[发明专利]一种表面缺陷检测方法及装置

说明书

本申请涉及图像处理技术领域，以及提供一种表面缺陷检测方法及装置；该方法首先对待检测的表面缺陷图像的各底层特征进行提取得到各特征图像金字塔，根据中心周边差机制确定各特征图像金字塔对应的各特征图，将各特征图进行归一化处理，并将同一类型的特征图进行相加得到各特征显著图，以各特征显著图所具有的能量比例为权重融合各特征显著图得到合成显著图，然后对表面缺陷图像的高层特征进行提取、融合和采样操作得到高层显著图，最后以合成显著图所具有的能量比例以及高层显著图所具有的能量比例为权重，融合合成显著图和高层显著图得到总显著图，再根据总显著图确定表面缺陷图像的缺陷种类和缺陷位置。本申请提高了表面缺陷检测的识别精度。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种表面缺陷检测方法及装置。

背景技术

随着经济建设及基础建设的飞速发展，作为钢铁工业主要产品之一的钢板被广泛地应用于各行各业，人们对于钢板的产品质量也提出了越来越高的要求。但是由于受设备、生产工艺等因素的影响，在生产过程中钢板表面不可避免地会产生各种缺陷，这些缺陷不仅影响钢板外观，更会在一定程度上影响其机械性能，因此开展对钢板表面缺陷检测的相关研究对于提高钢板质量有着十分重要的意义。随着产量的逐步提升和生产速度的提高，传统的人工目视抽检已难以满足当前企业生产的实际需要，提升钢板表面缺陷检测的效率，以满足生产的更多需求，对钢铁企业有着至关重要的价值。

目前基于机器视觉的检测方法被广泛应用在钢板表面缺陷检测中，传统的机器视觉检测系统往往是先提取图像特征后利用分类器进行分类检测，但是由于钢板表面缺陷边缘特征不明显、缺陷占比较小、数据信息量较大而有用信息较少，在一定程度上影响了检测效果；基于深度学习的机器视觉检测方法，需要大量的缺陷图像作为训练样本，而在生产过程中存在缺陷的钢板数量毕竟是少数，大量缺陷图像样本较难获取，样本数量过少会导致检测效果不佳。

因此，目前的表面缺陷检测方案无法更好地提高表面缺陷检测的识别精度，需要改进。

发明内容

本申请实施例提供了一种表面缺陷检测方法及装置，能够提高表面缺陷检测的识别精度。

第一方面中，本申请实施例提供一种表面缺陷检测方法，包括：

获取待检测的表面缺陷图像；

对所述表面缺陷图像的各底层特征进行提取，得到各特征图像金字塔；

根据中心周边差机制确定所述各特征图像金字塔对应的各特征图；

将所述各特征图进行归一化处理，并将同一类型的特征图进行相加，得到各特征显著图；

以所述各特征显著图所具有的图像能量比例为权重，融合所述各特征显著图，得到合成显著图；

对所述表面缺陷图像的高层特征进行提取、融合和采样操作，得到高层显著图；

以所述合成显著图所具有的图像能量比例以及所述高层显著图所具有的图像能量比例为权重，融合所述合成显著图和所述高层显著图，得到总显著图；

根据所述总显著图，确定所述表面缺陷图像的缺陷种类和缺陷位置。

第二方面中，本申请实施例提供一种表面缺陷检测装置，包括：

获取模块，用于获取待检测的表面缺陷图像；

提取模块，用于对所述表面缺陷图像的各底层特征进行提取，得到各特征图像金字塔；

第一确定模块，用于根据中心周边差机制确定所述各特征图像金字塔对应的各特征图；

归一化模块，用于将所述各特征图进行归一化处理，并将同一类型的特征图进行相加，得到各特征显著图；

第一融合模块，用于以所述各特征显著图所具有的图像能量比例为权重，融合所述各特征显著图，得到合成显著图；