(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 202210507405.9 (22)申请日 2022.05.10 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 杨华　尹周平　胡家乐　何大伟　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 胡佳蕾 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) (54)发明名称 一种纹理表面缺陷检测模型的构建方法及 其应用 (57)摘要 本发明属于图像处理领域， 并公开了一种纹 理表面缺陷检测模型的构建方法及其应用。 本发 明构建的检测模型除了包括常规的特征提取模 块和分割模块， 还包括两个新提出的模块： 特征 分离提取模块和全局语义关系模块。 通过特征分 离提取模块将纹理语义信息和缺陷语义信息从 初步提取到的特征中分解出来， 避免这两类语义 信息耦合在一起对最终的分割产生不良影响； 同 时利用全局语义关系模块在特征分离提取后， 建 立全局语义信息相关关系， 捕获全局上下文信 息， 以此增强纹理特征和缺陷特征的表达能力。 进行检测时， 只需将纹理分割结果和缺陷分割结 果进行加权平均， 即可检测出缺陷。 如此， 对不同 纹理表面上的不同大小、 不同对比度的缺陷有较 高的分割精度。 权利要求书2页 说明书8页 附图3页 CN 114972216 A 2022.08.30 CN 114972216 A 1.一种纹 理表面缺陷检测模型的构建方法， 其特 征在于， 包括： 搭建纹理表面缺陷检测模型； 所述纹理表面缺陷检测模型包括依次连接的特征提取模 块、 特征分离提取模块和分割模块； 其中： 所述特征提取模块用于对输入的纹理图像进行特征提取， 以得到特征图； 所述特征分 离提取模块用于分离所述特征图中纹理语义信息和缺陷语义信息， 以提取得到纹理特征图 和缺陷特征图； 所述分割模块用于对所述纹理特征图和缺陷特征图进行分割， 得到纹理分 割结果和缺陷分割结果； 以最大化纹理特征图和缺陷特征图在相应像素位置的差异、 最小化纹理特征图和缺陷 特征图与聚类中心之间的距离、 最小化纹理特征图和缺陷特征图的类间相似度以及最小化 纹理分割结果和缺陷分割结果的预测值与真实值之 间的差异 为目标， 采用训练样本集训练 所述纹理表面缺陷检测模型。 2.根据权利要求1所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述纹理表 面缺陷检测模型还包括位于特征分离提取模块和分割模块之间的全局语义关系模块， 所述 全局语义关系模块用于获取全局上下文信息， 并将所述全局上下文信息加到所述特征分离 提取模块提取得到的纹理特征图和缺陷特征图上， 以增强纹理特征和缺陷特征的表达能 力。 3.根据权利要求2所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述全局语 义关系模块基于QKV自注意力机制， 并用一个小型矩阵C代替QKV自注意力机制中的大型矩 阵Q； 其中， 小型矩阵C是 由特征分离提取模块中基于特征聚类学习到的聚类中心特征组成 的。 4.根据权利要求1至3任一项所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述训练样本集中训练样本通过以下 方式得到： 将Mask图像的反色图像与无缺陷良品纹理图像相乘获得正常纹理区域， 再将Mask图像 与通过二 维高斯采样生成的噪声图像相乘获得缺陷区域， 二者相加以合成假缺陷纹理样本 图像； 其中， Mask图像为像素值为0或1的二值图像， 像素值为1的区域表示缺陷区域， 像素值 为0的区域表示 正常纹理区域。 5.根据权利要求1至3任一项所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述特征提取模块包括第一卷积模块和第二卷积模块； 所述第一卷积模块包括第 一卷积层和第 一残差模块， 第 一残差模块包括两个采用跳跃 连接的方式首尾特 征相加的卷积层； 所述第二卷积模块包括两个残差模块， 所述两个残差模块结构与所述第 一残差模块相 同， 卷积核数量 为所述第一残差模块中卷积层的两倍。 6.根据权利要求1至3任一项所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述特征分离提取模块包括两个结构相同的分支网络， 一个分支网络用于提取纹理特征， 另一个分支网络用于提取缺陷特 征； 每个分支网络包括三个结构相同的卷积模块， 每个卷积模块包括两个残差模块， 每个 残差模块包括两个采用跳跃连接的方式首尾特征相加的卷积层； 三个所述卷积模块中卷积 核的数量是 前一层的两倍。权　利　要　求　书 1/2 页 2 CN 114972216 A 27.根据权利要求1至3任一项所述的纹理表面缺陷检测模型的构建方法， 其特征在于， 所述分割模块包括四个反卷积模块、 一个反卷积层和一个Sigmo id激活层； 四个反卷积模块结构均相同， 卷积核数量按1/2的倍数依次递减， 每个反卷积模块包括 两个反卷积层。 8.一种纹 理表面缺陷检测方法， 其特 征在于， 包括： 将待测纹理图像输入到采用权利要求1至7任一项所述的纹理表面缺陷检测模型的构 建方法所构建的纹 理表面缺陷检测模型中， 得到纹 理分割结果和缺陷分割结果； 对所述纹 理分割结果和缺陷分割结果进行加权平均， 得到最终检测结果。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利 要求1至7任一项所述的纹理表面缺陷检测模型 的构建方法和/或如权利要求8所述的纹理 表面缺陷检测方法。权　利　要　求　书 2/2 页 3 CN 114972216 A 3