[發明專利]一種基于卷積神經網絡的中厚板壓痕智能識別方法

在審

• 申請號: 201910184734.2
• 申請日: 2019-03-12
• 公開（公告）號: CN110033437A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 陳玉葉;詹光曹;鄭芳垣;陳旸
• 申請（專利權）人: 福建三鋼閩光股份有限公司;福建省三鋼（集團）有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/155
• 代理公司: 泉州市博一專利事務所 35213
• 代理人: 方傳榜

1.一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述識別方法包括以下具體步驟：

步驟一：中厚板表面的圖像數據獲取：采用圖像采集設備采集生產線通過的中厚板表面的圖像數據；

步驟二：中厚板表面壓痕缺陷識別：該工序包括以下具體步驟：

a)采用圖像濾波對步驟一采集到的圖像數據進行預處理；

b)采用sobel算子進行邊緣計算檢測，通過橫向、縱向算子，計算出各像素點的梯度值，得到其梯度圖；

c)采用X、Y方向梯度分別進行權重疊處理，得到增強梯度的梯度圖像；

d)對梯度增加后的梯度圖像進行閾值自動調節，并進行形態學腐蝕膨脹算法運算，識別到圖像的壓痕缺陷圖像；

e)選擇并保存識別到的該壓痕缺陷圖像；

步驟三：對所識別到的壓痕缺陷圖像進行智能分類與識別：采用訓練網絡模型，建立并構筑智能識別的卷積神經網絡，對步驟二保存的已識別到的壓痕缺陷圖像進行智能分類與識別，自動完成并實現圖像的智能識別和分類處理。

2.根據權利要求1所述的一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述步驟一中的圖像采集設備為高精度攝影機。

3.根據權利要求1所述的一種基于機器視覺的中厚板壓痕智能識別方法，其特征在于：所述步驟二中的a)工序的圖像濾波方式采用中值濾波圖像處理方式。

4.根據權利要求1所述的一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述步驟二中的c)工序中采用x、y方向梯度圖像分別進行權重疊加，以此來增強梯度的方法采用如下公開進行權重疊加計算，公式如下：G(x)=aF(x)+(1-a)F(x)；G(y)=aF(y)+(1-a)F(y)；

其中，G(x)、G(y)分別為x方向、y方向梯度增強后的圖像，F(x)、F(y)分別為x方向、y方向梯度增強前的輸入圖像， 0<a<1。

5.根據權利要求1所述的一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述步驟二中的d)工序中采用的閾值自動分割調節的計算公式如下：

iThx=max(20,min(100,u+1.0v))；iThy=max(20,min(100,u+1.0v))；

其中，iThx、iThy分別為分割選取的閾值，u為圖像平均灰度值，v為圖像均方差。

6.根據權利要求1所述的一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述步驟三中對所識別到的壓痕缺陷圖像進行智能分類與識別的具體步驟包括：

a)獲取訓練圖像數據；

b)將識別到圖像數據輸入建立的卷積神經網絡CNN進行訓練，得到訓練網絡模型；

c) 訓練網絡模型對壓痕缺陷圖像進行訓練及智能識別，然后輸出判定識別結果。

7.根據權利要求1所述的一種基于卷積神經網絡的中厚板壓痕智能識別方法，其特征在于：所述步驟三中的訓練網絡模型為Inception_ResnetV2卷積神經訓練網絡模型。