CN114445309B 深度学习用缺陷图像生成方法以及用于深度学习用缺陷图像生成方法的系统 （斗山重工业建设有限公司）

深度学习用缺陷图像生成方法以及用于深本发明涉及深度学习用缺陷图像的生成方法以及用于深度学习用缺陷图像的生成方法的学习从检查图像中识别出缺陷的算法的过程中所需的学习用数据(更准确而言为学习用缺陷图2决定对象图像内的对象区域的步骤，所述对象区域是合成括缺陷合成区和包围所述缺陷合成区的第二周参考所述对象区域的图像信息来修正所述缺陷区域的步骤，其中，包括减少所述第一周边区域与所述第二周边区域之间的直方图差异以及所述第一缺陷与将修正后的缺陷区域合成到所述对象图像内的对象区域而生成学习用缺陷图像的步决定所述对象图像内的对象区域的步骤中的对象区域包括变形的第一缺陷的形状以将所述修正后的缺陷区域合成到所述对象图像内的对象区域而生成学习用缺陷图像对所述缺陷区域中的第一缺陷或者第一周边区域中至少一个的边缘进行模糊处理的7.一种学习用缺陷图像的生成方法，为由具决定对象图像内的对象区域的步骤，所述对象区域是合成括缺陷合成区和包围所述缺陷合成区的第二周参考所述对象区域的图像信息来修正所述缺陷区域的步骤，其中，3对所述对象图像内的对象区域合成修正后的形状变形的所述缺陷区域而生成学习用提取部，从样本图像提取缺陷区域，其中，所述缺陷区域包括第一缺陷对象区域决定部，决定对象图像内的对象区域，所述对象区域是包括减少所述第一周边区域与所述第二周边区域之间的直方图差异以及所述第一缺陷与合成部，将通过所述修正部修正后的缺陷区域合成到所述对提取部，从样本图像提取缺陷区域，其中，所述缺陷区域包括第一缺陷对象区域决定部，决定对象图像内的对象区域，所述对象区域是合成部，对所述对象图像内的对象区域合成修正后的形状变形的所4[0001]本发明涉及深度学习用缺陷图像的生成方法以及用于深度学习用缺陷图像生成法的过程中所需的学习用数据(更准确而言为学习用缺能算法的缺陷判别能力也能够相似地模仿人的就是对图像进行旋转(Rotate)、翻转(Flip)、重新调整大小(Rescale、Resize)、剪裁是合成所述缺陷区域的区域；参考所述对象区域的图像信息来修正所述缺陷区域的步骤；5以及将修正后的缺陷区域合成到所述对象图像内的对象区域而生成学习用缺陷图像的步域的步骤中的对象区域可以包括变形的缺陷的形状以及所述变形的缺陷周边的周边区域，此时可以随机决定所述对象图像内的对象区域的位置和大小中可以进行减少所述缺陷区域内的周边区域和所述对象区域内的周边区域之间的图像信息可以对所述缺陷区域内的周边区域和所述对象区域内的周边区域中的至少一个进行直方所述缺陷区域中缺陷或者周边区域中至少一个的边缘(edge)进行模糊处图像合成形状变形的所述缺陷而生成学习用缺陷图骤是将形状变形的所述缺陷插入到所述对象图像内任意的对象区域中[0021]另一方面，本发明的又一实施例所涉及的学习用缺[0023]另一方面，本发明的又一实施例所涉及的学习用缺6[0027]图1以及图2是用于说明本发明中说明的人工智能算法的功能以及学习的必要性[0029]图4是为了容易理解上述第一实施例所涉及的学习用缺陷图像生成方法而示出的[0031]图6是为了容易理解所述第二实施例所涉及的学习用缺陷图像生成方法而示出的[0034]在图中示出且在下文中说明书的功能块仅仅是可实施的示例。在进行其他实施的人工智能算法的主要功能如下：若输入了任意的检查用图像(I)，则掌握该检查用图像7用图像数据所具有的信息的多种分析方法，例如能够利用构成图像的像素之间的RGB值或[0041]另一方面，上述人工智能算法本身以可以由具备中央处理器(CPU)以及存储器的[0044]图3是示出本发明的第一实施例所涉及的学习用缺陷图像生成方法的图。需要说(microprocessor)、微型计算机(microcomputer)等。另外，中央处理器可以通过硬件(programmablelogicdevice，可编程逻辑器件)、FPGA(fieldprogrammablegateReadOnlyMemory，可擦除可编程只读存储器)、EEPROM(ElectricallyErasableRAM，静态随机存取存储器)、HDD(HardDiskDrive，硬盘驱动器)、SSD(SolidState8第一实施例所涉及的学习用缺陷图像生成方法包括与从所述样本图像10提取的缺陷区域20或者缺9以确认到对象区域40是参照了从样本图像了将提取出的缺陷区域或者缺陷合成到对象图像的对象区域时减少异质感而执行的过程。[0057]图4中示出了缺陷区域20和对象区域40相互对比而对缺陷区域20进行修正的过像的亮度值(intensity)作为横轴并将具有与横轴的亮度值对应的大小的像素在图像内达到的数量作为纵轴而创建的图表，由此至少能够判断作为分析对象的图像有多亮或有多边区域中至少一个的边缘(edge)进行模糊处理、内插值处理或和谐化(Harmonization)处[0060]在图4的下端，示出了模样变形的缺陷区域合成到对象图像上而最终生成学习用[0061]以上参照图3以及图4对本发明的第一实施例所涉及的学习用缺陷图像生成方法[0062]图5以及图6是关于本发明的第二实施例所涉及的学习用缺陷图像生成方法的陷区域的修正过程，而代替该过程实施缺陷区域合成到对象图像上之后在该状态下的修[0063]首先在参照图5时，第二实施例所涉及的学习用缺陷图像生成方法可以最先以从[0066]图6中按顺序示出了第二实施例所涉及的学习用缺陷图像生成方法，示出了最先[0067]以上参照图5以及图6对第二实施例所涉及的学习用缺陷图像生成方法进行了