[发明专利]一种基于图像深度学习的产品表面划痕检测方法在审
| 申请号： | 201810637934.4 | 申请日： | 2018-06-20 |
| 公开（公告）号： | CN108985337A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 陈斌;李文俊;李建明;杜海江;江志伟;许慧青;钱基德 | 申请（专利权）人： | 中科院广州电子技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 广州胜沃园专利代理有限公司 44416 | 代理人： | 黄健仪 |
| 地址： | 510000 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明基于深度学习的高反光表面划痕检测方法，通过在高反光表面不同光照、产品下取得不同类型、形态、尺寸的划痕缺陷图像块作为训练样本训练多层卷积神经网络深度学习算法，再利用训练好的网络模型检测识别出高反光表面划痕缺陷，解决了传统图像识别方法无法识别光影区域内划痕缺陷的难题。 | ||
| 搜索关键词： | 高反光表面 划痕缺陷 划痕检测 卷积神经网络 产品表面 传统图像 光影区域 网络模型 学习算法 训练样本 图像块 再利用 多层 光照 图像 学习 检测 | ||
【主权项】：
1.一种基于图像深度学习的产品表面划痕检测方法，其特征在于，包括如下步骤：步骤1：图像采集模块采集待测图像I；步骤2：将所述待测图像I分割成大小相等的图像块Iblock；步骤3：从图像块Iblock中选取多种类型的含划痕以及不含划痕的图像块作为训练集样本；步骤4：利用训练集样本离线训练深度卷积神经网络，所述深度卷积神经网络选择基于金属表面缺陷检测网络MSDDNet的多层卷积神经网络；步骤5：利用训练好的多层卷积神经网络在线识别检测高反光表面的划痕缺陷。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中科院广州电子技术有限公司，未经中科院广州电子技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810637934.4/，转载请声明来源钻瓜专利网。
