CN114445309B 深度学习用缺陷图像生成方法以及用于深度学习用缺陷图像生成方法的系统 （斗山重工业建设有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114445309B(45)授权公告日2025.07.08

(21)申请号202110948560.X

(22)申请日2021.08.18

(65)同一申请的已公布的文献号申请公布号CN114445309A

(43)申请公布日2022.05.06

(30)优先权数据

10-2020-01357372020.10.20KR

(73)专利权人斗山重工业建设有限公司地址韩国庆尚南道

(72)发明人李定珉金政文

(74)专利代理机构北京集佳知识产权代理有限公司11227

专利代理师金雪梅王秀辉

(51)Int.CI.

GO6V10/774(2022.01)GO6V10/82(2022.01)G06T7/00(2017.01)GO6N3/08(2023.01)

GO6N3/044(2023.01)

GO6N3/045(2023.01)

GO6N3/047(2023.01)

(56)对比文件

CN111524100A,2020.08.11CN110853035A,2020.02.28CN111681162A,2020.09.18审查员王燕花

权利要求书2页说明书8页附图3页

(54)发明名称

深度学习用缺陷图像生成方法以及用于深度学习用缺陷图像生成方法的系统

(57)摘要

CN114445309B本发明涉及深度学习用缺陷图像的生成方法以及用于深度学习用缺陷图像的生成方法的系统，具体而言，涉及利用人工智能算法来生成

CN114445309B

从样本图像中提取缺陷区域(S101)

缺陷变形(S102)

缺陷修正(S104)

对对象图像合成缺陷区域而生成学习用缺陷图像(S105)

从对象图像中决定对象区域

(S103)

CN114445309B权利要求书1/2页

2

1.一种学习用缺陷图像的生成方法，为由具备中央处理器以及存储器的系统生成学习用缺陷图像的方法，包括：

从样本图像提取缺陷区域的步骤，其中，所述缺陷区域包括第一缺陷和第一周边区域，并且所述第一周边区域形成包围所述第一缺陷的四边形，使得所述第一周边区域的边界线与所述第一缺陷的最外侧的顶部点、底部点、左侧点和右侧点相交；

将所述缺陷区域内的第一缺陷的形状变形的步骤；

决定对象图像内的对象区域的步骤，所述对象区域是合成所述缺陷区域的区域并且包括缺陷合成区和包围所述缺陷合成区的第二周边区域；

参考所述对象区域的图像信息来修正所述缺陷区域的步骤，其中，修正所述缺陷区域包括减少所述第一周边区域与所述第二周边区域之间的直方图差异以及所述第一缺陷与所述缺陷合成区之间的直方图差异，其中，对所述第一缺陷与所述缺陷合成区之间的直方图差异的减少被限制在一定程度；以及

将修正后的缺陷区域合成到所述对象图像内的对象区域而生成学习用缺陷图像的步

骤。

2.根据权利要求1所述的学习用缺陷图像的生成方法，其中，所述变形包括变更第一缺陷的大小或变更第一缺陷的外轮廓形状。

3.根据权利要求2所述的学习用缺陷图像的生成方法，其特征在于，

决定所述对象图像内的对象区域的步骤中的对象区域包括变形的第一缺陷的形状以及所述变形的第一缺陷周边的第一周边区域。

4.根据权利要求3所述的学习用缺陷图像的生成方法，其特征在于，随机决定所述对象图像内的对象区域的位置和大小中的至少一个。

5.根据权利要求1所述的学习用缺陷图像的生成方法，其中，

将所述修正后的缺陷区域合成到所述对象图像内的对象区域而生成学习用缺陷图像的步骤还包括：

对所述缺陷区域进行图像调整的步骤。

6.根据权利要求5所述的学习用缺陷图像的生成方法，其中，

进行所述图像调整的步骤包括：

对所述缺陷区域中的第一缺陷或者第一周边区域中至少一个的边缘进行模糊处理的步骤。

7.一种学习用缺陷图像的生成方法，为由具备中央处理器以及存储器的系统生成学习用缺陷图像的方法，包括：

从样本图像提取缺陷区域的步骤，其中，所述缺陷区域包括第一缺陷和第一周边区域，并且所述第一周边区域形成包围所述第一缺陷的四边形，使得所述第一周边区域的边界线与所述第一缺陷的最外侧的顶部点、底部点、左侧点和右侧点相交；

将所述