【技術實現步驟摘要】
本專利技術主要涉及工件缺陷識別，具體涉及一種工件顯著性邊緣檢測方法、產品、介質、系統及設備。
技術介紹
1、在工業質檢領域，需要經常檢測各種零部件的缺陷。為了實時檢測到這類缺陷，業界通常使用基于深度學習目標檢測算法，即將缺陷當做一個目標類別來進行檢測。常見的目標檢測類算法有yolo系列算法、基于transfromer類的detr算法等。上述算法都依賴于大量的真實樣本數據，而在工業實際應用中，大部分情況下都很難采集到足夠多的真實樣本來覆蓋各種缺陷形態，導致上述算法在特定數據集上訓練得到的目標檢測算法模型很難具有通用性。為了應對該問題，需要結合基于深度學習的邊緣檢測算法，該類算法由于檢測的是邊緣信息這類較為底層的特征，因此具有更好的通用性，基本上在公開數據集上訓練即可滿足一定的通用性要求，但在一些僅需要檢測顯著性邊緣的場景，該類算法無法較好地區分目標的紋理和顯著性邊緣，統一當做邊緣來對來處理，滿足不了更加精細的需求。
2、如圖1所示為現有邊緣檢測算法dexined（dense?extreme?inception?networkfor?edge?detection）的模型結構，主干網絡提取六個不同層級特征圖之后，分別進入上采樣網絡模塊，然后進行融合，最后輸出結果。上述算法的整個過程全部在rgb域中進行，同樣存在無法區分紋理區域和顯著性邊緣區域的問題，當僅需要檢測顯著性邊緣缺陷時，算法會將紋理區域當缺陷檢測；同時，邊緣檢測需要更大的感受野，上述算法因全部使用傳統卷積而缺乏較大的感受野，并不適合顯著性邊緣檢測。
>技術實現思路
1、針對現有技術存在的技術問題，本專利技術提供一種檢測精度高的工件顯著性邊緣檢測方法、產品、介質、系統及設備。
2、為解決上述技術問題，本專利技術提出的技術方案為：
3、一種工件顯著性邊緣檢測方法，包括步驟：
4、1）獲取待測工件的圖像，按深淺層次對圖像進行特征提取，得到不同層次的特征；
5、2）將不同層次的特征轉化為頻域的高頻分量和低頻分量；
6、3）將不同層次的高頻分量進行對齊并融合，得到邊緣圖像。
7、優選地，在步驟2）中，通過八度卷積將不同層次的特征轉化為頻域的高頻分量和低頻分量。
8、優選地，八度卷積對應的計算公式為：
9、
10、
11、其中表示八度卷積的輸入，表示輸入的高頻分量部分，表示輸入的低頻分量部分，表示八度卷積輸出的高頻分量，表示八度卷積輸出的低頻分量，()表示卷積運算，w為權重參數，表示高頻分量的卷積運算對應的權重參數，表示低頻分量到高頻分量進行頻間通信的卷積參數，表示上采樣運行，表示下采樣池化運算。
12、優選地，在步驟1）中，構建邊緣檢測模型，并在邊緣檢測模型的主干網絡淺層中新增一個由空洞卷積構成的感受野增強模塊，構建雙分支主干網絡，通過雙分支主干網絡對圖像進行特征提取。
13、優選地，空洞卷積的感受野n計算公式為：
14、
15、其中，n感受野的大小，k為卷積核大小，d為擴張率。
16、本專利技術還公開了一種工件顯著性邊緣檢測系統，包括：
17、特征提取模塊，用于獲取待測工件的圖像，按深淺層次對圖像進行特征提取，得到不同層次的特征；
18、特征分析模塊，用于將不同層次的特征轉化為頻域的高頻分量和低頻分量；
19、特征融合模塊，用于將不同層次的高頻分量進行對齊并融合，得到邊緣圖像。
20、優選地，所述特征提取模塊還包括感受野增強模塊，用于擴大邊緣特征的感受野來提取圖像邊緣的上下文信息。
21、本專利技術進一步公開了一種計算機程序產品，包括計算機程序，所述計算機程序被處理器運行時執行如上所述方法的步驟。
22、本專利技術還公開了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序在被處理器運行時執行如上所述方法的步驟。
23、本專利技術進一步公開了一種計算機設備，包括相互連接的存儲器和處理器，所述存儲器上存儲有計算機程序，所述計算機程序在被處理器運行時執行如上所述方法的步驟。
24、與現有技術相比，本專利技術的優點在于：
25、本專利技術在原邊緣檢測算法新增頻域分析，將圖像特征分解為低頻分量和高頻分量（其中圖像的顯著性邊緣區域存在大量的高頻分量，而紋理對應較低頻率的分量），通過高頻分量和低頻分量來區分圖像中變化劇烈的顯著性邊緣區域和變化較緩慢的紋理區域，進而從高頻特征成分中檢測出邊緣，實現對顯著性邊緣的檢測，滿足精細化的需求場景；同時，在主干網絡淺層中新增一個由空洞卷積構成的分支結構，形成雙分支主干網絡，其中新增分支主要用于擴大算法感受野，提取更豐富的圖像邊緣的上下文信息，原結構分支部分則主要用于提取圖像的空間信息細節部分，二者共同作用實現對顯著性邊緣的準確檢測。
本文檔來自技高網...【技術保護點】
1.一種工件顯著性邊緣檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的工件顯著性邊緣檢測方法，其特征在于，在步驟2）中，通過八度卷積將不同層次的特征轉化為頻域的高頻分量和低頻分量。
3.根據權利要求2所述的工件顯著性邊緣檢測方法，其特征在于，八度卷積對應的計算公式為：
4.根據權利要求1或2或3所述的工件顯著性邊緣檢測方法，其特征在于，在步驟1）中，構建邊緣檢測模型，并在邊緣檢測模型的主干網絡淺層中新增一個由空洞卷積構成的感受野增強模塊，構建雙分支主干網絡，通過雙分支主干網絡對圖像進行特征提取。
5.根據權利要求4所述的工件顯著性邊緣檢測方法，其特征在于，空洞卷積的感受野n計算公式為：
6.一種工件顯著性邊緣檢測系統，其特征在于，包括：
7.根據權利要求6所述的工件顯著性邊緣檢測系統，其特征在于，所述特征提取模塊還包括感受野增強模塊，用于擴大邊緣特征的感受野來提取圖像邊緣的上下文信息。
8.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器運行時執行如權利要求1-5中
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序在被處理器運行時執行如權利要求1-5中任意一項所述方法的步驟。
10.一種計算機設備，包括相互連接的存儲器和處理器，所述存儲器上存儲有計算機程序，其特征在于，所述計算機程序在被處理器運行時執行如權利要求1-5中任意一項所述方法的步驟。
...【技術特征摘要】
1.一種工件顯著性邊緣檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的工件顯著性邊緣檢測方法，其特征在于，在步驟2）中，通過八度卷積將不同層次的特征轉化為頻域的高頻分量和低頻分量。
3.根據權利要求2所述的工件顯著性邊緣檢測方法，其特征在于，八度卷積對應的計算公式為：
4.根據權利要求1或2或3所述的工件顯著性邊緣檢測方法，其特征在于，在步驟1）中，構建邊緣檢測模型，并在邊緣檢測模型的主干網絡淺層中新增一個由空洞卷積構成的感受野增強模塊，構建雙分支主干網絡，通過雙分支主干網絡對圖像進行特征提取。
5.根據權利要求4所述的工件顯著性邊緣檢測方法，其特征在于，空洞卷積的感受野n計算公式為：
6.一種工件顯...
【專利技術屬性】
技術研發人員：周東旭，樊紹勝，歐陽峰，黃明星，劉康，
申請(專利權)人：深圳昱拓智能有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。