买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明涉及化纤织物表面缺陷检测技术领域，具体公开了一种化纤织物表面缺陷检测方法，首先收集大量化纤织物表面图片，并将无缺陷和有缺陷两种类型分类，使用概率扩散去噪模型训练，然后使用训练好的概率扩散去噪模型对有缺陷图进行重建，对重建图和原图进行对比获得缺陷定位和大小，形成热力图。本发明以非平衡热力学理论依据，通过去噪扩散来生成无缺陷图与缺陷图比较，以此达到准确检测缺陷位置和大小，从而克服因样本稀少导致过杀以及因缺陷的多样性导致错检的问题，能在复杂缺陷中达到高准确率。

主权项：1.一种化纤织物表面缺陷检测方法，其特征在于，包括如下步骤：步骤1：收集化纤织物表面图片，将化纤织物图像分为无缺陷和有缺陷两类，并对所有图像进行预处理；步骤2：构建并训练概率扩散去噪模型，具体步骤如下：步骤2.1：以U-Net作为概率扩散去噪模型的去噪网络；步骤2.2：加噪所预定义的方差表为β1＜β2＜…＜βt，其中βt∈0,1，时间总步长为T，在每一个时间步t都进行一次根据正态分布N0,1进行随机采样的操作，获得新的噪声εt，再根据公式2对无缺陷图像X加噪，获得噪声图Xt； 其中Xt-1表示上一个时间步获得的噪声图；步骤2.3：重复进行步骤2.2直至时间步长为T，向前过程中关于X的条件概率分布按照公式3计算； 其中，函数q表示Xt关于Xt-1的条件概率分布；步骤2.4：在步骤2.2中，每一次加噪结束网络都会预测一次噪声ε′t，以公式4计算向前过程的损失函数Lforward；Lforward＝||εt-ε′t||24步骤2.5：将目标图像换成另一张无缺陷图Y，将模型所预测的噪声ε′t加噪到无缺陷图Y，时间步长从T到1，按照公式5对无缺陷图Y加噪，获得新的加噪无缺陷图Yt； 步骤2.6：按照公式6计算Yt与Xt的像素偏差，并按照公式7对网络预测的噪声更新；Lxy＝Xt-Yt6 其中，w表示该像素差在噪声中的权重系数；步骤2.7：根据公式8对噪声图像Xt进行反向去噪计算； 其中，σt表示噪声对图片影响的权重，用于增加生成图像的多样性；步骤2.8：去噪结束后获得重建图X0，使用重建图X0和原图X按照公式9计算损失Loss：Loss＝X-X029步骤2.9：重复步骤2.2到2.8直至概率扩散去噪模型收敛；步骤3：使用预测的噪声和无缺陷图像对特征提取网络进行微调；步骤4：使用像素级和特征级比较来确定缺陷位置和大小，并计算缺陷检测的得分，具体步骤为：步骤4.1：将有缺陷的图像输入到训练好的概率去噪扩散模型中获得新的无缺陷图像；步骤4.2：对新的无缺陷图像和有缺陷的图像使用像素级和特征级比较生成热力图获得缺陷位置和大小，按照公式11计算缺陷得分； 其中，v表示Df在缺陷得分中的权重，Dp表示新的无缺陷图像和有缺陷的图像之间的像素差，按照公式12进行计算，Df表示新的无缺陷图像和有缺陷的图像使用特征提取网络计算得出的特征差,按照公式13计算；Dp＝|X-X0|12 进一步的，J为特征提取器提取的特征图数量，θjX表示原图X的第j个特征图，θjX0表示原图X0的第j个特征图。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种化纤织物表面缺陷检测方法