申请/专利权人：桂林电子科技大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876335A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/10;G06T5/90;G06T5/70;G06T5/20;G06T5/60;G06N3/0895;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于图像分割与降噪的弱监督钢铁表面缺陷检测方法，包括如下步骤：采集钢铁表面数据；优化U‑net网络模型以适应对钢铁表面缺陷数据进行图像分割；嵌入结构相似性指数SSIM测量系统作为模型的损失函数，结合优化的U‑net网络模型，提出一种新的网络模型SSIM‑Unet，生成钢铁表面初步缺陷分割灰度图；将得到的缺陷分割灰度图先利用高斯滤波去除成像过程中的高斯噪声，最后利用中值滤波消除图像的椒盐噪声，突出图像缺陷部分；输出钢铁表面缺陷的最终的检测结果。本方法利用少量的钢铁表面缺陷数据，无需标注即可检测出缺陷的形状，相比现有检测方法，减少人力投入的同时、在检测速度、精确率，召回率上有大幅提高。

主权项：1.基于图像分割与降噪的弱监督钢铁表面缺陷检测方法，其特征在于，包括如下步骤：1采集钢铁表面数据，包括少量钢铁表面缺陷图片和大量正常图片，其中正常图片用于模型训练，缺陷图片用来测试模型的分割效果；2优化U-net网络模型以适应对钢铁表面缺陷数据进行图像分割，网络左侧的第一层卷积层的卷积核个数设置为46个，每个卷积核大小11*11，步长设置为1，左侧从上往下其余三层的卷积核大小分别设置为9*9、7*7、5*5，步长都设置为2，卷积核个数都为46个；网络的右侧从下往上进行反卷积操作，为了获取更多的特征信息，用跟右侧相对应的左侧下一层特征进行剪裁，拼接到右侧的输入特征中；3嵌入结构相似性指数SSIM测量系统作为模型的损失函数，结合步骤2优化的U-net网络模型，提出一种新的网络模型SSIM-Unet，利用亮度，对比度和结构三个对比模块对原始图像与缺陷图片计算损失，优化图片光照、图片结构差异在成像时所造成的影响，生成钢铁表面初步缺陷分割灰度图；4引入消除噪声与图像凸显模块，将步骤3中得到的缺陷分割灰度图先利用高斯滤波去除成像过程中的高斯噪声，最后利用中值滤波消除图像的椒盐噪声，突出图像缺陷部分；5输出钢铁表面缺陷的最终的检测结果。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 基于图像分割与降噪的弱监督钢铁表面缺陷检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD