[发明专利]一种复杂纹理瓷砖表面缺陷检测方法

说明书

本发明涉及图像数据处理技术领域，具体公开一种复杂纹理瓷砖表面缺陷检测方法，对CIS线扫工业相机采集到的表面缺陷瓷砖图像进行预处理和增强，进行缺陷标注，按比例划分为训练集、验证集和测试集；构建基于卷积神经网络的目标缺陷检测网路结构，通过调整训练集、验证集和测试集的参数，并训练获得优化后的目标缺陷检测模型；利用TensorRT构建高速推理引擎，目标缺陷检测模型的参数部署到高速推理引擎，结合Mmap技术通过内存共享的方式，实现瓷砖图像缺陷类别与缺陷位置的实时检测；利用聚类算法构建反误检点集模型，排除误检结果；提高检测准确率，降低了漏检率，极大节省了人力成本，此外还可以应用到其他类型的表面缺陷检测需求中，具有很好的普适性。

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种复杂纹理瓷砖表面缺陷检测方法。

背景技术

瓷砖生产涉及多道工序，通常会不可避免的出现表面缺陷问题。受到工业自动化发展的推动，当前基本实现了生产流程的无人化，但质检流程仍然需要依赖大量人工操作。每条产品线一般会配有5名质检工左右，通过肉眼在高光下观察瓷砖表面定位瑕疵，该方法具有人力资源消耗大、效率低、漏检率高等缺点。表面缺陷瓷砖检测作为产品质量管理的重要环节，实现自动化并提高检测准确率已成为急需突破的技术瓶颈。

基于卷积神经网络与传统图像处理的表面缺陷检测技术，当下已成为主流方法广泛应用于瓷砖、玻璃、地板、钢轨等产品的表面缺陷检测，具有效率高可靠性强的特点。结合自动化检测平台，可实现稳定性强、检测速度快、成本低的缺陷检测方案。常见的表面缺陷瓷砖检测都是基于激光器信号，实现简单砖面的物理缺陷检测，相对来说比较容易，但可检出的缺陷种类很局限，通常只能检测出崩边和崩角缺陷。复杂纹理的瓷砖，其表面具有丰富的花纹、颜色、亮度和背景等，同时由于复杂的制造工序，瓷砖表面出现的缺陷种类更多，包括崩边、崩角在内，以及裂纹、滴墨、缺墨、釉泡、拉线七类缺陷，为缺陷检测增加了很大的难度。

因此，如何提供一种基于卷积神经网络与传统图像处理的复杂纹理瓷砖表面缺陷检测方法是本领域技术人员亟需解决的问题。

发明内容

为了解决上述的问题，本发明的主要目的是提供一种复杂纹理瓷砖表面缺陷检测方法，通过卷积神经网络与传统图像处理，实现高效、准确的缺陷检测，通过机器学习算法降低花纹带来的误检，提高检测准确率。

为实现上述目的，本发明提出一种复杂纹理瓷砖表面缺陷检测方法，包括以下步骤：

S1、利用CIS线扫工业相机采集的瓷砖高分辨率图像，构建表面缺陷瓷砖图像的数据集；

S2、对数据集中的表面缺陷瓷砖图像进行预处理和增强；

S3、构建数据集中的表面缺陷瓷砖图像的目标缺陷检测网路结构；

S4、将经过预处理和增强后的表面缺陷瓷砖图像输入到目标缺陷检测网路结构中，对目标缺陷检测网路结构的参数进行调优并训练，获得优化后的目标缺陷检测模型；

S5、固化目标缺陷检测模型的参数并部署到高速推理引擎，通过高速推理引擎快速输出无误检的缺陷检测结果；

S6、结合输出无误检的缺陷检测结果，利用聚类算法构建反误检点集模型标记无表面缺陷瓷砖模板上容易引起误检测的图像位置，通过无表面缺陷瓷砖模板和缺陷检测结果的图像位置比对，实现对瓷砖表面复杂纹路引起误检测的排除。

优选地，所述S1的具体做法包括以下步骤：

S11、对数据集中的表面缺陷瓷砖图像进行高斯平滑，降低边缘检测算法自动化进行图像裁剪的错误率；

S12、通过计算表面缺陷瓷砖图像中每一点两个方向的梯度值，得出每一点的边缘强度和梯度方向；

S13、根据边缘强度和梯度方向，对梯度幅值进行非极大值抑制，然后将瓷砖边缘连接起来；