[发明专利]一种图像微小异常检测方法、装置及计算机可读存储介质有效

专利信息
申请号: 202110752675.1 申请日: 2021-07-02
公开(公告)号: CN113379729B 公开(公告)日: 2023-07-25
发明(设计)人: 刘明华;苏冰;展华益;游忍;张欢欢 申请(专利权)人: 四川启睿克科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T5/00;G06T5/30;G06N3/0475;G06N3/08
代理公司: 四川省天策知识产权代理有限公司 51213 代理人: 刘堋
地址: 610000 四川省成都市中国(四川)*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 微小 异常 检测 方法 装置 计算机 可读 存储 介质
【说明书】:

发明公开了一种图像微小异常检测方法、装置及计算机可读存储介质,其中图像微小异常检测方法包括:采集待检测样品图片;对所述待检测样品图片进行异常预处理,抑制待检测样品图片中的微小异常,得到预处理图片;将所述预处理图片输入图像重建模型,得到重建图片;将所述待检测样品图片与重建图片输入判断模型,计算待检测样品图片与重建图片的差异,判断待检测样品图片是否有异常,如果有异常输出异常所在区域。本发明对于产品表面微小异常通过预处理后再经过图像重建,增大了原始图像中微小异常与重构图像中微小异常的差异,能更准确地检测出微小异常。此外,相比现有通过网络学习的异常检测方法,本发明所需的训练样本量大大减小。

技术领域

本发明涉及图像处理技术领域,尤其涉及一种图像微小异常检测方法、装置及计算机可读存储介质,适用于工业检测领域的产品表面异常检测场景。

背景技术

在传统工业制造业生产场景中,质检是生产流程中的关键环节,比如在冰箱、电视、汽车、印刷线路板、芯片和液晶显示器等领域中,对产品的表面状态进行检测是对产品质量进行控制的一种重要手段,判断产品是否存在异常,并根据检测结果对产品做相应的处理。

产品的表面异常种类众多,例如划痕、污点、磕碰等等,这些缺陷都是需要检出的。传统的零件生产中的检测环节一般通过人工检测的方式进行,这增加了人力负担,并且很多细微的异常通过人很难检测出来。因此,通过计算机视觉系统检测产品表面缺陷,以代替人工检测是目前本领域需要解决的问题。

在现有技术中,CN 111935480 A(一种用于图像获取装置的检测方法及相关装置),提出了基于第一预设异常的异常检测方法,对异常图像信息中的第一预设异常的位置、第一预设异常的大小、第一预设异常的数量以及第一预设异常的异常程度中的至少一者进行标注。但是在实际情况中,很多异常难以进行预设。CN 111260620 A(图像异常检测方法、装置和电子设备),提供一种图像异常检测方法、装置和电子设备,该方法利用两个编码层得到两个重构图像,然后计算两个重构图像之间的距离得到异常,但是难以检测微小异常。CN 112560970 A(基于自编码的异常图片检测方法、系统、设备及存储介质),该方法基于自编码方法进行异常检测,直接对原始图像进行异常检测,难以检测微小的异常。

总之,现有技术存在对产品表面微小异常检测精度不高的问题。

发明内容

本发明提供了一种图像微小异常检测方法、装置及计算机可读存储介质,以解决现有技术中对产品表面微小异常检测精度不高的问题。

本发明采用的技术方案是:提供一种图像微小异常检测方法,包括:

采集待检测样品图片;

对所述待检测样品图片进行异常预处理,抑制待检测样品图片中的微小异常,得到预处理图片;

将所述预处理图片输入图像重建模型,得到重建图片;

将所述待检测样品图片与重建图片输入判断模型,计算待检测样品图片与重建图片的差异,判断待检测样品图片是否有异常,如果有异常输出异常所在区域。

作为图像微小异常检测方法的一种优选方式,所述对所述待检测样品图片进行异常预处理的方法包括:

图像模糊处理、图像去噪、形态学操作处理、降低分辨率中的至少一种。

作为图像微小异常检测方法的一种优选方式,所述图像重建模型包括:

自编码模型、可逆神经网络、GAN网络中的至少一种。

作为图像微小异常检测方法的一种优选方式,所述判断待检测样品图片是否有异常的方法包括:

用判断模型计算待检测样品图片和重建图片每个对应像素的差异;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川启睿克科技有限公司,未经四川启睿克科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110752675.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top