基于SURF特征改进的空调标签缺陷检测算法

摘要

针对深度学习算法无法兼容设备检测及新样本收集、检测时效性及泛化能力差的瓶颈，提出了一种基于SURF特征改进的传统模板匹配检测算法。首先，使用SURF算法对图像进行特征提取，采用乘积量化理论构建搜索树，结合特征点空间位置信息快速筛选匹配点；其次，根据匹配点获取单应性矩阵和仿射变换矩阵，通过两矩阵结合筛选“内点”进行偏移量计算并执行图像配准；最后，结合局部缺陷密度度量法思想，综合区域前景及区域背景加权方式计算缺陷密度，通过缺陷密度判定标签是否合格，同时针对小字符特征少又含有局部偏移的场景，使用改进方法避免误判。结果表明，所提算法在自建数据集上的准确率、召回率及F1分别为98.67%、97.69%及98.18%,均优于主流方法，在设备上实际应用时满足实时性要求。该算法能有效提升特征点稳定性和检测精度，为其实际应用提供了技术参考。

关键词

图像处理 / 缺陷检测 / SURF特征 / 图像配准 / 缺陷密度