[发明专利]一种基于正例训练的表面缺陷检测方法

摘要

一种基于正例训练的表面缺陷检测方法，包括图像重建和缺陷检测两个步骤，图像重建是将输入的原图重建为没有缺陷的图片，步骤为：在训练过程中给正例图片加入人造的缺陷和噪声，使用自编码器对其重建，计算重建结果和无噪声的原图之间的L1距离，最小化该距离作为重建目标，并配合生成对抗网络优化重建图效果；在获得重建图后进行缺陷检测：计算重建图和原图的LBP特征，将两张特征图做差后按固定阈值二值化即可找到缺陷。本发明使用深度学习的方法，在有足够的正样本时可以足够鲁棒不易受到环境变化的干扰，同时基于正例训练不依赖大量负例样本和人工标注，适合在真实的应用场景中使用，可以较好地检测出表面缺陷。

主权项

1.一种基于正例训练的表面缺陷检测方法，其特征是包括以下步骤：1)图像重建：1a)在正例图片中加入随机的人造缺陷和噪声；1b)设置自编码器将带人造缺陷和噪声的图片编码重构得到重建图片，计算重建图片和正例图片两者之间的L1距离，将最小化所述L1距离作为L1 loss，即优化目标；1c)设置生成对抗网络GAN，将自编码器作为GAN的生成器，对重建图片进行GAN loss约束，约束目标为使重建图片的效果和真实图片尽可能相近；1d)将L1 loss和GAN loss叠加作为优化目标，对自编码器进行训练，在训练阶段调整自编码器的参数，使自编码器输出的重建图片在满足L1 loss的同时满足GAN loss；2)进行缺陷检测：2a)在测试阶段，将待检测图像经过训练好的自编码器，得到其对应的重建图片；3b)对步骤2a)所得重建图片和待检测图像同时计算LBP特征，得到两张特征图，计算两张特征图对应位置的差值；3c)将差值图二值化即可得到缺陷分割图。