CN115439408B 一种金属表面缺陷检测方法、装置及存储介质 （华南理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115439408B(45)授权公告日2025.07.08

(21)申请号202210920393.2

(22)申请日2022.08.02

(65)同一申请的已公布的文献号申请公布号CN115439408A

(43)申请公布日2022.12.06

(73)专利权人华南理工大学

地址510641广东省广州市天河区五山路

381号

(72)发明人胡广华何文亮涂千禧王清辉

焦安强

(74)专利代理机构广州嘉权专利商标事务所有限公司44205

专利代理师郑宏谋

(51)Int.CI.

GO6T7/00(2017.01)

GO6V10/44(2022.01)

GO6V10/52(2022.01)

GO6V10/764(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/084(2023.01)

(56)对比文件

CN112184661A,2021.01.05审查员董雪

权利要求书2页说明书11页附图4页

(54)发明名称

一种金属表面缺陷检测方法、装置及存储介

质

(57)摘要

CN115439408B本发明公开了一种金属表面缺陷检测方法、装置及存储介质，其中方法包括：根据正常样本图像获取缺陷合成图像；对缺陷合成图像进行双树复小波变换，将图像特征从像素域变换到小波域，获得低频分量和多个尺度的高频分量；对获得的低频分量和高频分量进行修改，并进行逆双树复小波变换，获得重建图像；采用缺陷合成图像和重建图像对图像预测模型进行训练；获取待检测图像，将待检测图像输入训练后的图像预测模型，输出检测结果。本发明不需要收集真实的缺陷样本，仅需要正常样本便可以具备较好的缺陷检测和定位能力，可广泛用于带有一定金属光泽的金属表面的自动在线检测。本发明可广泛应用于金属表面的缺陷检测技术

CN115439408B

根据正常样本图像获取缺陷合成图像；其中，缺陷合成图像上设有缺陷区域

对缺陷合成图像进行双树复小波变换，将图像特征从像素域变换到小波域，获得低频分量和多个尺度的高频分量

对获得的低频分量和高频分量进行修改，并进行逆双树复小波变换，获得重建图像

采用缺陷合成图像和重建图像对图像预测模型进行训练

获取待检测图像，将待检测图像输入训练后的图像预测模型，输出检测结果

S1

S2

S3

S5

CN115439408B权利要求书1/2页

2

1.一种金属表面缺陷检测方法，其特征在于，包括以下步骤：

根据正常样本图像获取缺陷合成图像；其中，缺陷合成图像上设有缺陷区域；

对缺陷合成图像进行双树复小波变换，将图像特征从像素域变换到小波域，获得低频分量和多个尺度的高频分量；

对获得的低频分量和高频分量进行修改，并进行逆双树复小波变换，获得重建图像；

采用缺陷合成图像和重建图像对图像预测模型进行训练；

获取待检测图像，将待检测图像输入训练后的图像预测模型，输出检测结果；

所述对获得的低频分量和高频分量进行修改，并进行逆双树复小波变换，获得重建图像，包括：

对于低频小波系数图，采用重建网络对低频分量进行重建，作为修改后的低频分量，重建获得的小波系数图与正常样本图像的小波系数图一致；

对于高频小波系数图，每一尺度的高频分量对应着一个决策模块；决策模块对每一方向的小波系数图的实部和虚部进行求模，对图像中的每一个局部输出分数值；若输出的分数值大于预设阈值，则保留该局部的小波系数；反之，将该局部的小波系数置0;获得修改后的高频分量；

对修改后的低频分量和高频分量进行逆双树复小波变换，获得重建图像；

所述采用缺陷合成图像和重建图像对图像预测模型进行训练，包括：

获取缺陷合成图像和重建图像，以及两图之间的残差图，并对缺陷合成图像、重建图像和残差图像沿通道数方向进行堆叠，作为图像预