[发明专利]一种基于几何代数的工业缺陷检测方法和系统

权利要求书

1.一种基于几何代数的工业缺陷检测方法，其特征在于，包括：

通过预设的基于GA-U-net网络结构的回归神经网络获取输入图像的第一缺陷几何代数信息，并对所述第一缺陷几何代数信息进行评分，得到缺陷几何代数信息分数，包括：

利用包含卷积层和最大池化层的第一图像特征提取器获取图像低级几何代数特征信息；

利用包含GA-U-net网络结构的第二图像特征提取器对所述图像低级几何代数特征信息进行上采样，得到包含低层几何代数特征信息的所述第一缺陷几何代数信息；

利用包含多个卷积层的第三图像特征提取器对所述第一缺陷几何代数信息进行多次卷积，得到所述缺陷几何代数信息分数；

利用缺陷过滤器对所述缺陷几何代数信息分数进行过滤，筛选掉低于预设阈值的所述缺陷几何代数信息分数对应的所述第一缺陷几何代数信息，得到第二缺陷几何代数信息，其中，所述缺陷过滤器通过如下判定公式对所述缺陷几何代数信息分数进行过滤：

其中，为正交基，T为预设阈值的模，I 为所述缺陷几何代数信息分数，a,b,c分别为在方向上的尺寸；

通过连通域分析法对所述第二缺陷几何代数信息进行连接，得到缺陷区块几何代数信息，包括：

获取所述第二缺陷几何代数信息中像素的坐标点P(x,y)的4-领域坐标点，分别为第一坐标点，第二坐标点，第三坐标点，第四坐标点；

将所述4-领域坐标点中任意两个坐标点重合的两个任意所述像素进行连接，得到所述缺陷区块几何代数信息；

通过基于几何代数模糊池化的堆叠式深度神经网络对所述缺陷区块几何代数信息进行分类，得到缺陷类别信息；

根据所述缺陷类别信息进行缺陷检测与分类。

2.根据权利要求1所述的基于几何代数的工业缺陷检测方法，其特征在于，所述基于几何代数模糊池化的堆叠式深度神经网络对所述缺陷区块几何代数信息进行分类，包括：

利用带有卷积层、RELU、最大池化层的前向神经网络提取所述图像低级几何代数特征信息；

利用重复的带有低通滤波器的GA-U-net网络结构对所述图像低级几何代数特征信息进行模糊池化，提取符合信号采样定理的缺陷分类特征信息；

利用softmax层对所述缺陷分类特征信息进行处理，得到预测分类概率；

根据所述预测分类概率得到所述缺陷类别信息。

3.根据权利要求1所述的基于几何代数的工业缺陷检测方法，其特征在于，所述输入图像表征：

其中，为正交基，。

4.根据权利要求3所述的基于几何代数的工业缺陷检测方法，其特征在于，所述模糊池化步骤包括：

通过第一卷积核或通过第二卷积核对图像特征几何代数信息进行卷积运算，获取尺寸特征信息，其中，所述第一卷积核为3*3卷积核，所述第二卷积核为5*5卷积核；

通过正则化对所述尺寸特征信息进行归一化处理。