[发明专利]一种基于去噪卷积自编码器的缺陷检测方法及装置

权利要求书

1.一种基于去噪卷积自编码器的缺陷检测方法，其特征在于，所述方法包括：

基于构建的多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据；

将所述待识别图像数据输入训练收敛的去噪卷积自编码器中进行重建修复处理，输出重建修复图像数据；

基于结构相似性计算所述待缺陷识别图像数据和重建修复图像数据之间的重建误差，获得重建误差值；

基于所述重建误差值判断所述带缺陷识别图像数据是否存在缺陷。

2.根据权利要求1所述的缺陷检测方法，其特征在于，所述基于构建的多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据，包括：

将用于传输所述待缺陷识别目标传输带分为3段，其中左侧段和右侧段为工业传输带，中间段传输带为透明传输带；

在所述透明传输带的正上方、左侧、右侧及正下方分别设置一个图像采集设备，形成多视点实时图像采集装置；

基于所述多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据。

3.根据权利要求1所述的缺陷检测方法，其特征在于，所述去噪卷积自编码器为将输入还原输出的神经网络模型；所述去噪卷积自编码器由编码器和解码器组成。

4.根据权利要求1或3所述的缺陷检测方法，其特征在于，所述去噪卷积自编码器的训练过程包括：

获得训练样本图像，所述训练样本图像中包括正常样本图像和缺陷样本图像；

基于所述训练样本图像划分训练集和测试集，其中，所述训练集中为正常样本图像，所述测试集中包含正常样本图像和缺陷样本图像，所述训练集和测试集中的样本图像数量比例为9:1；

对所述训练集中的训练样本图像进行添加椒盐噪声处理，获得预处理后的训练集；

将预处理后的训练集内的训练样本图像输入去噪卷积自编码器中进行训练，获得训练后的去噪卷积自编码器；

利用所述测试集对训练后的去噪卷积自编码器进行测试，获得测试结果；

基于测试结果判断训练后的去噪卷积自编码器是否收敛，若否，则基于反向传播算法更新训练后的去噪卷积自编码器的参数，并利用预处理后的训练集进行重新训练，直至收敛为止。

5.根据权利要求1所述的缺陷检测方法，其特征在于，所述将所述待识别图像数据输入训练收敛的去噪卷积自编码器中进行重建修复处理，输出重建修复图像数据，包括：

训练收敛的去噪卷积自编码器中的编码器将输入的待识别图像数据经过三层网络编码形成M*M个特征的向量，其中每层网络由4层子层组成，依次包括卷积层、批量归一化层、激活函数层和最大池化层；

将所述M*M个特征的向量输入训练收敛的去噪卷积自编码器中的解码器进行解码处理，输出重建修复图像数据。

6.根据权利要求5所述的缺陷检测方法，其特征在于，所述解码器依次包括卷积层、批量归一化层、激活函数层和上采样层；

所述将所述M*M个特征的向量输入训练收敛的去噪卷积自编码器中的解码器进行解码处理，输出重建修复图像数据，包括：

所述将所述M*M个特征的向量输入训练收敛的去噪卷积自编码器中的解码器依次经过卷积层、批量归一化层、激活函数层得到k个特征图进行特征重构处理，获得重构特征；

所述解码器的上采样层将所述重构特征还原成输入图像大小的图像，形成重建修复图像数据并输出。

7.根据权利要求1所述的缺陷检测方法，其特征在于，所述基于结构相似性计算所述待缺陷识别图像数据和重建修复图像数据之间的重建误差，获得重建误差值，包括：

构建亮度对比函数、对比度对比函数和结构对比函数；

基于所述亮度对比函数、所述对比度对比函数和所示结构对比函数形成结构相似性指数函数；

基于结构相似性指数函数计算所述待缺陷识别图像数据和重建修复图像数据之间的重建误差，获得重建误差值。