一种基于计算机视觉和深度学习的楼面缺陷自动检测方法
基本信息
| 申请号 | CN201910010889.4 | 申请日 | - |
| 公开（公告）号 | CN109859171A | 公开（公告）日 | 2019-06-07 |
| 申请公布号 | CN109859171A | 申请公布日 | 2019-06-07 |
| 分类号 | G06T7/00（2017.01）I; G06T7/11（2017.01）I; G06T7/155（2017.01）I; G06T7/187（2017.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 孙光民; 陈佳阳; 白云鹍; 关世奎; 李煜 | 申请（专利权）人 | 北京亦庄大数据科技发展有限公司 |
| 代理机构 | 北京思海天达知识产权代理有限公司 | 代理人 | 刘萍 |
| 地址 | 100176 北京市大兴区北京经济技术开发区荣华南路9号院4号楼9层901-1室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于计算机视觉和深度学习的楼面缺陷自动检测方法，包括：在检测前，先利用已有楼面缺陷图像制作样本，并依据迁移学习理论进行楼面缺陷检测模型的训练；检测流程是首先依据传统图像处理对楼面图像墙体区域进行分割提取；然后对楼面图像的墙体区域分块，应用模型对每一子块进行检测，可以采用并行处理的方式加速；接着对子块检测结果进行整合与转换，标注出缺陷在原始图像上的位置；最后对检测结果进行修正，并制作新样本用于模型的再次训练，以提升模型的检测性能；本发明解决了现有技术中楼面图像缺陷检测的速度与精度难以兼得，且检测算法适应能力不强，检测效果易受照片拍摄环境影响的难题。 |
