摘要
本发明涉及钢板缺陷检测技术领域,尤其涉及一种钢板表面高保真图像缺陷检测的分割融合方法,包括把采集到的钢板图像数据作为输入,通过对高保真图像及相应的缺陷标注信息进行基于滑动窗口的裁剪,并将其送入深度神经网络中进行训练,在训练好检测模型后,将输入图片进行裁剪,分别经过检测模型得到多个子图的缺陷检测结果,将子图及相应缺陷检测结果进行还原拼接,实现基于高保真图像的钢板表面缺陷检测;本发明能够避免过高的图像分辨率导致在进行钢板表面缺陷检测时造成系统显存过多占用导致显存爆炸的问题,提高钢板缺陷检测效率,能够对训练数据实现数据增强,从而在较少样本的前提下提高模型训练的效果。
技术关键词
图像缺陷检测
融合方法
钢板表面缺陷
钢板缺陷检测
坐标
滑动窗口
深度神经网络
深度学习模型训练
图像分割
深度学习网络
判断缺陷
缺陷类别
分割方法
数据
图片
分辨率
参数
样本
标识