[发明专利]基于自注意力的对抗自编码器纹理表面缺陷检测方法

说明书

本发明公开了一种基于自注意力的对抗自编码器纹理表面缺陷检测方法，包括以下步骤：步骤1：根据无缺陷的纹理类工业产品图像，搭建基于颜色和形变两种缺陷生成方法，来生成缺陷数据模拟真实的缺陷样本；步骤2：搭建基于自注意力的对抗自编码器纹理表面缺陷检测框架；步骤3：设计输入图像与重构图像的度量损失；步骤4：通过计算测试图像和重构图像的多尺度结构相似性来获得像素级别的异常分数，进而判断测试图像是否有缺陷。本发明可以在给定大量无缺陷纹理类产品表面样本的情况下，准确的定位产品表面出现的缺陷；运行效率高，可以满足实时性要求；且硬件成本低，易于在工业缺陷检测系统中推广，具有良好的应用前景。

技术领域

本发明涉及到用于纹理类工业产品表面缺陷图像处理方法，具体地说，是一种基于自注意力的对抗自编码器算法对工业产品表面缺陷进行检测的方法。

背景技术

纹理表面缺陷检测是工业生产中的关键步骤，其目的是识别和定位产品表面出现的缺陷(如图1)，以确定产品是否合格，进而及时调整生产方案，提高生产效率，减低生产成本。传统上，表面缺陷检测是由人眼进行的，但是，人眼视觉评估不仅耗时、耗力，而且主观性强，容易出错。随着硬件设备费用的减少和计算能力的增加，基于计算机视觉的工业产品表面缺陷检测技术已经取得了很大的进步，并被广泛的使用到工业生产故障检测系统中。

传统机器视觉缺陷检测方法，诸如支持向量机(SVM)方法、HOG和Gabor特征提取方法，来区分缺陷和非缺陷，这种特征在纹理类型复杂、场景变化情况下不够鲁棒，因此，很难应用工业产品表面缺陷检测过程。近年来，自编码器网络在图像重构和缺陷检测等任务中取得了很好的性能。但是基于自编码器网络的缺陷检测算法依然存在诸多问题，如缺陷定位能力差，重构图像的边缘比较模糊等。

发明内容

针对传统方法的不足，本发明的目的是提供一种基于自注意力的对抗自编码器纹理表面缺陷检测算法，对所获取的纹理类工业产品表面图像，利用基于自注意力的对抗自编码器算法检测图像中的缺陷目标。为达到上述目的，本发明采用的技术方案如下：

步骤1：根据无缺陷的纹理类工业产品图像，搭建基于颜色和形变两种缺陷生成方法，来生成缺陷数据模拟真实的缺陷样本；

步骤2：搭建基于自注意力的对抗自编码器纹理表面缺陷检测框架；

步骤3：设计输入图像与重构图像的度量损失；

步骤4：通过计算测试图像和重构图像的多尺度结构相似性来获得像素级别的异常分数，进而判断测试图像是否有缺陷。

进一步的技术方案是，步骤1中所述的基于颜色方法生成缺陷数据的具体搭建步骤如下：

步骤1-1：利用Bezier曲线建立一个封闭区域；

步骤1-2：在封闭区域中加入随机的颜色；

步骤1-3：将封闭区域调整为随机大小；

步骤1-4：将封闭区域添加到无缺陷图像的随机位置，完成基于颜色方法生成缺陷数据。

进一步的技术方案是，步骤1中所述的基于形变方法生成缺陷数据的具体搭建步骤如下：

步骤1-5：随机生成两个点(p₁,p₂)和变形半径r；

步骤1-6：根据p₁，p₂和r计算形变区域；

步骤1-7：根据公式计算形变区域的像素位置，完成基于形变方法生成缺陷数据。

进一步的技术方案是，步骤2中所述的基于自注意力的对抗自编码器纹理表面缺陷检测框架的搭建步骤如下：

步骤2-1：搭建编码器网络框架；

步骤2-2：搭建解码器网络框架；