申请/专利权人：征图新视(江苏)科技股份有限公司

申请日：2020-09-11

公开（公告）日：2024-04-16

公开（公告）号：CN111986199B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明涉及一种基于无监督深度学习的木地板表面瑕疵检测方法，包括以下步骤：1收集样品样本，包括好品样本和缺陷样本，好品样本和缺陷样本数量均大于5000张；2对收集的样品样本采用高斯滤波方式进行图像噪声的预处理；3对样品样本进行样本扩充；4建立网络模型，生成深度学习运行库；5对待测品进行检测，将待测品进行与步骤2同样的预处理后输入到步骤4生成的深度学习运行库中进行判决，并给出好品或坏品的判决结果。本发明解决了现有木地板表层纹路变化等造成的现有技术无法检测的问题，能达到替换人工检测的目的，实现木地板行业表面瑕疵的有效检出，满足行业生产质量标准。

主权项：1.一种基于无监督深度学习的木地板表面瑕疵检测方法，其特征在于：包括以下步骤：1收集样品样本，包括好品样本和缺陷样本，好品样本和缺陷样本数量均大于5000张；2对收集的样品样本采用高斯滤波方式进行图像噪声的预处理；3对样品样本进行样本扩充；4建立网络模型，生成深度学习运行库；所述的步骤4中，建立的网络模型结构为，包括6组长方形为卷积层，后面紧接着1个卷积层及4个DECONV1～DECONV4反卷积层，最后为1个输出层；其中，每组卷积层的第一个长方形为输入层，后三个长方形为3个单元，相邻卷积层间包含一次池化操作，全连接层的输出在DECONV1层经2倍的反卷积后，其结果再与第四池化层的跳级Skip结果完成第一次累加；对于输出的累加结果，在DECONV1层再次进行2倍的反卷积后，其输出结果与第三池化层的Skip结果完成第二次累加，依次进行；每次累加输出与上一池化层Skip结果进行累加，直到输出最终检测结果；每组最大池化maxpooling滤波器尺寸为[2，2]，每组中四个卷积滤波器的尺寸为[3，3]、[7，7]、[5，5]和[3，3]，随层数增加，滤波器深度增加一倍，反卷积层滤波器尺寸为[4，4]、[4，4]、[4，4]和[8，8]，skip1～3滤波器尺寸均为[1，1]；所述的网络模型的损失函数为： 式中，N为索引值；Pi、Pi*分别为目标边值的预测值与真实值；ti、ti*分别为类别的预测值与真实值；Ncls、Nreg分别为分类项和回归项的归一化参数；λ为权重值；Lcls为分类损失对数函数，其表达式为:LclsPi,Pi*＝-logPi*Pi+1-Pi*1-PiLreg为网络回归损失函数，即:Lregti,ti*＝Rti-ti*＝RxRx为损失函数，其式为: 5对待测品进行检测，将待测品进行与步骤2同样的预处理后输入到步骤4生成的深度学习运行库中进行判决，并给出好品或坏品的判决结果。

全文数据：

权利要求：

百度查询： 征图新视(江苏)科技股份有限公司 一种基于无监督深度学习的木地板表面瑕疵检测方法

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