(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210920393.2 (22)申请日 2022.08.02 (71)申请人 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 4 4205 专利代理师 郑宏谋 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/52(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (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 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 术领域。 权利要求书2页 说明书11页 附图4页 CN 115439408 A 2022.12.06 CN 115439408 A 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。 2.根据权利要求1所述的一种金属 表面缺陷检测方法， 其特征在于， 所述根据正常样本 图像获取缺陷合成图像， 包括： 获取缺陷候选区域， 根据缺陷候选区域获取掩膜图像； 根据缺陷候选区域， 生成异常图像； 其中， 异常图像包括椒盐噪声图像、 高斯噪声图像、 褪色图像或异源数据集图像； 根据掩膜图像， 将正常样本图像和异常图像进行融合， 生成缺陷区域， 获得缺陷合成图 像。 3.根据权利要求2所述的一种金属 表面缺陷检测方法， 其特征在于， 所述缺陷合成图像 的表达式如下： 式中， 为合成图像， 为正常样本图像， 为异常图像， β 为融合因子， 为服从均匀分 布的随机浮点数， ⊙表示像素点乘， 表示掩膜图像， 为掩膜图像 取反后的二值图 像。 4.根据权利要求1所述的一种金属 表面缺陷检测方法， 其特征在于， 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。 5.根据权利要求4所述的一种金属 表面缺陷检测方法， 其特征在于， 所述重建网络为自 编码器网络， 重建网络的损失函数的表达式为： 式中， 为重建网络输出的小波系 数图， 为对正常样本图像进行同样的双树复小 波分解得到的低频小 波系数图； 表示两幅图像的结构相似性损失值。 6.根据权利要求4所述的一种金属 表面缺陷检测方法， 其特征在于， 高频分量对应的损 失函数的表达式为： 权　利　要　求　书 1/2 页 2 CN 115439408 A 2式中， 为经过决策模块处理的高频分量图像， 为正常样本图像的高频分量图 像，⊙为像素乘法， 为掩膜图像， 为掩膜图像 取反后的二 值图像。 7.根据权利要求4所述的一种金属 表面缺陷检测方法， 其特征在于， 所述重建图像对应 的像素域的损失函数的表达式为： 式中， 为重建图像， 为正常样本图像， 为掩膜图像， 为掩膜图像 取反 后的二值图像。 8.根据权利要求1所述的一种金属 表面缺陷检测方法， 其特征在于， 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， 作为图像预测模型的输入； 采用Focal损失函数对图像预测模型进行训练， 使图像预测模型检测到的缺陷区域与 缺陷合成图像上的缺陷候选区域 一致。 9.一种金属表面 缺陷检测装置， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现权利 要求1‑8任一项所述方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于， 所述处 理器可执行的程序在由处 理器执行时用于执 行如权利要求1 ‑8任一项所述方法。权　利　要　求　书 2/2 页 3 CN 115439408 A 3