公开(公告)号：CN115205275A

公开(公告)日：2022-10-18

申请号：CN202210889914.2

申请日：2022-07-27

Applicant: 哈尔滨工业大学

Inventor： 董航程 ,  刘国栋 ,  刘炳国 ,  高卓 ,  黄颖妍 ,  廖敬骁

IPC: G06T7/00 ,  G06T7/136 ,  G06V10/764 ,  G06V10/82 ,  G06Q10/00 ,  G06N3/08 ,  G06N3/04

Abstract: 基于深度学习算法的表面缺陷检测方法，解决了现有采用深度学习算法进行表面缺陷检测时存在样本不均衡的问题，属于工业生产中检测技术领域。本发明包括：基于深度学习算法建立表面缺陷分类模型，利用初始训练样本集D1对表面缺陷分类模型进行训练；对D1中各类表面缺陷图像样本进行采样，获得均衡图像样本集D2，利用D2继续对表面缺陷分类模型进行训练，训练过程中，冻结表面缺陷分类模型中卷积层的参数，调整全连接层的参数，直至表面缺陷分类模型收敛；利用表面缺陷分类模型对待检测图像样本进行检测，计算弱监督定位信息；并进行阈值分割处理，利用二值化阈值，生成缺陷的位置掩膜，完成表面缺陷检测。

公开(公告)号：CN115661123B

公开(公告)日：2023-06-23

申请号：CN202211425972.6

申请日：2022-11-14

Applicant: 哈尔滨工业大学

Inventor： 董航程 ,  刘国栋 ,  刘炳国 ,  黄颖妍 ,  蒋宇浩 ,  叶东

IPC: G06T7/00 ,  G06T7/70 ,  G06T7/136 ,  G06V10/26 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06V20/00 ,  G06V20/70 ,  G06N3/0464

Abstract: 基于弱监督目标检测的工业品表面缺陷位置检测方法，解决了如何利用有限数据、简易标注的样本实现高精度表面缺陷检测的问题，属于表面缺陷检测领域。本发明包括：获取工业品表面缺陷的基础分类模型，作为主干模型f0分类器；在基础分类模型的N个卷积块后各增加一路分支，构成N个分类器；冻结主干模型f0分类器的参数，利用工业品表面缺陷数据集依次训练N个分类器，确定N个分支的权重；检测时，将待检测的工业品表面图像输入到基础分类模型中，获得的N+1个分类器的弱监督定位结果，合并后获得结果S；对结果S进行阈值分割处理，利用二值化阈值，生成缺陷的位置掩膜，完成表面缺陷检测。

公开(公告)号：CN115661123A

公开(公告)日：2023-01-31

申请号：CN202211425972.6

申请日：2022-11-14

Applicant: 哈尔滨工业大学

Inventor： 董航程 ,  刘国栋 ,  刘炳国 ,  黄颖妍 ,  蒋宇浩 ,  叶东

IPC: G06T7/00 ,  G06T7/70 ,  G06T7/136 ,  G06V10/26 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06V20/00 ,  G06V20/70 ,  G06N3/0464

Abstract: 基于弱监督目标检测的工业品表面缺陷位置检测方法，解决了如何利用有限数据、简易标注的样本实现高精度表面缺陷检测的问题，属于表面缺陷检测领域。本发明包括：获取工业品表面缺陷的基础分类模型，作为主干模型f0分类器；在基础分类模型的N个卷积块后各增加一路分支，构成N个分类器；冻结主干模型f0分类器的参数，利用工业品表面缺陷数据集依次训练N个分类器，确定N个分支的权重；检测时，将待检测的工业品表面图像输入到基础分类模型中，获得的N+1个分类器的弱监督定位结果，合并后获得结果S；对结果S进行阈值分割处理，利用二值化阈值，生成缺陷的位置掩膜，完成表面缺陷检测。