面向表面缺陷检测的小样本机器学习方法研究

发布时间：2021-07-07 17:46

　　在现代工业化生产中,产品的外观检测是质量控制过程中一道至关重要的环节。因此,研发强大的智能外观缺陷检测技术日趋重要。传统的视觉检测方法需要针对被检对象,提取对象的特征,设计相对应的检测算法。随着机器学习的推进与发展,很多强大的机器学习算法也渐渐应用到表面缺陷检测中,并取得了很好的效果。在工业生产中,大量的缺陷样本往往难以获取。同时,在训练样本数量极其有限的情况下,使用机器学习算法进行缺陷检测往往效果不理想。针对该情况,本文进行了面向表面缺陷检测的机器学习方法研究。首先,针对缺陷种类较少,缺陷样本数量特别稀少的情况,本文提出一种贝叶斯小样本学习模型。该模型将数字图像处理与Naive Bayes分析相结合。在该模型的学习阶段,首先针对不同种类的样本进行分类,然后对不同类型的图像进行相应的增强处理,并对增强后的图像数据进行信息提取与特征量化。在该模型的检测阶段,同样先进行图像的增强以及特征的提取与量化,之后根据两部分样本的种类与分布建立相应的Bayes模型。模型中将图像信息转化为模型可接受的概率信息。在学习阶段的特征信息通过Bayes模型转化为先验概率,检测阶段中利用先验概率计算待测对象的后... 

【文章来源】：苏州大学江苏省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图１．３轴承表面检测系统??

面向表面缺陷检测的小样本机器学习方法研宄?第一章绪论??团队发明了可用于ＰＣＢ表明缺陷检测的系统该系统针对不同ＰＣＢ缺陷开发了与??之对应的缺陷识别算法。??智能外观缺陷检测系统己渗入到各行各业，主要有制药、物流、包装、制造、半??导体、烟草、纺织、交通等行业。部分实物如图１．２、图１．３与图１．４所示：??Ｍｍ??图１．２纸张检测系统??ＢＴＳｉｉ??图１．３轴承表面检测系统??３??

第一章绪论?面向表面缺陷检测的小样本机器学习方法研究??｜＾ａ？?．?＾ｌ?；??ＳＵＳＳ?Ｗｓｍａｍｍｍ＾＾ｒｍ??，，＾ａｐ?ｗｍ??？?ｉ??图１．４印刷品智能检测系统??缺陷检测算法是智能外观检测系统中最重要的部分，目前常见的缺陷检测算法一??般包含以下几类：统计、光谱、模型、学习和结构。统计算法统计图像中的灰度分布??状况，基于统计结果进行算法设计。主要包括共生矩阵［１１＼数学形态学等［１２］。Ｍａｋ等??人研发出了基于数学形态学分析的织物瑕疵检测方法［１３］，基于预训练的Ｇａｂｏｒ小波??网络进行特征提取，检测精度超过９０％。其次，光谱算法是基于多样的图像增强方式??进行图像缺陷特征的表达，其中主要有傅立叶变换、小波变换［１４，１５ＷＰＧａｂｏｒ变换［１６，１７］??等算法。Ｃｈａｎ和Ｐａｎｇ研发出了基于傅里叶变换的外观缺陷检测算法第一步采用??灰度拉伸进行图像缺陷的增强，之后基于快速傅里叶变换获得中央频率谱图，实验证??明其缺陷检测精度较高。结构算法是依托图像当中独特的纹理特征设计的缺陷检测算??法。例如，Ｌｉｕ?Ｚ等人基于局部纹理显著性特征设计了相应的分析检测算法［１９］，依据??局部二进制法将纹理特征进行抽取，之后基于抽取出的特征进行缺陷检测与分析。实??验证明，该方法在纹理缺陷检测上具有好的检测效果。神经网络（Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ）是一??种基于人工智能的机器学习方法。Ｓｔｏｊａｎｏｖｉｃ等人搭建了三层ＢＰ人工神经网络针对??不同瑕疵进行检测［２Ｇ，２１］，获得了较高的检测精度。ＷｕＸ等人发明了一种基于卷积神??经网络的缺陷识别技术［２２］，该技术对纹理结构复杂和模糊对象有很好的检测效果，其?

【参考文献】：
期刊论文
[1]基于隐马尔可夫模型的单音及和弦钢琴指法自动标注（英文）[J]. 孙浩天,关欣,咸静,李锵.  复旦学报(自然科学版). 2018(03)
[2]基于卷积神经网络的随机梯度下降算法[J]. 王功鹏,段萌,牛常勇.  计算机工程与设计. 2018(02)
[3]RGB-D图像的贝叶斯显著性检测（英文）[J]. 王松涛,周真,曲寒冰,李彬.  自动化学报. 2017(10)
[4]应用深度卷积神经网络的色织物缺陷检测[J]. 景军锋,范晓婷,李鹏飞,洪良.  纺织学报. 2017(02)
[5]基于边际Fisher准则和迁移学习的小样本集分类器设计算法[J]. 舒醒,于慧敏,郑伟伟,谢奕,胡浩基,唐慧明.  自动化学报. 2016(09)
[6]稀疏分层概率自组织图实例迁移学习方法[J]. 吴蕾,田儒雅,张学福.  计算机应用. 2016(03)
[7]基于显著对象的贝叶斯多目标检测方法[J]. 刘龙,柳恭,尤亚.  软件导刊. 2013(07)
[8]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[9]双峰法与otsu法结合在太阳能电池缺陷检测中的应用[J]. 张翰进,傅志中,念蓓,张忠亮,张冉.  计算机系统应用. 2012(01)
[10]基于图像处理技术的五金件表面缺陷检测研究[J]. 李丽娟,徐尚龙,秦杰.  工程设计学报. 2011(02)

硕士论文
[1]深度学习算法在表面缺陷识别中的应用研究[D]. 李梦园.浙江工业大学 2015
[2]基于机器视觉的表面缺陷检测算法研究[D]. 李玉宝.中南大学 2013
[3]基于机器视觉的PCB缺陷检测算法研究[D]. 姚忠伟.哈尔滨工业大学 2013
[4]基于机器视觉的纸页缺陷检测算法的研究[D]. 周露露.山东轻工业学院 2012



本文编号：3270080