Page 107 - 无损检测2024年第十一期
P. 107
孟令波，等：
基于 YOLO 网络模型的多类别标签缺陷检测
式中：算子A与算子B分别为边缘梯度的x，y两个 可以看出预处理后区域1图像边缘特征更加完整与
方向算子；grande为梯度；I为预处理后的图像； φ 为 清晰；在尺寸偏小的区域2，3，预处理函数同样可以
设定的梯度阈值。 将边缘特征很好地提取出来；在白色与黑色相间的
图像预处理前后的整体及局部对比如图2所示， 区域4内， 边缘特征可以清晰提取。
图 2 预处理前后的整体及局部图像对比
将预处理的图像输入至文章的自适应匹配算 × （11）
法，通过模板对待匹配图ROI区域进行搜索匹配， 其
× （12）
中梯度值与梯度方向的计算方法为
× × （6） × （13）
× （14）
× × （7）
式中：G 为待匹配图像的梯度值；T ，T 为模板图
x
y
× × （8） Mag
像分别在x，y方向的梯度值；G ，G 分别为待匹配图
x
y
× × （9） 像在x，y方向的梯度值；n为模板图中所有梯度值的
式中：S Mag 为待匹配图ROI区域的梯度值；T Mag 为模 数量；S core 值为区域内的匹配得分，最终得分会与设
板图的梯度值；D 为待匹配图的梯度方向；D 为模 定的阈值相比较，大于设定的阈值说明匹配完成，小
T
S
板图的梯度方向。 于设定的阈值说明匹配效果不佳，则需通过金字塔层
通过上式的算子计算搜索区域的边缘梯度与方 级上下采样改变待匹配图像的尺寸重新进行匹配。
向从而得出待匹配区域的边缘，再与模板的边缘进 金字塔层级上下采样，计算待匹配图像边缘与
行匹配。由匹配公式得出区域的匹配效果，根据S 模板边缘间的比例关系自适应地放缩在长宽两个方
core
值判断匹配的结果是否符合要求，其中匹配计算方 向上的比例，即进行一定的比例放缩调整，即
法为
× × × （15）
（10）
× （16）
69
2024 年 第 46 卷 第 11 期
无损检测
