基于卷积自编码网络的瓷砖表面缺陷检测

摘要

某些瓷砖的缺陷特征与背景特征相似,难以利用传统机器视觉方法进行检测。自编码器可以从大量无标签数据中学习到数据的有效特征,避免了有监督学习网络需要大量优质标注数据训练的问题。针对以上问题,提出一种基于轻量卷积自编码的图像重构网络LR-CAE,可以通过重构残差对缺陷进行定位。参考U-Net结构,通过融合高层的语义信息与底层的纹理信息提高了网络对高分辨率内容的重建能力。为了提高网络重建能力,采取结构性相似损失代替MSE损失来训练网络。结果表明,对比经典卷积自编码网络,提出的LR-CAE方法检测效果更好,满足瓷砖表面检测要求。