公开(公告)号：CN107833220B

公开(公告)日：2021-06-11

申请号：CN201711212830.0

申请日：2017-11-28

申请人： 河海大学常州校区

发明人： 李庆武 ,  邢俊 ,  马云鹏 ,  周亚琴 ,  吴晨辉

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06T7/11 ,  G06T7/155

摘要： 本发明公开了一种基于深度卷积神经网络与视觉显著性的织物缺陷检测方法，属于图像处理技术领域。包含缺陷区域定位模块与缺陷语义分割模块。缺陷区域定位模块利用局部卷积神经网络和全局卷积神经网络两个深度学习模型进行融合，自动提取织物缺陷的高级特征并将其作用于缺陷图像，获得缺陷区域的精确定位。缺陷语义分割模块利用缺陷区域的定位结果，结合基于视觉显著性的超像素图像分割方法，获取缺陷先验前景点并对缺陷目标进行精准分割，最终实现缺陷的检测。本发明利用多深度学习融合的织物缺陷定位网络与改进的视觉显著性的织物缺陷分割网络，对织物图像的适应能力好，精度高，可以有效地对复杂背景与噪声干扰下的织物图像中的缺陷进行检测。

公开(公告)号：CN107833220A

公开(公告)日：2018-03-23

申请号：CN201711212830.0

申请日：2017-11-28

申请人： 河海大学常州校区

发明人： 李庆武 ,  邢俊 ,  马云鹏 ,  周亚琴 ,  吴晨辉

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06T7/11 ,  G06T7/155

CPC分类号： G06T7/0008 ,  G06N3/0454 ,  G06T7/11 ,  G06T7/155

摘要： 本发明公开了一种基于深度卷积神经网络与视觉显著性的织物缺陷检测方法，属于图像处理技术领域。包含缺陷区域定位模块与缺陷语义分割模块。缺陷区域定位模块利用局部卷积神经网络和全局卷积神经网络两个深度学习模型进行融合，自动提取织物缺陷的高级特征并将其作用于缺陷图像，获得缺陷区域的精确定位。缺陷语义分割模块利用缺陷区域的定位结果，结合基于视觉显著性的超像素图像分割方法，获取缺陷先验前景点并对缺陷目标进行精准分割，最终实现缺陷的检测。本发明利用多深度学习融合的织物缺陷定位网络与改进的视觉显著性的织物缺陷分割网络，对织物图像的适应能力好，精度高，可以有效地对复杂背景与噪声干扰下的织物图像中的缺陷进行检测。