基于U-P-Net的手机玻璃屏幕缺陷分割.pdf
《基于U-P-Net的手机玻璃屏幕缺陷分割.pdf》由会员分享,可在线阅读,更多相关《基于U-P-Net的手机玻璃屏幕缺陷分割.pdf(7页珍藏版)》请在咨信网上搜索。
1、设计与应用计算机测量与控制 ()C o m p u t e r M e a s u r e m e n t&C o n t r o l 收稿日期:;修回日期:.基金项目:国家重点研发计划项目(AAA );国家自然科学基金项目(,U ).作者简介:李墨(),女,湖南岳阳人,硕士研究生,主要从事深度学习目标检测、图像处理方向的研究.引用格式:李墨,陈志豪,张勰基于U P N e t的手机玻璃屏幕缺陷分割J计算机测量与控制,():文章编号:()D O I:/j c n k i /t p 中图分类号:T P 文献标识码:A基于U P N e t的手机玻璃屏幕缺陷分割李墨,陈志豪,张勰(广东工业大学 计
2、算机学院,广州 ;广东工业大学 自动化学院,广州 ;华南理工大学 电力学院,广州 )摘要:随着科技的发展及电子设备的普及,玻璃屏幕质量成为电子设备和其他产品的重要考虑因素;而玻璃外观缺陷检测是玻璃质量检测中最重要的环节,这也是保证产出高品质、高性能的玻璃产品的关键环节;目前玻璃表面缺陷检测方法存在无目标训练图像资源消耗、检测精度较低、复杂特征信息难以提取等问题;因此,为了解决上述问题,提出了一种基于U p y r a m i dp o o l i n gm o d u l e N e t(U P N e t)的手机玻璃屏幕缺陷分割模型;采用超像素预处理,有效地降低了原始图像的复杂度;采用R e
3、 s N e t 作为分类网络,减少无目标训练图像造成的资源浪费,提高训练效率;U P N e t被提出,有效地聚合了不同区域的上下文信息,提高了获取全局信息的能力;实验结果表明,所设计的基于U P N e t玻璃缺陷分割算法分割精度明显优于其它传统卷积神经网络分割方法,证明了该框架在移动屏幕数据集上的有效性.关键词:缺陷检测;超像素预处理;R e s N e t ;U P N e t;金字塔池化;手机玻璃屏幕D e f e c tS e g m e n t a t i o no fM o b i l eP h o n eS c r e e nB a s e do nU P N e tL IM
4、 o,CHE NZ h i h a o,Z HANGX i e(S c h o o l o fC o m p u t e rS c i e n c e,G u a n g d o n gU n i v e r s i t yo fT e c h n o l o g y,G u a n g z h o u ,C h i n a;S c h o o l o fC o m p u t e rA u t o m a t i o n,G u a n g d o n gU n i v e r s i t yo fT e c h n o l o g y,G u a n g z h o u ,C h i n
5、a;S c h o o l o fE l e c t r i cP o w e rE n g i n e e r i n g,S o u t hC h i n aU n i v e r s i t yo fT e c h n o l o g y,G u a n g z h o u ,C h i n a)A b s t r a c t:W i t h t h ed e v e l o p m e n t o f s c i e n c e a n d t e c h n o l o g ya n d t h ep o p u l a r i t yo f e l e c t r o n i c
6、e q u i p m e n t,g l a s s s c r e e nq u a l i t yh a sb e c o m ea n i m p o r t a n t c o n s i d e r a t i o n f o r e l e c t r o n i c e q u i p m e n t a n do t h e r p r o d u c t s;T h ed e t e c t i o no f g l a s s a p p e a r a n c ed e f e c t s i s t h em o s t i m p o r t a n t l i n
7、 k i ng l a s sq u a l i t yd e t e c t i o n,w h i c h i sa l s ot h ek e y l i n kt oe n s u r e t h ep r o d u c t i o no fh i g hq u a l i t ya n dh i g h p e r f o r m a n c eg l a s sp r o d u c t s;A t p r e s e n t,t h e r e a r e s o m ep r o b l e m s i n t h ed e t e c t i o nm e t h o d
8、so f g l a s s s u r f a c ed e f e c t s,s u c ha s r e s o u r c e c o n s u m p t i o no f t a r g e t f r e e t r a i n i n g i m a g e,l o wd e t e c t i o na c c u r a c ya n dd i f f i c u l t e x t r a c t i o no f c o m p l e xf e a t u r e i n f o r m a t i o n T h e r e f o r e,t os o l v
9、 e t h ea b o v ep r o b l e m s,ad e f e c ts e g m e n t a t i o nm o d e lo fm o b i l ep h o n eg l a s ss c r e e n sb a s e do nU p y r a m i dp o o l i n gm o d u l e N e t(U P N e t)i sp r o p o s e d S u p e r p i x e lp r e p r o c e s s i n g i su s e dt or e d u c e t h ec o m p l e x i
10、t yo f t h eo r i g i n a l i m a g ee f f e c t i v e l y R e s N e t w a su s e da sac l a s s i f i c a t i o nn e t w o r kt or e d u c e t h ew a s t eo f r e s o u r c e sc a u s e db yt r a i n i n gi m a g e sw i t h o u t t a r g e t sa n di m p r o v et r a i n i n ge f f i c i e n c y U P
11、 N e t i sp r o p o s e d,w h i c ha g g r e g a t e s t h ec o n t e x t i n f o r m a t i o no fd i f f e r e n t r e g i o n se f f e c t i v e l ya n d i m p r o v e s t h ea b i l i t yt oo b t a i ng l o b a l i n f o r m a t i o n E x p e r i m e n t a l r e s u l t ss h o wt h a t t h ep r o
12、 p o s e dU P N e t g l a s s d e f e c t s e g m e n t a t i o na l g o r i t h mi s s i g n i f i c a n t l ys u p e r i o r t oo t h e r t r a d i t i o n a l c o n v o l u t i o n a ln e u r a ln e t w o r ks e g m e n t a t i o nm e t h o d s,w h i c hp r o v e st h ee f f e c t i v e n e s so
13、ft h ef r a m e w o r ko nm o b i l es c r e e nd a t as e t s K e y w o r d s:d e f e c td e t e c t i o n;s u p e r p i x e lp r e p r o c e s s i n g;R e s N e t ;p y r a m i dp o o l i n g;m o b i l ep h o n eg l a s ss c r e e n引言随着科技的不断进步及工业的快速发展,玻璃制品已经成为众多行业中不可或缺的重要组成部分.玻璃作为一种需求量日益增加的特殊材料,细微缺
14、陷就会影响其机械特性和光学性质,从而降低甚至破坏玻璃产品的使用价值.因此,玻璃外观质量检测是玻璃质量检测中最重要的环节,这也是保证产出高品质、高性能的玻璃产品的关键环节.传统的玻璃面板缺陷检测方法主要依赖于高级技工的人工检验.随着玻璃生产制造需求逐渐增大,传统的人工检验方法无法满足高速生产带来的庞大的质量检测需求,因此发展高质量的自动化玻璃缺陷检测系统变得尤为重要.随着人工智能技术的发展,许多大型企业在玻璃面板缺陷检测中引入机器视觉方法代替人工检测,以提高企业的产品质量和生产效率.但机器视觉的应用也存在一些弊端,它不仅需要针对特定的应用场景定制,无法适应一系列复杂动态 的 工 业 制 造 场
15、景,而 且 缺 乏 自 主 学 习 和 技 能 迁 移能力.近年来,在深度学习算法中,基于卷积神经网络的语义分割方法在缺陷检测方面得到了广泛的应用 .该类方法可以准确提取复杂背景中的特征,快速分割人体肉眼投稿网址:w w wj s j c l y k z c o m计算机测量与控制第 卷 难以识别的不明显缺陷,从而实现玻璃面板的有效缺陷检测.年,R o n n e b e r g e r等 提出了一种名为U N e t的网络,该网络基于语义分割技术,可以实现对生物医学图像进行像素级别的分类.然而此网络模型的学习参数较多,训练难度较大,且需要进行大量的图像标注工作;参考文献 利用了卷积神经网络中
16、的VG GN e t模型对手机屏幕缺陷进行了检测,然而该研究发现,在种主要缺陷的检测中,漏检率达到了,最高的检测率仅有,这种检测精度无法满足相关领域的高要求;针对现有的语义分割方法在面对不规则数据时存在的计算复杂度高、语义特征信息提取不充分问题.提出了一种结合超像素技术与残差分类网络的预处理方法,同时,将金字塔池化模块P PM嵌入到U N e t模型中,构成了一种全流程的新的语义分割方法.关键技术目前的语义分割模型主要存在以下几个问题:)缺陷样本图像的高度复杂性和可变性使得提取特征信息具有挑战,导致分割性能差.)由于缺陷样本图像的特殊性非目标训练图像占用了训练资源,导致训练速度变慢,损失函数收
17、敛速度变慢.)多变场景时获取全局信息不充分,造成语义分割时出现不匹配关系、混淆类别和不显著类别的缺陷误判,未判和错判等问题.本文模型基于经典U N e t模型,对输入图像进行数据预处理,并使用P PM对U N e t网络特征处理层进行融合,有效降低了模型对数据集的依赖,降低模型的训练复杂度、提高了分割精度和速率.其总体模型框架如图所示.图总体模型框架图本文主要关键技术如下:)由于图像特征信息的复杂性和可变性使得特征信息的提取具有挑战性,导致分割性能较差.因此,本文提出采用对输入图像进行超像素预处理.超像素 是一个维特征向量,它将彩色图像转换为C I E L A B颜色空间和X Y坐标.此外,对
18、维特征向量构建距离测量准则,对图像像素进行局部聚类.且S L I C 是基于纹理、颜色、亮度等相似的相邻像素快速生成紧凑干净的超像素块,通过构造一个简单的线性迭代聚类图像预处理模块,解决了图像特征信息复杂多变的问题,使邻域特征的表示更加容易.它不仅可以降低图像的维数,还可以捕获冗余信息,消除像素异常点.)由于输入图像的特殊性,在语义分割前对缺陷图像进行分类,能在一定程度上降低后续图像语义分割的复杂度,提升网络模型的训练速度及分割准确率.该方法使用带有残差结构R e s N e t 网络对缺陷图像进行初步分类.其独特 的 残 差 结 构 创 建 了 不 同 网 络 层 之 间 的 快 速 连 接
19、(s h o r t c u t c o n n e c t i o n).它解决了深层网络中梯度弥散和精度下降(训练集)的问题,使网络能够越来越深,既保证了精度,又控制了速度.)全卷积网络(F C N)的缺点是需要一种合适的策略来利用全局场景分类信息的特征.为了解决上述问题,提出了U p y r a m i dp o o l i n gm o d u l e N e t(U P N e t).该方法引入金字塔池化模块P PM ,在个不同的粗细尺度上进行特征融合,利用多样化的卷积尺寸,提取到的特征更具多样性,且能够聚合不同区域的上下文信息,进一步提高获取全局信息的能力,避免关系错误匹配、类别混
20、淆以及细小对象的类别被忽略问题.模型介绍该框架由个模块组成:S L I C超像素预处理模块、分类网络模块和U P N e t模块.每个模块将在以下部分中详细描述.超像素预处理模块手机玻璃屏幕数据集中样本图像的高复杂性和高分辨率使得提取特征信息具有挑战性,导致分割性能较差.考虑到图像中目标特征的复杂性,采用超像素算法进行图像预处理.S L I C 通过构造一个简单的线性迭代聚类图像预处理模块,解决了图像特征信息复杂多变的问题.S L I C 基于纹理、颜色、亮度等相似的相邻像素快速生成紧凑干净的超像素块,使邻域特征的表示更加容易.S L I C 预处理效果如图所示.图S L I C预处理效果图S
21、 L I C具体步骤如下:)初始化(撒种子):根据图像大小及其他参数确定超像素数目,在图像内均匀分配种子.)聚类中心选择:在聚类中心内计算所有像素点的梯度值,并选择梯度最小的像素点作为新的聚类中心.)分配像素到超像素:每个像素必须与之位置重叠的最近聚类中心之间相关联,将其分配到间距最近的超像素.投稿网址:w w wj s j c l y k z c o m第期李墨,等:基于U P N e t的手机玻璃屏幕缺陷分割 )距离的度量:包括像素之间的颜色距离和空间距离,其度量方法如下:dc(ljli)(ajai)(bjbi)()dx y(xjxi)(yjy)()DdL a bNc()dx yNs()(
22、)式中,dL a b为颜色距离,dx y为空间距离,NsN/K每个集群均适用,是类内最大空间距离.Nc是最大的颜色距离,随着图像和集群的不同而不同,可使用固定常数m来调节dL a b与dx y的影响权重,取值范围为 ,默认取值为.D为最终的距离度量,计算方法如下所示:DdL a bm()dx yNs()()迭代过程:重复执行)和),直到超像素中心位置不再发生变化或达到最大迭代次数.)聚类优化:解决经过迭代后存在的与聚类中心不属于同一连通域的孤立像素点.具体步骤为:利用连通算法将相邻的超像素合并成一个超像素,如果合并后的超像素与某个邻居超像素的距离小于一定阈值,则将其合并.分类网络模块手机玻璃屏
23、幕数据集中存在一些非目标训练图像,这些图像会占用训练资源,导致训练速度变慢,并且损失函数的收敛速度也变慢.这种情况会严重影响训练效率和准确性,因此需要采取相应措施来解决非目标训练图像对训练过程的影响,提高训练效率和准确性.本文选用了一种名为R e s N e t 的残差网络作为手机玻璃屏幕图像的分类网络.R e s N e t 是一种深度残差网络,具有易优化、计算负担小等优点,在计算机视觉领域得到了广泛的应用.与传统的卷积神经网络相比,残差块(r e s i d u a lb l o c k)的引入是R e s N e t 解决梯度消失和退化问题的重要方法之一,它有效地提高了网络的性能.具体来
24、说,残差块通过引入跳跃连接来绕过了某些卷积层和激活函数层,线性层拟合残差映射,使得神经网络的信息流能够更加顺畅地传递.这种结构的引入使得R e s N e t 网络可以更加深层次地学习特征,达到充分训练底层网络的效果,同时减轻了梯度消失和过拟合的问题.R e s N e t 网络结构如图所示,由 个卷积层和个全连接层组成.其中,第二至第五个阶段中的I DB L O C Kx 是指包含两个不改变维度的残差块,而C O NVB L O C K则是指包含添加维度的残差块.每个残差块均由个卷积层组成,因此整个网络包含 个卷积层.U p y r a m i dp o o l i n g N e t模块手
25、机玻璃屏幕在生产过程中容易受到环境的影响,导致产生气泡、划痕、锡灰等各种形状和大小的缺陷.这些缺陷的语义分割存在关系不匹配、混淆和对象类别小等问题,给模型的准确分割造成了挑战.为了解决上述问题,提出了U P N e t模块.该模块可以有效地处理这些异形的缺陷,提高语义分割的准确性和可靠性.U P N e t的结构如图所示.通过在U N e t网络的主干特征提取部分和增强特征提取部分之间引入了金字塔池化模块,以进一步提高网络的性能.该模块可以将不同大小的特征图进行池化,从而捕获更多的上下文信息,提高网络的感受野和特征表达能力,避免语义分割问题中的误分类、错分类、未分类等问题.P PM 的结构如图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Net 手机 玻璃 屏幕 缺陷 分割
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。