基于深度学习的皮革缺陷自动分割

皮革是一种通过鞣制动物皮张制成的天然耐用材料。皮革的价格具有主观性，因为对其质量和表面缺陷状况高度敏感。在文献中，利用自动图像处理技术进行皮革缺陷检测的研究非常少。在皮革生产行业中，人工缺陷检测过程对于控制成品质量是必不可少的。然而，这一过程十分繁琐，属于劳动密集型且耗时，容易引起视觉疲劳，并经常容易出现人为错误。本文提出了一种针对小牛皮革的全自动缺陷检测与标记系统。该系统由一块皮革、LED灯、高分辨率相机和机械臂组成。简言之，提出了一种机器视觉方法，利用深度学习架构识别皮革上的缺陷位置。随后进行一系列处理以预测缺陷实例，包括用机械臂采集皮革图像、使用深度学习架构训练和测试图像，以及利用几何学的数学推导确定缺陷边界。需要注意的是，除缺陷真值构建阶段外，所有过程均无需人工干预。所提算法在训练数据上达到了91.5%的分割准确率，在测试数据上达到了70.35%。我们还报告了混淆矩阵、F1分数、精确率、特异性和敏感性等性能指标，以进一步验证所提方法的有效性。