金属带材表面缺陷检测方法现状

由于金属板带表面反光强烈，缺陷成因复杂，使得缺陷检测系统性能的进一步提升遇到了瓶颈。同时复杂的现场环境导致图像的信噪比低，对识别系统的可靠性、实时性、稳健性都提出了很高要求。传统检测方法是做图像去噪、图像增强等图像预处理来消除噪声的影响，增强和突出目标特征，使其更容易从背景中分离出来。传统方法的缺点在于适应性差，对图像质量要求高，在噪声比较大的情况下，过度的去噪，不仅会损失缺陷本身的特征，也会影响监测的实时性。

视觉注意机制是在应用场景中快速获取兴趣目标，从而做出理解和判断。将视觉注意机制引入视觉检测领域，使现有的图像处理过程具备一定的理解能力，能够模仿视觉感知系统，快速获取信息中的感兴趣区域，使有限的计算资源能够集中去处理那些影响图像性质、有意义的区域或者物体，这对解决如今视觉检测领域中所面临的数据筛选问题、图像处理实时性问题，以及提高处理效率和机器视觉的智能性都具有重要意义。

由于工业生产环境复杂、光照及高速运动所造成的图像质量不理想，并且缺陷所占比重较小，如果单单应用数据驱动的自底向上的视觉注意机制，虽然可以突出图像区域的显著部分，实现目标搜索，但是由于缺乏针对性而产生的低效率，无法满足高速并行处理的检测需求。工业检测中，在具备缺陷特征等先验知识的情况下，脱离具体的检测任务和目标特征，仅使用自底向上的视觉注意机制无疑具有很大的局限性。自顶向下的任务驱动视觉注意机制将高层知识和任务带入处理过程，可以极大提高检出率和效率。而在现阶段的很多研究中，一方面没有充分结合应用背景，仅从图像的角度去解决问题，没有根据应用特点进行一定的简化或扩展; 另一方面没有充分融合底层数据，使得检测过程过于复杂，在实际应用中不易实现。