公开(公告)号：CN110276754A

公开(公告)日：2019-09-24

申请号：CN201910540159.5

申请日：2019-06-21

Applicant: 厦门大学

Inventor： 邵桂芳 ,  高凤强 ,  李铁军 ,  刘暾东 ,  徐珊波 ,  陈聿文

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136

Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的缺陷图像组成训练集，并对训练集内的缺陷图像进行标注；S2：构建缺陷检测模型，将训练集输入缺陷检测模型进行训练，得到训练后的缺陷检测模型；所述缺陷检测模型基于Faster R-CNN网络构建，其特征提取网络为VGG-16网络，并在VGG-16网络中，将第3层的输出与第5层的输出进行叠加；S3：将待检测的缺陷图像输入训练后的缺陷检测模型，得到缺陷图像中的缺陷定位框和缺陷类型；S4：根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R-CNN网络和阈值分割方法，使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓，即实现缺陷的端到端检测。

公开(公告)号：CN110276754B

公开(公告)日：2021-08-20

申请号：CN201910540159.5

申请日：2019-06-21

Applicant: 厦门大学

Inventor： 邵桂芳 ,  高凤强 ,  李铁军 ,  刘暾东 ,  徐珊波 ,  陈聿文

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136

Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的缺陷图像组成训练集，并对训练集内的缺陷图像进行标注；S2：构建缺陷检测模型，将训练集输入缺陷检测模型进行训练，得到训练后的缺陷检测模型；所述缺陷检测模型基于Faster R‑CNN网络构建，其特征提取网络为VGG‑16网络，并在VGG‑16网络中，将第3层的输出与第5层的输出进行叠加；S3：将待检测的缺陷图像输入训练后的缺陷检测模型，得到缺陷图像中的缺陷定位框和缺陷类型；S4：根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R‑CNN网络和阈值分割方法，使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓，即实现缺陷的端到端检测。