一种用于深度学习的X射线缺陷检测图像数据增强方法

摘要

本发明公开一种用于深度学习的X射线缺陷检测图像数据增强方法。该方法包括如下步骤：采集工件的X射线投影图像序列，通过重建算法得到三维CT图像；选取有缺陷的三维CT图像，提取缺陷部分的体素模型并对其进行三维图像变换，构成缺陷库；从所述缺陷库中随机选取缺陷并添加到无缺陷的三维CT图像中，生成有缺陷的三维CT图像；通过前向投影操作生成仿真DR图像，以达到数据增强的目的。本发明实施例通过构建X射线成像数学‑物理模型进行数据增强，相比于传统直接对DR图像进行变换的方法，生成的仿真DR图像集更接近实际射线检测图像，能为基于深度学习的X射线缺陷检测提供海量高质量的数据集，为提高缺陷识别准确率提供重要保障。