[發明專利]一種基于卷積神經網絡的磁片表面缺陷檢測方法

有效

• 申請號: 201711361710.7
• 申請日: 2017-12-18
• 公開（公告）號: CN108074231B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 姚明海;胡濤;顧勤龍
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.一種基于卷積神經網絡的磁片表面缺陷檢測方法，包括如下步驟：

(1)獲取待檢測磁片的俯視圖像并對圖像進行預處理；

具體包括如下步驟：

第一步對磁片圖像進行灰度化處理，對灰度圖像進行霍夫圓變換，檢測出磁片外輪廓，根據圓心，圓半徑切割該圓的最小外接正方形；

第二步為以切割出來的正方形圖像為模板，批量模板匹配處理剩余圖像，使得所有圖像均為磁片的外輪廓最小外接圓大小；

第三步將第二步得到的所有圖像進行尺寸變換至設定大小；

第四步將尺寸變換后的圖像使用圖像處理的方法進行旋轉分割，將一副大圖分割成多幅小圖；

(2)將預處理后的圖像輸入至預先訓練好的卷積神經網絡進行缺陷檢測，檢測磁片表面是否有缺陷，并對缺陷進行分類；卷積神經網絡，其中輸入層，卷積層，采樣層，

全連接層對圖像進行特征提取，提取的特征由Softmax分類器進行缺陷分類；所述的卷積神經網絡的訓練方法為：

(a)數據樣本采集，采集大量磁片圖像，包含無缺陷磁片和有缺陷磁片；

(b)擴充數據集，對采集的磁片圖像進行預處理，圖像進行旋轉分割，將一副磁片圖切割成多幅圖像，并進行人工標記，分為有缺陷沙眼類，有缺陷缺塊類，有缺陷裂紋類，無缺陷共4類，并對得到的這些數據樣本按一定比例分為兩部分，一部分作為訓練集，一部分為測試集；

(c)建立卷積神經網絡；

(d)將訓練集樣本數據輸入至卷積神經網絡，訓練卷積神經網絡，并用測試集樣本數據去評價卷積神經網絡訓練的效果；所述的卷積神經網絡如下：

輸入層：第一層為輸入層，輸入大小為圖片大小43*43；

C1層：輸入層的輸出為43*43的矩陣，C1卷積層的輸入為輸入層的輸出，輸入與64個3*3步進為1的卷積核進行卷積操作，激勵函數為RELU，總共提取64個特征map，輸出為41*41*64的矩陣；

S2層：S2池化層的輸入為C1卷積層的輸出，對輸入的64個map用2*2步進為2的卷積核進行最大值采樣處理，輸出為20*20*64的矩陣；

C3層：C3層的輸入為S2層的輸出，對輸入的64個map用128個3*3步進為1的卷積核進行卷子操作，激勵函數為RELU，總共提取128特征map，輸出為18*18*128的矩陣；

S4層：S4層的輸入為C3層的輸出，對輸入的128個map用2*2步進為2的卷積核進行最大值采樣處理，輸出為9*9*128的矩陣；

C5層：C5層的輸入為S4層的輸出，對輸入的128個map用256個3*3步進為1的卷積核進行卷積操作，激勵函數為RELU，總共提取256個特征map，輸出為7*7*256；

F6全連接層：全連接層1對提取的特征進行加權計算，得到1維特征向量；

F7全連接層2：全連接層2對全連接層1輸出的特征向量進行加權計算，得到特征更集中的1維特征向量；

Softmax分類器：對全連接層2輸出端的特征向量進行分類。