公开(公告)号：CN114494129B

公开(公告)日：2023-04-18

申请号：CN202111594118.8

申请日：2021-12-23

Applicant: 苏州大学

Inventor： 何志勇 ,  肖雅峰 ,  林嵩 ,  张一博 ,  孙继璜 ,  张忍 ,  钱森

IPC: G06T7/00 ,  G06T5/50 ,  G06Q10/0639 ,  G01B11/16

Abstract: 本发明公开了一种表面轻微形变缺陷对比度增强方法，包括：设置表面轻微形变缺陷对比度增强装置，以照明光源向待检表面照射，并向一个方向逐步移动所述照明光源，以确保所述照明光源的边缘光覆盖整个所述待检表面，采集移动过程中所述待检表面的多张反射光线图，去除所述多张反射光线图中的亮背景，得到多张无条纹干扰图像，将所述多张无条纹干扰图像进行图像合成，得到目标合成图像，实现了对表面轻微形变缺陷的对比度增强，通过对比度增强可以更好的获取图像信息，检测缺陷。

公开(公告)号：CN114494129A

公开(公告)日：2022-05-13

申请号：CN202111594118.8

申请日：2021-12-23

Applicant: 苏州大学

Inventor： 何志勇 ,  肖雅峰 ,  林嵩 ,  张一博 ,  孙继璜 ,  张忍 ,  钱森

IPC: G06T7/00 ,  G06T5/50 ,  G06Q10/06 ,  G01B11/16

Abstract: 本发明公开了一种表面轻微形变缺陷对比度增强方法，包括：设置表面轻微形变缺陷对比度增强装置，以照明光源向待检表面照射，并向一个方向逐步移动所述照明光源，以确保所述照明光源的边缘光覆盖整个所述待检表面，采集移动过程中所述待检表面的多张反射光线图，去除所述多张反射光线图中的亮背景，得到多张无条纹干扰图像，将所述多张无条纹干扰图像进行图像合成，得到目标合成图像，实现了对表面轻微形变缺陷的对比度增强，通过对比度增强可以更好的获取图像信息，检测缺陷。

公开(公告)号：CN107316295A

公开(公告)日：2017-11-03

申请号：CN201710529838.3

申请日：2017-07-02

Applicant: 苏州大学

Inventor： 何志勇 ,  张浩 ,  朱翚 ,  林嵩

IPC: G06T7/00 ,  G06K9/62

CPC classification number: G06T7/0008 ,  G06K9/6273 ,  G06T2207/10004 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30124

Abstract: 本发明公开了一种基于深度神经网络的织物瑕疵检测方法，包括如下步骤，（1）、搭建图像采集系统，采集图像；（2）、将所图像分割为实验样本，同时增加织物样本图像数据，将增强后的织物图像作为训练样本，（3）、设计深度神经网络；（4）、设置参数并对所述深度神经网络进行初始化，将训练样本送入到深度神经网络进行训练，在网络训练完成之后，保存网络模型；（5）、将输入的新的织物样本送入网络模型进行检测。本发明提出的基于深度神经网络的织物瑕疵检测方法，以卷积神经网络为核心，通过卷积层进行特征提取，池化层保留有效特征并减少计算量，用全连接层进行分类。以mini-batch梯度下降法进行优化，L2正则化增强泛化能力，通过确定分类器输出的最大分量的对应位置进行缺陷的识别，效果参见图4所示，其中Actual表示样本真实的类别，Pred表示样本预测的类别。