针对图像噪声导致缺陷检测结果不确定性较高的问题,提出了一种基于灰度平均和中心像素增强的局部二值模式(Grayscale Averaging and Central Pixel Enhancement LBP,GACE-LBP)和两阶段模型的表面缺陷检测方法.首先,改进了LBP纹理特征提取算法,采用局部灰度平均和中心像素邻域连接的方式来抑制噪声敏感性并且加强中心像素的鲁棒性;其次,为了降低单一的深度学习模型预测结果的不确定性,构建了二阶段多特征融合模型,以增强对不确定域样本的判别能力;最后,使用改进熵值法确定划分不确定域的参数,应用于构建两阶段模型中.在存在图像噪声的表面缺陷数据集上的实验验证了方法的有效性.
A GACE-LBP and Two-Stage-Model-Based Approach to Surface Defects
万方数据
维普
