[发明专利]一种基于自监督对比学习的复杂纹理及图案色差检测方法

说明书

本发明涉及工业检测技术领域，公开了一种基于自监督对比学习的复杂纹理及图案色差检测方法，包括以下步骤：S1.构建带标签的原始数据集；S2.对原始数据集进行数据增强，得到增强数据集；S3.通过编码器提取增强数据集的图像特征；S4.将增强后数据的图像特征通过投影网络对图像特征进行投影操作，得到嵌入向量；S5.根据得到的嵌入向量，计算增强数据集中不同的图像间的相似度和预训练的对比损失，并根据对比损失改进编码器；S6.在改进后的编码器后面接入分类网络，替换投影网络，通过改进后的编码器重新获取改进后图像特征，并对增强数据集中的图像进行分类检测。本发明解决了现有技术主观性大，相邻色差等级的检测容易误检的问题。

技术领域

本发明涉及工业检测技术领域，更具体的，涉及一种基于自监督对比学习的复杂纹理及图案色差检测方法。

背景技术

对于彩色印刷品色差质量评价的方法主要包含:目测法、密度学法、色度学法。主观目测法是基于人眼感受进而做出判断的印品评价方法。主观目测法主要依靠设定的标准印张与生产样张进行直接比较，分析二者间视觉颜色差别，借助放大工具观测各种颜色的网点形状变化以及网点叠印情况，做出综合评价。密度检测法以印品的油墨层厚度为基础，密度值直接反应印品的反射率，从而直接评判印刷颜色的深浅以及墨层厚度，影响印刷生产的调节控制。长期以来，密度检测法被印刷企业质量检测广泛使用，但是不同仪器的一致性存在明显差异，不适用于广泛使用。色度检测法是通过测量印刷品色度信息的检测方法，是印刷企业利用物体色彩、衡量颜色、描述颜色的基础研究工具。由于色度检测不受主观因素的影响，可以客观显示检测度量，但无法直接与墨层厚度、网点变化等产生关联，故而直接利用检测数据指导生产。密度检测法和色度检测法克服了主观检测法的各类问题，并确定了相似度量参考。但是由于工业印品大都存在复杂纹理或图案，以及密度、并且色度检测利用固定的模型基础计算，相关检验反映不能满足普适性和准确性，加之两种检测方法只能对印刷样张10平方毫米区域内进行读值检测，因此需要构建基于显著性算法的复杂纹理及图案图像的色差检测模型。目前瓦楞纸数码印刷机最高可以打印1200×600分辨率图像，图案纹理精细复杂，如果采用传统模板匹配方式进行色差检测、分级分色等任务，其处理速度慢，且精度较低。

针对这一问题，现有一种基于对比学习的自监督图像分类方法，包括以下步骤:步骤S1:获取无标签数据，并进行随机增强生成不同视图；步骤S2:对视图进行特征提取，无监督对比计算损失,得到无监督分类模型C1；步骤S3:对无标签数据中部分进行人工标注，作为训练验证集；步骤S4:将C1作为预训练模型，根据训练验证集进行微调；步骤S5：提取训练验证集的特征，有监督对比计算损失，得到C2；步骤S6：根据C2对无标签数据预测标签，并筛选置信度高于预设值的数据作为训练样本；步骤S7：基于训练样本，将C2作为预训练模型，选取小网络进行训练微调，将验证输出准确率最高的作为最佳分类模型C3。

然而现有色差检测方法有主观性大，相邻色差等级的检测容易误检的问题，因此如何发明一种客观，准确度高的色差检测方法，是本技术领域亟需解决的问题。

发明内容

本发明为了解决现有技术主观性大，相邻色差等级的检测容易误检的问题，提供了一种基于自监督对比学习的复杂纹理及图案色差检测方法，其具有客观，准确度高的特点。

为实现上述本发明目的，采用的技术方案如下：

一种基于自监督对比学习的复杂纹理及图案色差检测方法，包括以下步骤：

S1.得到原始图像，根据色差分级标准，构建带标签的原始数据集；

S2.对原始数据集进行数据增强，得到增强数据集；

S3.开始预训练，通过编码器提取增强数据集的图像特征；

S4.将增强后数据的图像特征通过投影网络对图像特征进行投影操作，得到嵌入向量；