[发明专利]一种大幅面板材超高分辨率图像的微小缺陷快速检测方法有效
申请号: | 202210650165.8 | 申请日: | 2022-06-09 |
公开(公告)号: | CN115049604B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 罗陆锋;刘炳飘;朱赟海;卢清华;朱文博;张云志 | 申请(专利权)人: | 佛山科学技术学院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13;G06T3/40;G06N3/048 |
代理公司: | 北京众达德权知识产权代理有限公司 11570 | 代理人: | 刘杰 |
地址: | 528000 *** | 国省代码: | 广东;44 |
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 大幅面 板材 超高 分辨率 图像 微小 缺陷 快速 检测 方法 | ||
1.一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,包括以下步骤:
采集物体表面图像;
对所述物体表面图像进行图像拼接,得到超高分辨率图像;
对所述超高分辨率图像进行边缘检测,获得疑似缺陷部分的边缘,采用外接矩形将其区域标出,得到疑似缺陷部分区域,并采用非极大值抑制方法去除冗余部分;
将所述疑似缺陷部分区域与原图进行区域对应,获得原图疑似缺陷部分区域;
还包括对原图疑似缺陷部分区域采样,将采样结果输入到改进的YOLOv4-tiny模型中,最终得到缺陷检测结果;
所述改进的YOLOv4-tiny的损失函数由三部分组成,分别为置信度损失函数、分类损失函数和边界框回归损失函数;
所述置信度损失函数的计算公式如下:
式子(6)中S2为输入图像中的网格数,B为网格中的边界框数,如果第i个网格的第j个边界框负责检测当前对象,则否则和 分别为预测盒的置信度得分和真值盒的置信度得分,λnoobj是一个权重参数;如果对象在第i个网格的第j个框中,Pi,j=1,否则,Pi,j=0;表示预测框和真实框之间的交集。
2.根据权利要求1所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,所述图像拼接包括:图像预处理、图像配准和图像融合。
3.根据权利要求2所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,所述图像预处理包括的操作为图像光线校正、相机标定和图像去噪。
4.根据权利要求2所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,所述图像配准是计算出两幅图像间的空间变换模型并进行投影变换,设图像f1(x,y)、f2(x,y)存在投影变换关系,则用齐次方程(1)表示:
式中:m0、m1、m3和m4共同表示旋转角度和缩放尺度;m2和m5分别表示x方向与y方向上的平移量;m6和m7分别表示x方向和y方向上的变形量。
5.根据权利要求2所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,所述图像融合用来消除拼接缝隙,得到无缝的高质量图像。
6.根据权利要求1所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,
所述分类损失函数的计算公式如下:
式子(8)中,S2为输入图像中的网格数,B为网格中的边界框数,和是第i个网格的第j个边界框中对象属于c分类的预测概率和真概率。
7.根据权利要求1所述的一种大幅面板材超高分辨率图像的微小缺陷快速检测方法,其特征在于,
所述边界框回归损失函数的计算公式如下:
式子(9)中IOU是预测边界框和真值边界框之间的联合的交集;wgt和hgt 分别为边界框的真实宽度和高度;w和h分别为边界框的预测宽度和高度;ρ2(b,bgt)表示预测边界框与真值边界框的中心点之间的欧氏距离;c是包含预测的边界框和真值边界框的最小对角线距离。
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佛山科学技术学院,未经佛山科学技术学院许可,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/202210650165.8/1.html,转载请声明来源钻瓜专利网。