[發明專利]一種基于卷積神經網絡帶標記的鋼板表面缺陷檢測方法

有效

• 申請號: 201910536618.2
• 申請日: 2019-06-20
• 公開（公告）號: CN110349126B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 戴超凡;牛會通;瞿華;王正;史夢成;馬榕澤
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06V10/764;G06V10/774;G01N21/88
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

本發明公開了一種基于卷積神經網絡帶標記的鋼板表面缺陷檢測方法，首先采集帶有表面缺陷的鋼板圖像，構建圖像庫；將圖像庫中的圖像分為訓練樣本集和測試樣本集；然后進行鋼板圖像預處理，鋼板圖像邊緣檢測，鋼板圖像中鋼板缺陷標記，構建卷積神經網絡；最后進行鋼板表面缺陷檢測識別及分類。本發明先對采集的鋼板圖像進行預處理，邊緣檢測，再對其訓練。在使用小樣本的情況下，提升了鋼板表面多類型缺陷檢測的準確性及精度。

技術領域

本發明屬于圖像識別在鋼板表面缺陷檢測應用技術領域，涉及一種鋼板表面缺陷檢測方法，具體涉及一種基于卷積神經網絡帶標記的鋼板表面缺陷檢測方法。

背景技術

鋼鐵產業在我國經濟發展中起著不可替代的作用，投入了大量的人力、物力資源。在國際上與其他鋼鐵企業競爭的過程中，鋼板表面缺陷檢測技術性仍然是一大瓶頸，傳統廠家缺陷檢測僅依靠人眼識別，局限性較大，隨著缺陷檢測技術的發展，催生了一系列的鋼板表面缺陷檢測方法。例如，AK Soni等提出基于鎖相放大器的渦流檢測儀檢測鋼板表面缺陷，能夠快速有效檢測多類型缺陷，但比如色差、輕微刮痕卻不易檢查。JingzhongHou等提出基于低秩多核支持向量機的帶鋼表面缺陷檢測，此類方法檢測準確率不高。KaixiangPeng等提出基于改進BP算法的鋼帶自動表面缺陷檢測分類技術，涉及在標準BP算法的緩慢收斂中起重要作用的飽和區域，但BP神經網絡收斂速度慢，不適用于小樣本快速的檢測。房敏等提出PSO算法優化BP網絡的鋼板表面檢測技術，不容易陷入局部最優，更具有適用性，但準確率依然不高。以上研究的問題在于：識別精度不高，輕微缺陷無法檢測；準確率不高，導致分類錯誤；識別鋼板表面缺陷類型具有局限性。

發明內容

為了解決上述技術問題，本發明提供了一種基于卷積神經網絡帶標記的鋼板表面缺陷檢測方法，用于鋼板缺陷檢測上，自動將鋼板缺陷區分并分離。

本發明所采用的技術方案是：一種基于卷積神經網絡帶標記的鋼板表面缺陷檢測方法，其特征在于，包括以下步驟：

步驟1：采集帶有表面缺陷的鋼板圖像，構建圖像庫；將圖像庫中的圖像分為訓練樣本集和測試樣本集；

步驟2：鋼板圖像預處理；

步驟3：鋼板圖像邊緣檢測；

步驟4：鋼板圖像中鋼板缺陷標記；

步驟5：構建卷積神經網絡；

步驟6：鋼板表面缺陷檢測識別及分類。

作為優選，步驟1中，采集帶有表面缺陷的鋼板圖像，對圖像進行關鍵信息裁剪，縮小識別范圍，構建圖像庫；其中，所述表面缺陷包括色差、黑斑、磷化斑、翹皮、壓痕、劃痕、針眼、孔洞。

作為優選，步驟2中，采用雙邊濾波對圖像進行預處理；

雙邊濾波后圖像為：

其中，g(i,j)為雙邊濾波后圖像，f()為雙邊濾波前圖像，w(i,j,k,l)為圖像f(i,j)與f(k,l)之間權重，(i,j)，(k,l)分別指兩個像素點的坐標；σ_d為高斯函數的方差。

作為優選，步驟3中，采用canny改進算子進行圖像邊緣檢測；

利用最大類間方差法Otsu，自適應確定高閾值、低閾值以及平滑濾波方差；其中，最大類間方差法Otsu是將圖像像素分為背景和目標兩類，通過搜索背景的最大值，得到最優閾值。

作為優選，步驟4中，所述鋼板缺陷標記是在邊緣檢測的基礎上，對一些優秀特征進行提取，在鋼板圖像邊緣處補若干列優秀特征數據；

所述優秀特征，包括缺陷圖像的灰度值一階概率分布P(i)、x方向投影特征P(x)；