用于纸张缺陷检测的方法、装置、检测设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114782395A(43)申请公布日2022.07.22(21)申请号202210498748.3G06V10/82(2022.01)(22)申请日2022.05.09G06V10/77(2022.01)G06V10/764(2022.01)(71)申请人北京明略软件系统有限公司G06K9/62(2022.01)地址100000北京市海淀区中关村东路1号G06N3/04(2006.01)院1号楼10层A1002G06N3/08(2006.01)(72)发明人刘畅陈瑞侠冒树林李震张智铭尹俊伟陈红兰王瑞峰邱琼文(74)专利代理机构北京康盛知识产权代理有限公司11331专利代理师张宇峰(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/194(2017.01)权利要求书1页说明书7页附图5页(54)发明名称用于纸张缺陷检测的方法、装置、检测设备和存储介质(57)摘要本申请涉及深度学习技术领域，公开一种用于纸张缺陷检测的方法，包括：采集被检测纸张的深度图像；对深度图像进行可视化处理；将可视化处理后的深度图像输入测试完成的分割网络模型，得到深度图像中前景区域的深度点云数据；对前景区域的深度点云数据进行归一化处理；将归一化处理后的前景区域的深度点云数据输入测试完成的分类网络模型中进行缺陷分析。上述方案在利用分割网络模型去除背景区域的同时，保留了图像的深度信息。进而再输入到分类网络模型进行缺陷检测，相较于相关技术通过降维来提取特征的方式而言，保留了三维图像中的深度信息，从而提高了纸张缺陷检测的准确性。本申请还公开一种用于纸张缺陷检测的装置、检测设备和存储介质。CN114782395ACN114782395A权利要求书1/1页1.一种用于纸张缺陷检测的方法，其特征在于，包括：采集被检测纸张的深度图像；对所述深度图像进行可视化处理；将可视化处理后的所述深度图像输入测试完成的分割网络模型，得到所述深度图像中前景区域的深度点云数据；对所述前景区域的深度点云数据进行归一化处理；将归一化处理后的所述前景区域的深度点云数据输入测试完成的分类网络模型中进行缺陷分析。2.根据权利要求1所述的方法，其特征在于，所述分割网络模型的训练方法包括：获得具有背景标签信息的深度图像，并由所述具有背景标签信息的深度图像生成训练集和测试集；搭建用于提取前景区域的分割网络模型；使用所述训练集对分割网络模型进行训练，得到训练后的分割网络模型；使用所述测试集对分割网络模型进行性能测试，得到所述测试完成的分割网络模型。3.根据权利要求2所述的方法，其特征在于，所述背景标签信息包括前景区域标签和背景区域标签。4.根据权利要求1所述的方法，其特征在于，所述分类网络模型的训练方法包括：获得具有缺陷标签信息的深度图像，并由所述具有缺陷标签信息的深度图像生成训练集和测试集；搭建用于纸张缺陷检测的分类网络模型；使用所述训练集对分类网络模型进行训练，得到训练后的分类网络模型；使用所述测试集对分类网络模型进行性能测试，得到所述测试完成的分类网络模型。5.根据权利要求4所述的方法，其特征在于，所述缺陷标签信息包括纸张正常标签和纸张缺陷标签。6.根据权利要求1至5中任一项所述的方法，其特征在于，将深度图像输入分割网络模型或分类网络模型前，还包括：对所述深度图像进行压缩处理，以适应分割网络模型或分类网络模型的格式。7.根据权利要求1所述的方法，其特征在于，所述分割网络模型包括Unet网络结构，所述分类网络模型包括resent18网络结构。8.一种用于纸张缺陷检测的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至7任一项所述的用于纸张缺陷检测的方法。9.一种检测设备，其特征在于，包括：采集系统，包含多个用于采集被检测纸张深度图像的传感相机；如权利要求8所述的用于纸张缺陷检测的装置。10.一种存储介质，存储有程序指令，其特征在于，所述程序指令在运行时，执行如权利要求1至7任一项所述的用于纸张缺陷检测的方法。2CN114782395A说明书1/7页用于纸张缺陷检测的方法、装置、检测设备和存储介质技术领域[0001]本申请涉及深度学习技术领域，具体而言，涉及一种用于纸张缺陷检测的方法、装置、检测设备和存储介质。背景技术[0002]目前，传统的纸张缺陷检测大部分是基于可见光的缺陷检测，而深度缺陷属于非可见光的缺陷检测，因此在图像上不可见，传统的算法也无法进行缺陷检测。现有技术中，针对深度缺陷的纸张检测技术大多都是用人工进行检测，也即是通过肉眼来观察纸张是否存在缺陷。但人工检测存在人工成本高，检测主观性强，检测时间久等问题。[0003]相