基于显著性特征预提取与图像分割的缺陷检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114299066A(43)申请公布日2022.04.08(21)申请号202210200679.3(22)申请日2022.03.03(71)申请人清华大学地址100084北京市海淀区清华园(72)发明人黄必清徐荣阁(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人吴娜娜(51)Int.Cl.G06T7/00(2017.01)G06V10/26(2022.01)G06V10/764(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书16页附图7页(54)发明名称基于显著性特征预提取与图像分割的缺陷检测方法和装置(57)摘要本申请涉及一种基于显著性特征预提取与图像分割的缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测图像，并对待检测图像进行处理，并根据图像分割阈值对灰度变化特征图进行分割处理，对待检测图像中包含的像素点进行多次筛选，得到待检测图像的目标缺陷显著性特征图以及缺陷子图。这样，将上述数据一并输入至预先训练的像素点缺陷概率预测模型，得到待检测图像的缺陷检测结果图像。本发明所提供的方法通过对玻璃表面的待检测图像进行预处理与显著性特征提取，实现对高分辨率图像进行初步筛选，在提高检测效率的同时提取了有效的缺陷特征，对检测过程进行辅助，保证了玻璃表面缺陷检测的高精细度与高效率。CN114299066ACN114299066A权利要求书1/2页1.一种基于显著性特征预提取与图像分割的缺陷检测方法，其特征在于，所述方法包括：获取待检测图像，得到所述待检测图像的灰度变化特征图，其中，所述灰度变化特征图中包含所述待检测图像中各个像素点的像素值，所述待检测图像是玻璃表面的高分辨率图像；对符合预设阈值筛选条件的像素点对应的像素值进行均值计算，得到图像分割阈值；提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图；根据所述目标缺陷显著性特征图的坐标，对所述待检测图像进行裁剪，得到所述目标缺陷显著性特征图对应的缺陷子图；将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型，得到所述待检测图像的缺陷检测结果图像。2.根据权利要求1所述的方法，其特征在于，所述提取所述灰度变化特征图中像素值大于或等于所述图像分割阈值的像素点对应的区域，得到所述待检测图像的目标缺陷显著性特征图，包括：将所述灰度变化特征图中像素值小于图像分割阈值的像素点的像素值确定为目标值，得到所述待检测图像对应的第一缺陷显著性特征图；根据预设形态学开运算算法，对所述第一缺陷显著性特征图进行噪点去除处理，得到所述待检测图像的第二缺陷显著性特征图；将所述第二缺陷显著性特征图中像素值为目标值的像素点对应的区域进行剔除处理，得到所述待检测图像的目标缺陷显著性特征图。3.根据权利要求1所述的方法，其特征在于，在所述将所述目标缺陷显著性特征图以及所述缺陷子图输入至预先训练的像素点缺陷概率预测模型的步骤之前，所述方法还包括：对所述缺陷子图进行图像增强处理，得到进行处理后的所述缺陷子图，所述图像增强处理包括图像随机旋转处理、图像位移处理、图像缩放处理、图像剪切处理以及图像翻转处理中的一种或多种。4.根据权利要求1所述的方法，其特征在于，所述待检测图像的缺陷检测结果图像包括所述待检测图像中的多个像素点的缺陷概率值，所述方法还包括：根据预设二值化分割阈值以及所述待检测图像中的多个像素点的缺陷概率值，对所述待检测图像中的多个像素点进行二值化处理，得到所述待检测图像的缺陷图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取训练数据，所述训练数据包括样本图像的样本缺陷显著性特征图、样本缺陷子图以及样本缺陷检测结果图像；将所述样本缺陷显著性特征图以及所述样本缺陷子图输入至待训练的像素点缺陷概率预测模型，得到预测缺陷检测结果图像；通过预设损失函数，根据所述样本缺陷检测结果图像包含的多个像素点的样本缺陷概率值以及所述预测缺陷检测结果图像包含的多个像素点的预测缺陷概率值，计算损失值；根据所述损失值更新所述待训练的像素点缺陷概率预测模型的网络参数，并返回执行所述获取训练数据的步骤，直到所述损失值满足预设训练完成条件，得到训练完成的像素2CN114299066A权利要求书2/2页点缺陷概率预测模型。6.根据权利要求5所述的方法，其特征在于，所述将所述样本缺陷显著性特征图以及所述样本缺陷子图输入至待训练的像素点缺陷概率预测模型，得到预测缺陷检测结果图像，包括：对所述样本缺陷显著性特征图以及所述样本缺陷子图进行通道级联处理，得到样本拼接图