-
公开(公告)号：CN112085734B
公开(公告)日：2022-02-01
申请号：CN202011024273.1
申请日：2020-09-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于GAN的图像修复的缺陷检测方法。该方法设计了基于GAN的图像修复网络，通过对于无缺陷样本图像数据进行预处理，实现了基于少量无缺陷样本的学习任务，解决了实际工业应用场景当中的正负样本不均衡问题；通过将该网络结合边缘检测Loss，增强了网络的元件复原能力；与此同时，采用了感兴趣区域(ROI)提取以及边缘移除的后处理方法，大幅度地提升了网络的缺陷检测精度，较好地实现了工业元件产品的缺陷检测任务。在150幅工业元件产品测试图像数据(其中139幅有缺陷，11幅无缺陷)上的测试结果验证了本发明针对于工业元件产品上的缺陷进行检测的有效性。
-
公开(公告)号：CN112085734A
公开(公告)日：2020-12-15
申请号：CN202011024273.1
申请日：2020-09-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于GAN的图像修复的缺陷检测方法。该方法设计了基于GAN的图像修复网络，通过对于无缺陷样本图像数据进行预处理，实现了基于少量无缺陷样本的学习任务，解决了实际工业应用场景当中的正负样本不均衡问题；通过将该网络结合边缘检测Loss，增强了网络的元件复原能力；与此同时，采用了感兴趣区域(ROI)提取以及边缘移除的后处理方法，大幅度地提升了网络的缺陷检测精度，较好地实现了工业元件产品的缺陷检测任务。在150幅工业元件产品测试图像数据(其中139幅有缺陷，11幅无缺陷)上的测试结果验证了本发明针对于工业元件产品上的缺陷进行检测的有效性。
-
公开(公告)号：CN112102306B
公开(公告)日：2022-10-25
申请号：CN202011024288.8
申请日：2020-09-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于双重GAN的边缘修复特征融合的缺陷检测方法，该方法采用先修复后分割的思想，设计了双重GAN分别对缺陷元件的边缘图和原图进行修复，分别对应的缺陷的纹理特征与灰度特征，并通过特征拼接的方式将修复好的纹理特征融合至缺陷修复网络，辅助对缺陷原图的修复，提高了网络对位于元件边缘的缺陷的修复性能；其中，边缘修复网络中，采用了可形变卷积对残差块的卷积方式进行更改，相较于普通卷积方式，可形变卷积能有效利用全局的边缘信息修复缺陷的边缘。最后对修复前后的处置图上进行了孤立点消除得到缺陷的像素标注。在公开的数据集上的测试结果验证了本发明对缺陷检测性能提升的有效性。
-
公开(公告)号：CN112102306A
公开(公告)日：2020-12-18
申请号：CN202011024288.8
申请日：2020-09-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于双重GAN的边缘修复特征融合的缺陷检测方法，该方法采用先修复后分割的思想，设计了双重GAN分别对缺陷元件的边缘图和原图进行修复，分别对应的缺陷的纹理特征与灰度特征，并通过特征拼接的方式将修复好的纹理特征融合至缺陷修复网络，辅助对缺陷原图的修复，提高了网络对位于元件边缘的缺陷的修复性能；其中，边缘修复网络中，采用了可形变卷积对残差块的卷积方式进行更改，相较于普通卷积方式，可形变卷积能有效利用全局的边缘信息修复缺陷的边缘。最后对修复前后的处置图上进行了孤立点消除得到缺陷的像素标注。在公开的数据集上的测试结果验证了本发明对缺陷检测性能提升的有效性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
