一种基于多尺度特征融合的工业表面缺陷视觉检测方法与流程

摘要: 本发明属于计算机视觉,具体涉及一种基于多尺度特征融合的工业表面缺陷视觉检测方法。背景技术:1、智能制造持续推进,工业产品表面缺陷检测是产品质量管控的关键环节,机...
一种基于多尺度特征融合的工业表面缺陷视觉检测方法与流程

本发明属于计算机视觉,具体涉及一种基于多尺度特征融合的工业表面缺陷视觉检测方法。

背景技术:

1、智能制造持续推进,工业产品表面缺陷检测是产品质量管控的关键环节,机器视觉检测凭借高效、非接触优势逐步替代人工检测,广泛应用于各类工业零部件外观质检场景。

2、工业产品表面缺陷尺度差异显著,微小划痕、大面积破损等缺陷共存,单一尺度特征难以完整捕捉缺陷信息。现有视觉检测方案普遍依靠多尺度空间特征融合方式提取图像特征,以此适配不同尺寸缺陷识别需求。

3、然而,传统多尺度特征融合仅在空间维度完成特征拼接,无法区分图像承载纹理细节的高频分量与表征主体区域的低频分量,缺陷特征易受背景噪声干扰,小尺度缺陷特征易被淹没,缺陷识别与像素定位精度受限。因此,目前亟待提供一种基于多尺度特征融合的工业表面缺陷视觉检测方法,以解决上述技术问题。

技术实现思路

1、本申请提供一种基于多尺度特征融合的工业表面缺陷视觉检测方法,以解决现有技术中缺陷识别与像素定位精度受限等问题。

2、本申请第一方面实施例提供一种基于多尺度特征融合的工业表面缺陷视觉检测方法包括以下步骤:获取待检测工业产品的表面图像;将所述表面图像输入至特征提取网络,生成多尺度空间特征图,对所述多尺度空间特征图进行频域分量分解,得到高频特征分量与低频特征分量,分别对所述高频特征分量和所述低频特征分量进行增强处理,并通过自适应融合机制将增强后的高频特征分量与低频特征分量进行融合,生成多尺度增强特征图;基于无缺陷样本构建正常特征基准,将所述多尺度增强特征图中的特征作为查询特征,计算所述查询特征与所述正常特征基准之间的差异度,并根据所述差异度生成初始异常响应图;将所述初始异常响应图与所述特征提取网络输出的浅层高分辨率空间特征进行融合,得到像素级缺陷定位掩膜,将所述像素级缺陷定位掩膜映射回原始输入图像的尺寸,通过预设的异常分数阈值判定所述待检测产品是否为缺陷品,并输出缺陷类别、位置及轮廓信息。

3、本申请第二方面实施例提供一种基于多尺度特征融合的工业表面缺陷视觉检测系统,包括:获取模块,用于获取待检测工业产品的表面图像;处理模块,用于将所述表面图像输入至特征提取网络,生成多尺度空间特征图,对所述多尺度空间特征图进行频域分量分解,得到高频特征分量与低频特征分量,分别对所述高频特征分量和所述低频特征分量进行增强处理,并通过自适应融合机制将增强后的高频特征分量与低频特征分量进行融合,生成多尺度增强特征图;生成模块,用于基于无缺陷样本构建正常特征基准,将所述多尺度增强特征图中的特征作为查询特征,计算所述查询特征与所述正常特征基准之间的差异度,并根据所述差异度生成初始异常响应图;检测模块,用于将所述初始异常响应图与所述特征提取网络输出的浅层高分辨率空间特征进行融合,得到像素级缺陷定位掩膜,将所述像素级缺陷定位掩膜映射回原始输入图像的尺寸,通过预设的异常分数阈值判定所述待检测产品是否为缺陷品,并输出缺陷类别、位置及轮廓信息。

4、本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序,以实现如上述实施例的一种基于多尺度特征融合的工业表面缺陷视觉检测方法。

5、由此,本申请包括如下有益效果:通过对特征提取网络输出的多尺度空间特征图实施频域分量分离,针对性完成高频缺陷细节、低频背景信息独立增强并自适应融合,有效区分工业表面图像中细微缺陷纹理与大面积平稳背景,依托无缺陷样本建立正常特征基准实现特征差异比对生成初始异常响应图,再结合浅层高分辨率空间特征完成响应图融合得到像素级缺陷定位掩膜;既充分利用频域分解强化微弱缺陷特征、抑制复杂工业背景干扰,又借助浅层高分辨率特征弥补深层特征定位精度损失,能够精准输出缺陷像素位置、轮廓与类别信息,在各类工业表面微弱、小尺寸缺陷检测场景下具备更高检测准确率与像素定位精度,同时仅依靠正常样本即可完成模型构建,无需大量标注缺陷样本,降低工业质检场景的数据标注成本。由此,解决了现有技术中缺陷识别与像素定位精度受限等问题。

6、本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

1.一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,对所述多尺度空间特征图进行频域分量分解,包括:

3.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,分别对所述高频特征分量和所述低频特征分量进行增强处理,包括:

4.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,通过自适应融合机制将增强后的高频特征分量与低频特征分量进行融合,生成多尺度增强特征图,包括:

5.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,基于无缺陷样本构建正常特征基准,包括:

6.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,计算所述查询特征与所述正常特征基准之间的差异度,并根据所述差异度生成初始异常响应图,包括:

7.根据权利要求1所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,将所述初始异常响应图与所述特征提取网络输出的浅层高分辨率空间特征进行融合,得到像素级缺陷定位掩膜,包括:

8.根据权利要求7所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法,其特征在于,还包括对所述分割网络进行训练,包括:

9.一种基于多尺度特征融合的工业表面缺陷视觉检测系统,其特征在于,包括:

10.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序,以实现权利要求1-8任一项所述的一种基于多尺度特征融合的工业表面缺陷视觉检测方法。