的高分辨率图像以建立地板检测图像库；2)对步骤1)所述地板检测图像库中每幅缺陷图像的缺陷区域进行手动标注，形成地板检测图像标签库；3)建立基于深度学习的语义分割模型以及图像分类模型；4)采用数据增强技术扩充步骤1)采集的地板检测图像库；5)对步骤4)扩充后的图像库进行地板缺陷语义分割模型以及地板缺陷分类模型深度学习训练；6)在线采集地板表面图像并基于已训练的地板缺陷分类模型对地板表面进行缺陷检测。本发明无需人工干涉的情况下达到人工筛选的精度，可降低生产成本、推动地板行业的智能化。

技术领域：

本发明涉及地板缺陷检测技术领域，尤其涉及一种基于深度学习的地板缺陷检测方法。

背景技术：

地板的缺陷检测是其生产过程中质量控制的关键环节。现有的缺陷检测方式主要是通过人工肉眼筛选来完成，现有的方法存在以下缺点：检测速度慢、检测结果受质检工人的经验影响较大、检测精度不可控制、质检工人成本较高等。随着计算机技术、人工智能等科学技术的出现以及发展，基于机器视觉技术的物体表面缺陷检测技术应运而生，极大程度上改善了物体表面缺陷检测效果以及提高了物体表面缺陷检测速率，同时避免了因场景条件、主观判断等因素影响缺陷检测结果的准确性。

基于传统图像处理识别技术的检测技术仍需要人工提取特征，这些特征设计需要大量的先验知识和经验。在地板行业中，产品的表面以不规则纹路为主且类别众多，传统图像算法在这种情况下表现并不尽如人意。深度学习作为新兴的研究领域，其优点是可以自动学习有用的特征，且抗干扰能力强，具有较高的鲁棒性。将深度学习技术应用到地板缺陷检测中可以很好的解决现有的痛点问题。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种基于深度学习的地板缺陷检测方法，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明提供了一种基于深度学习的地板缺陷检测方法，所述以下步骤：

1)利用工业相机采集地板的高分辨率图像以建立地板检测图像库；

2)对步骤1)所述地板检测图像库中每幅缺陷图像的缺陷区域进行手动标注，形成地板检测图像标签库；

3)建立基于深度学习的语义分割模型以及图像分类模型；

4)采用数据增强技术扩充步骤1)采集的地板检测图像库；

5)对步骤4)扩充后的图像库进行地板缺陷语义分割模型以及地板缺陷分类模型深度学习训练；

6)在线采集地板表面图像并基于已训练的地板缺陷分类模型对地板表面进行缺陷检测，若存在缺陷则利用地板缺陷语义分割模型定位地板缺陷的具体位置。

所述步骤1)中的地板检测图像库由工业相机采集的高分辨率图像组成，分辨率为1024*1024以上，所述图像库中正常图像样本数与瑕疵图像样本数比值接近1:1，所述图像库总样本数量为N，N1000。

所述步骤3)中的语义分割模型由编码器Encoder和解码器Decoder构成，所诉编码器Encoder为基础网络，包括卷积层、批标准化层、池化层、线性激活层，用于自动提取输入图像的深度特征并输出一组特征图；所述解码器Decoder包括卷积层、上采样层，用于特征图筛选并输出结果图像，所述结果图像与输入图像分辨率相同。

所述步骤3)中的图像分类模型与语义分割模型共享编码器Encoder的参数，在所述编码器Encoder的基础上加入卷积层以及全连接层，构成图像分类模型。