结合轻量化与级联深度学习网络的导光板缺陷检测方法

作者：李俊峰^*; 何炎森; 戴文战

来源：激光与光电子学进展, 2021, 58(14): 196-206.

• 图像处理
• 缺陷检测
• 导光板缺陷
• 轻量化网络
• 改进的ResNet网络
• 级联融合

针对车载导航导光板图像纹理背景复杂渐变、亮度不均匀、缺陷细微且类型多等特点,并根据导光板光学特性、网点排列、缺陷成像效果等,结合轻量化与级联深度学习网络提出了一种缺陷快速检测方法。首先,根据导光板缺陷分布特点,通过改进卷积层连接与特征图下采样的方法,设计一轻量化二分类网络实现疑似缺陷区域的快速分割;其次,利用改进的ResNet网络构建多分类网络,并提出两阶段网络级联的方法,对分割的疑似缺陷区域提取多样化特征实现缺陷的精确分类;然后,采用固定窗口在完整导光板图像上滑动,将滑动窗口图像裁剪后批量输入级联网络进行缺陷的粗定位与分类;最后,利用工业现场采集的导光板图像自建数据集,并以此为基础进行了大量实验。实验结果表明:与其他导光板缺陷检测算法相比,本文算法在准确率与检测时间上得到显著提升,检测平均准确率达到98.4%,单张检测时间提升到1.95s,准确率、实时性均达到工业检测要求。

• 单位
  浙江工商大学; 电子工程学院; 浙江理工大学