本技术涉及一种基于机器学习的图像处理技术,包括获取图像的加噪版本、进行语义分析以提取语义信息等步骤。该技术旨在提升图像处理的效率和准确性,适用于多种设备和程序产品。
背景技术
缺陷检测常用于工业生产过程中,通过对产品图像进行检测后,确定产品中存在的制造缺陷。
在相关技术中,缺陷检测方式通常为通过正常样本图像预先训练一个去噪模型,对待识别的产品图像进行加噪处理后输入去噪模型进行去噪处理,得到去噪后的重构图像,通过比较重构图像和产品图像之间的差异,从而识别得到产品图像中存在缺陷的图像对象。
然而在相关技术中,通过去噪模型对加噪处理后的产品图像进行去噪的过程中会存在去噪失误的情况,导致重构图像与产品图像中的图像对象并不一致,使得无法通过比对重构图像和产品图像来确定存在缺陷的图像对象,降低了图像对象的识别准确度。
实现思路