公开(公告)号：CN112164048A

公开(公告)日：2021-01-01

申请号：CN202011025134.0

申请日：2020-09-25

Applicant: 华中科技大学

Inventor： 袁烨 ,  金豆 ,  董云龙

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的磁瓦表面缺陷自动检测方法和装置，属于物体表面缺陷自动检测领域。本发明方法充分利用磁瓦表面缺陷的特性，对应计算出待检测图像的四种显著图，并将计算得到的四种显著图与原始图像进行融合后，输入至U‑net网络实现像素级分割，能够对缺陷的大小、位置做出像素级判断，同时检测结果的准确度有效提高；本发明无需对输入图像做校正、图像增强、去噪、特征提取等预处理过程，对图像形变、环境光照变化、角度变化都有很好的鲁棒性。本发明装置配置简单，不需要对现有生产线做出较大改动即可嵌入到生产当中，减少了方案实施过程中造成的资源浪费。

公开(公告)号：CN112164048B

公开(公告)日：2023-03-10

申请号：CN202011025134.0

申请日：2020-09-25

Applicant: 华中科技大学

Inventor： 袁烨 ,  金豆 ,  董云龙

IPC: G06T7/00 ,  G06V10/56 ,  G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的磁瓦表面缺陷自动检测方法和装置，属于物体表面缺陷自动检测领域。本发明方法充分利用磁瓦表面缺陷的特性，对应计算出待检测图像的四种显著图，并将计算得到的四种显著图与原始图像进行融合后，输入至U‑net网络实现像素级分割，能够对缺陷的大小、位置做出像素级判断，同时检测结果的准确度有效提高；本发明无需对输入图像做校正、图像增强、去噪、特征提取等预处理过程，对图像形变、环境光照变化、角度变化都有很好的鲁棒性。本发明装置配置简单，不需要对现有生产线做出较大改动即可嵌入到生产当中，减少了方案实施过程中造成的资源浪费。