[发明专利]基于目标特征显著图构建的工业产品表面缺陷检测方法

说明书

技术领域

本发明属于工业产品质量检测方法技术领域，具体涉及一种基于目标特征显著图构建的工业产品表面缺陷检测方法。

背景技术

制造过程中的工业产品表面缺陷监测是质量在线检测的重要一部分，能够及时发现制造过程中的质量问题，从而为及时改进生产工艺，降低生产成本提供了一种可能性。然而，工业产品表面缺陷检测通常是属于大背景条件下小目标检测问题，传统的人工检测很容易在生理和心理产生疲劳，从而造成漏检和误检，因此不能满足在线检测的需要。

为了解决人工检测不能满足在线检测的要求，基于机器视觉的检测算法已逐渐应用到工业产品表面质量检测中(参考文献[1]:Xu K.,Xu J.,Chen Y.:On-line surface defect inspection system for cold rolled strips[J].Beijing Univer.Sci.Technol.,2002,24(3):329-332.参考文献[2]:Li G.,Su Z.,Xia X.:Algorithm for imspection of white foreign fibers in cotto by machine vision with irregular imaging function[J].Trans.Chin.Soc.Agric.2010,43(5):164-167.)。然而，基于高斯随机场模型、脉冲耦合神经网络、字典学习等检测算法依赖于参数众多、计算量大计算复杂、对噪声敏感，不适合在线检测的需要(参考文献[3]:Cohen F S,Fan Z,Attali s.Automated Inspection of Textile Fabric Using Textile Models[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1991,13(8):803-808.参考文献[4]:祝双武,郝重阳.一种基于改进型PCNN的织物疵点图像自适应分割方法[J].电子学报,2012,40(3):611-616.参考文献[5]:Jian Zhou and Jun Wang.Fabric defect detection using adaptive dictionaries[J].2013,83(17):1846-1859.)。基于小波变换的检测算法虽然适合表面缺陷检测，但小波的选取、分解层数仍然依赖人工检验；另外，小波变换对于特性与背景接近的缺陷的检测也表现的无能为力(参考文献[6]:管声启,石秀华.基于小波提升格式的织物疵点检测[J].计算机工程与应用,2008,44(25):219-221.)。基于空间域显著图构建的检测算法能够提高缺陷与背景对比度，但其图像分块大小依赖人工经验，并且计算量大，难易摆脱空间域传统算法的固有缺陷(参考文献[7]:Guohui Li,Jingfang Shi,Hongsen Luo,Miangang Tang.A computational model of vision attention for inspection of surface quality in production line[J].Machine Vision and Applications,2013,24(11):835-844.参考文献[8]:刘洲峰，赵全军，李春雷等.基于局部统计与整体显著性的缺陷检测算法[J].纺织学报，2014,35(11):62-67.)。基于小波域显著图构建的缺陷检测算法，虽然增大缺陷的显著度，但当有视觉搜索任务时，搜索效率往往不高(文献[9]:Shengqi Guan and Zhaoyuan Gao.Fabric defect image segmentation based on the visual attention mechanism of the wavelet domain[J].Textile Research Journal,2014,84(10):1018-1033.)。

通过上面分析可知，现有的工业产品表面缺陷在线检测算法都是从图像本身数据特点出发，没有考虑检测目标的特点。因此，在广宽的背景中检测小缺陷必然会导致检测准确率不高，分割不准确，适应性不强，抗噪性差，不能满足实际动态检测需要。

发明内容

本发明的目的是提供一种基于目标特征显著图构建的工业产品表面缺陷检测方法，解决了现有技术对工业表面缺陷的检测准确率不高的问题。