TÉCNICAS DE AUMENTO DE IMAGEN PARA INSPECCIÓN VISUAL AUTOMATIZADA

Diversas técnicas facilitan el desarrollo de una biblioteca de imágenes que puede usarse para entrenar y/o validar un modelo de inspección visual automatizada (AVI), una red neuronal de AVI de este tipo para la clasificación de imágenes. En un aspecto, se usa un algoritmo de transposición aritmética para generar imágenes sintéticas a partir de imágenes originales transponiendo características (por ejemplo, defectos) a las imágenes originales, con realismo a nivel de píxel. En otros aspectos, se usan técnicas de restauración de imagen digital para generar imágenes sintéticas realistas a partir de imágenes originales. Pueden usarse técnicas de restauración de imagen basadas en aprendizaje profundo para añadir, eliminar y/o modificar defectos u otras características representadas. En otros aspectos adicionales, se usan técnicas de control de calidad para evaluar la idoneidad de las bibliotecas de imágenes para el entrenamiento y/o validación de modelos de AVI, y/o para evaluar si las imágenes individuales son adecuadas para su inclusión en tales bibliotecas. Various techniques facilitate the development of an image library that can be used to train and/or validate an automated visual inspection (AVI) model, such an AVI neural network for image classification. In one aspect, an arithmetic transposition algorithm is used to generate synthetic images from original images by transposing features (e.g., defects) onto the original images, with pixel-level realism. In other aspects, digital inpainting techniques are used to generate realistic synthetic images from original images. Deep learning-based inpainting techniques may be used to add, remove, and/or modify defects or other depicted features. In still other aspects, quality control techniques are used to assess the suitability of image libraries for training and/or validation of AVI models, and/or to assess whether individual images are suitable for inclusion in such libraries.