[论文解读] A New Benchmark Dataset for Texture Image Analysis and Surface Defect Detection

Shervan Fekri Ershad|arXiv (Cornell University)|Jan 1, 2019

Industrial Vision Systems and Defect Detection参考文献 12被引用 3

一句话总结

本文提出了石质纹理图像（STI）数据集，这是一个用于纹理图像分析与表面缺陷检测的双用途基准数据集，包含60幅石质纹理图像，涵盖四种类别的真实变化，如旋转、缩放、纹理尺寸及缺陷类型。在最先进的描述符下评估，STI展现出比现有数据集更高的挑战性与真实性，使用MLBP16,2在纹理分类任务中最高达到98.06%的准确率。

ABSTRACT

Texture analysis plays an important role in many image processing applications to describe the image content or objects. On the other hand, visual surface defect detection is a highly research field in the computer vision. Surface defect refers to abnormalities in the texture of the surface. So, in this paper a dual purpose benchmark dataset is proposed for texture image analysis and surface defect detection titled stone texture image (STI dataset). The proposed benchmark dataset consist of 4 different class of stone texture images. The proposed benchmark dataset have some unique properties to make it very near to real applications. Local rotation, different zoom rates, unbalanced classes, variation of textures in size are some properties of the proposed dataset. In the result part, some descriptors are applied on this dataset to evaluate the proposed STI dataset in comparison with other state-of-the-art datasets.

研究动机与目标

• 为解决纹理图像分析与表面缺陷检测领域缺乏真实、面向应用的基准数据集的问题。
• 创建一个反映真实工业检测挑战的数据集，包括局部旋转、不同缩放级别以及多样的缺陷类型。
• 提供一个统一的基准，支持纹理分类与缺陷检测两项任务。

提出的方法

• STI数据集通过在受控但多变的成像条件下采集真实石材样本获得，以模拟工业检测环境。
• 数据集包含60幅图像：20幅用于纹理分析（每类4种石材，每类5个样本），40幅用于缺陷检测（每类5张无缺陷图像与10张有缺陷图像）。
• 图像在不同旋转角度（0°至90°）、不同缩放率下拍摄，并包含自然纹理重复，以反映真实世界中的变化。
• 数据集包含小尺寸与大尺寸的纹理及缺陷，涵盖颜色、形状与纹理破坏的差异。
• 应用了标准纹理描述符，如1DLBP、MLBP16,2、NrCLBP与MBP，以评估在STI数据集上的性能表现。
• 通过纹理分类与缺陷检测实验对数据集进行了验证，定量报告了准确率与鲁棒性结果。

实验结果

研究问题

• RQ1 STI数据集在纹理分析方面的逼真度与挑战性方面，相较于现有基准数据集表现如何？
• RQ2 最先进的纹理描述符在STI数据集上能实现多高的性能表现？
• RQ3 旋转、缩放与缺陷特征的变化在多大程度上影响缺陷检测系统在STI数据集上的性能？
• RQ4 STI数据集能否有效支持在统一框架下的纹理分类与表面缺陷检测任务？

主要发现

• 使用1DLBP + SSR描述符，STI数据集在纹理分类任务中实现了97.07%的平均准确率，表现出强劲性能。
• NrCLBP描述符在Creamy类别中达到97.33%准确率，Travertine类别中达到98.06%，平均准确率达96.47%，表明其具有高度鲁棒性。
• MBP描述符平均准确率最低，仅为91.26%，凸显了该数据集对鲁棒性较弱方法的挑战性。
• 数据集包含局部旋转、不同缩放比例及逼真的缺陷变化，使其比现有基准更真实地反映实际工业应用场景。
• 实验结果证实，由于其逼真的图像变化，STI数据集比传统数据集（如Brodatz、Outex与VisTex）更具挑战性。
• STI数据集能够有效支持纹理分类与表面缺陷检测的联合评估，验证了其双用途的实用性。