基于双掩码指导的高反光工业品表面缺陷检测的研究.pdfVIP

近年来，工业4.0的兴起凸显了生产智能化的重要性。在实际生产环境中，由于镜

面高光反射的出现，高反光工业品表面的自动缺陷检测是一个具有挑战性但很少研究的

课题。随着深度学习方法在图像领域的迅速崛起，基于深度学习的高光检测与去除模型

在自然图像中取得了令人瞩目的成果，但是应用到反光工业品场景中模型可能会将明亮

缺陷误认为镜面高光并去除，进而严重影响了后续的缺陷检测精度。为了解决这个问题，

在本课题，一种基于双掩码指导的深度学习模型被提出并用于检测高反光皮革表面的

缺陷，该模型可以有效去除高反光皮革产品表面的镜面高光，同时保留明亮的缺陷，主

要研究内容及成果包含以下三个方面：

1)高反光皮革表面图像采集系统设计。本章主要介绍了图像采集硬件系统的搭建，

高反光皮革镜面反射图像-镜面高光区域掩码图像-明亮缺陷区域掩码图像-漫反射缺陷图

像四元组数据集采集过程，图像亮度增强系统和明亮缺陷生成系统。通过该图像采集系

统，一个包含522张反射皮革图像的数据集被获取用于高反光皮革缺陷检测任务。

2)高反光皮革表面的高光检测与去除算法。针对高反光皮革工业品表面分布稀疏的

高光和明亮缺陷，本文提出了一种用于联合镜面高光检测和去除的图像变换网络。该网

络由多个大窗口注意力和MLP-Mixer块组成，可以有效捕获多尺度特征，提高了高光

检测与去除模型对于明亮缺陷和高光的区分能力。

3)镜面高光去除后的皮革图像缺陷检测算法。针对于皮革表面的多尺寸缺陷，本文

设计了非局部的多尺度特征频率通道自注意力模块，在原本空间域的自注意力特征基础

上引入频率信息，集合多通道与多尺度卷积特征重新调整模型权重，提高模型对于不同

尺寸缺陷的检测能力。最后，通过在高反光皮革数据集和公开数据集上进行实验以验证

本文方法的有效性：与当前流行的算法(JSHDR,MGRLN-Net)相比，结果表明本文所提

出的方法至少有11%的性能提升。

关键词：镜面高光检测；镜面高光去除；大窗口注意力机制；VisionTransformer(ViT)；

缺陷检测

研究类型：应用研究

ABSTRACT

Inrecentyears,theriseofIndustry4.0hashighlightedtheimportanceofintelligent

production.Inactualproductionenvironments,automaticdefectdetectiononthesurfaceof

highlyreflectiveindustrialproductsisachallengingbutrarelystudiedtopicduetothe

occurrenceofspecularhighlightreflection.Withtherapidriseofdeeplearningmethodsinthe

fieldofimageprocessing,modelsbasedondeeplearninghaveachievedremarkableresultsin

highlightdetectionandremovalinnaturalimages.However,whenappliedtoreflective

industrialproductscenes,thesemodelsmaymistakenlyidentifybrightdefectsasspecular

highlightsandremovethem,whichseverelyaffectstheaccuracyofsubsequentdefectdetection.

Inordertosolvethisproblem,inthistopic,weproposeadeeplearningmodelbasedondual

maskguidancefordetectingdefectsonthesurfaceofhighlyreflectiveleatherproducts.This

modelcaneffectivelyremo