《表2 缺陷检测算法时间统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于光度立体和图像显著性的皮革缺陷检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

s

图7至图10为不同缺陷种类在不同算法下的运行结果，其中一幅图像（左上:GLCM，右上:LBP+AdaBoost，左下:相位谱显著性，右下:本文）分别表示为四种算法的实验结果。对于LBP+AdaBoost方法，模型训练时需固定样本大小，因此训练样本会出现一定程度拉伸或压缩，导致模型不能准确表征特征。对于刀洞等微小缺陷而言，漏检情况的发生主要受算法本身图像预处理和后处理影响，在图像去噪与滤波过程中，前景目标的弱化对后续图像分割影响极大，易导致漏检。本文算法采用光度立体学，避免传统图像预处理、增强的方法，有效实现皮革缺陷的增强，皮革表面缺陷不平整度增强，便于后续图像处理。本文算法在检测皮革缺陷的过程中还能准确定位皮革缺陷所在位置，避免了LBP+AdaBoost缺陷标注矩形框较大的问题，提高了皮革利用率。从客观定量指标对检测结果进行评价，本文所提出的算法能很好检测不同材质皮革的皮革缺陷，准确率更高，速度更快。其准确率统计、算法运行时间分别如表1、2所示。