一种表面轻微形变缺陷对比度增强方法

    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

    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。

    一种表面轻微形变缺陷对比度增强方法

    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

    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。

    一种基于深度神经网络的织物瑕疵检测方法

    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

    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。

Patent Agency Ranking