[发明专利]一种基于去噪卷积自编码器的缺陷检测方法及装置

说明书

本发明公开了一种基于去噪卷积自编码器的缺陷检测方法及装置，其中，所述方法包括：基于构建的多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据；将所述待识别图像数据输入训练收敛的去噪卷积自编码器中进行重建修复处理，输出重建修复图像数据；基于结构相似性计算所述待缺陷识别图像数据和重建修复图像数据之间的重建误差，获得重建误差值；基于所述重建误差值判断所述带缺陷识别图像数据是否存在缺陷。在本发明实施例中，可以实现自动识别图像数据是否存在缺陷，从而判断产品是否存在缺陷，并且识别准确性高。

技术领域

本发明涉及人工智能的缺陷检测技术，尤其涉及一种基于去噪卷积自编码器的缺陷检测方法及装置。

背景技术

表面缺陷不仅破坏产品的美感和舒适度，还可能对产品的性能造成严重损害。表面缺陷检测能够有效杜绝或减少残次品流入市场，并且可以帮助企业及时发现问题并改进相应生产工艺，预判性地维护生产机器。传统的人工检查的方法应用广泛，但人工方法有劳动强度大、检测稳定性及一致性差，自动化程度低、生产效率低等缺点。由于工人的质检效率上限较低，同时人工成本又越来越高，企业为保障生产效率，一般采取抽样检测的策略。一批产品中随机抽取少量产品来评估整批产品的质量，其严格程度远远低于全面检测。随着人工智能及机器视觉等先进检测技术的发展，基于机器视觉的表面缺陷检测逐渐在各工业领域替代人工肉眼检测.传统的基于机器学习的表面缺陷检测方法，往往采用监督学习或人工设计特征加分类器的方法，但监督学习的方法依赖于大量标注的有缺陷样本数据，首先在正常的工厂环境中缺陷样本难以大量获取且缺陷种类多样，极易出现未知的缺陷类型；其次因缺陷样本类间差异大、类内模糊性大和背景复杂等特点导致标注难度大。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于去噪卷积自编码器的缺陷检测方法及装置，可以实现自动识别图像数据是否存在缺陷，从而判断产品是否存在缺陷，并且识别准确性高。

为了解决上述技术问题，本发明实施例提供了一种基于去噪卷积自编码器的缺陷检测方法，所述方法包括：

基于构建的多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据；

将所述待识别图像数据输入训练收敛的去噪卷积自编码器中进行重建修复处理，输出重建修复图像数据；

基于结构相似性计算所述待缺陷识别图像数据和重建修复图像数据之间的重建误差，获得重建误差值；

基于所述重建误差值判断所述带缺陷识别图像数据是否存在缺陷。

可选的，所述基于构建的多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据，包括：

将用于传输所述待缺陷识别目标传输带分为3段，其中左侧段和右侧段为工业传输带，中间段传输带为透明传输带；

在所述透明传输带的正上方、左侧、右侧及正下方分别设置一个图像采集设备，形成多视点实时图像采集装置；

基于所述多视点实时图像采集装置实时采集待缺陷识别目标的待缺陷识别图像数据。

可选的，所述去噪卷积自编码器为将输入还原输出的神经网络模型；所述去噪卷积自编码器由编码器和解码器组成。

可选的，所述去噪卷积自编码器的训练过程包括：

获得训练样本图像，所述训练样本图像中包括正常样本图像和缺陷样本图像；

基于所述训练样本图像划分训练集和测试集，其中，所述训练集中为正常样本图像，所述测试集中包含正常样本图像和缺陷样本图像，所述训练集和测试集中的样本图像数量比例为9:1；

对所述训练集中的训练样本图像进行添加椒盐噪声处理，获得预处理后的训练集；