通过Schatten-p 基于规范的低等级张量分解检测带钢的小缺陷

科学领域:

• 材料科学 材料科学 材料科学
• 计算机视觉 计算机视觉
• 图像处理 图像处理

背景情况:

• 表面缺陷检测对于钢质量至关重要.
• 低对比度图像中的小目标存在重大检测挑战.
• 现有的方法与小的像素占用和白点缺陷的低对比度作斗争.

研究的目的:

• 开发一种准确和有效的方法来检测钢带上的白点缺陷.
• 解决目前用于小型低对比度目标的缺陷检测技术的局限性.
• 通过加强缺陷识别,提高钢铁生产的质量控制.

主要方法:

• 提出了一种基于Schatten p-norm的新低级张量分解 (SLRTD) 方法.
• 将缺陷图像转换为基于补丁的张量模式,用于增强信息挖掘.
• 纳入非线性重量化策略,使用Schatten p-norm来改善分解性能和解决过度收缩问题.
• 开发了一个解决方案框架,使用乘数的交替方向方法来提取缺陷图像.

主要成果:

• 该SLRTD方法成功地将缺陷图像分解为低级背景,稀疏缺陷和随机噪声组件.
• 在现实世界钢带数据集上的实验结果表明,与最先进的方法相比,性能优越.
• 拟议的方法在白点缺陷检测方面实现了质量和数量上的改进.

结论:

• 该SLRTD方法提供了一个强大的和有效的解决方案,用于检测钢带的挑战性白点缺陷.
• 这种方法显著提高了工业质量控制中表面缺陷检测的准确性和效率.
• 这些发现有助于推进钢铁生产中的自动化检查系统.