[发明专利]一种基于几何代数的工业缺陷检测方法和系统

说明书

本发明适用于工业检测技术领域，提供了基于几何代数的工业缺陷检测方法和系统。该系统引入GA‑U‑net对图像中工业产品表面缺陷严重程度打分，然后由缺陷过滤器得到得分高于预设阈值的图像像素，然后再由连通域分析模块得到含有完整缺陷的图像，然后再由基于几何代数模糊池化的堆叠式深度神经网络对含有完整缺陷的3D图像进行缺陷类别评估，完成对工业缺陷的检测与分类。由于几何代数具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，本发明考虑图像的3D高维信息，未丢失图像的维度信息，使得工业缺陷检测率更高。

技术领域

本发明属于工业检测技术领域，尤其涉及一种基于几何代数工业缺陷检测方法和系统。

背景技术

工业产品表面缺陷检测是评价产品质量的重要环节，是保证产品质量和生产效率的重要手段。现有技术中的工业产品表面缺陷检测大多是针对二维图像进行检测，如阈值分割法，边缘检测法和区域生长法等是从2D图片中的缺陷特征部分与其他非缺陷部分分开，从而达到检测目的。但是对二维图像的检测没有考虑到使用高维度信息时的情况，在维度信息较高情况下，3D/3D工业缺陷检测更能满足实际的工业应用，提高检测率。目前，3D/3D工业缺陷检测存在数据参数多、计算量大的问题。

发明内容

本发明实施例提供一种基于几何代数的工业缺陷检测方法及系统，能够对不同程度的缺陷进行预测，识别检测缺陷的类型，提高检测系统整体的准确率。

根据第一方面，本发明实施例提供了一种基于几何代数的工业缺陷检测方法，包括如下步骤：

通过预设的基于GA-U-net网络结构的回归神经网络获取图片的第一缺陷几何代数信息，并对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；

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缺陷几何代数信息分数对应的第一缺陷几何代数信息，得到第二缺陷几何代数信息；

通过连通域分析法对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；

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

根据缺陷类别信息进行缺陷检测与分类。

结合第一方面，在第一方面第二实施方式中，预设的基于GA-U-net网络结构的回归神经网络包括三个图像特征提取器，通过输入图像，获取第一缺陷几何代数信息，并对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第一缺陷几何代数信息进行多次卷积，得到缺陷几何代数信息分数。

结合第一方面，在第一方面第三实施方式中，缺陷过滤器通过判定公式对所述第一缺陷几何代数信息分数进行过滤，定公式为：

其中，T为预设阈值，I为所述缺陷几何代数信息分数。

结合第一方面，在第一方面第四实施方式中，通过连通域分析法对第二缺陷几何代数信息进行连接，得到所述缺陷区块几何代数信息，包括：