一种基于深度学习的工件表面缺陷检测和分割方法
基本信息
| 申请号 | CN202110455912.8 | 申请日 | - |
| 公开（公告）号 | CN113362277A | 公开（公告）日 | 2021-09-07 |
| 申请公布号 | CN113362277A | 申请公布日 | 2021-09-07 |
| 分类号 | G06T7/00（2017.01）I;G06T7/10（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/62（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 杨明伦;吴佳田;王胤睿 | 申请（专利权）人 | 辛米尔视觉科技（上海）有限公司 |
| 代理机构 | 上海宏京知识产权代理事务所（普通合伙） | 代理人 | 李倩倩 |
| 地址 | 200245上海市闵行区剑川路951号5幢1层（集中登记地） | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于深度学习的工件表面缺陷检测和分割方法，步骤一，采集待检测工件的图像信息；步骤二，构建分割网络，将采集的图像信息作为分割网络的输入；通过所述分割网络对工件表面缺陷进行像素定位，并以逐像素损失训练该分割网络，将每个像素视为一个单独的训练样本；步骤三，执行二进制图像分类，并在分割网络上构建附加网络，步骤四，完成卷积后，决策网络执行全局最大池化和全局平均池化，产生若干输出神经元；步骤五，对分割网络输出图进行全局最大池化和全局平均池化；充分利用了深度学习的潜力，能够实现更高进度的检测，并对分割和决策网络的架构进行了优化，增加感受野的大小并提高网络捕获小细节的能力。 |
