[發明專利]一種基于三重損失網絡的竹條表面缺陷檢測方法

有效

• 申請號: 201911029088.9
• 申請日: 2019-10-28
• 公開（公告）號: CN110766681B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 劉文哲;楊和;黃炳城;童同;高欽泉
• 申請（專利權）人: 福建帝視信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種基于三重損失網絡的竹條表面缺陷檢測方法。步驟S1、通過安裝在竹條分選機器人上的相機采集竹條表面缺陷數據，形成竹條表面缺陷數據集；步驟S2、竹條表面缺陷數據集中的圖像經過三重損失網絡訓練得到錨點預測矩陣、尺寸預測矩陣和熱力圖預測矩陣；步驟S3、計算錨點預測矩陣損失、尺寸預測矩陣損失和熱力圖預測矩陣損失，得到三重損失網絡更新的總損失；步驟S4、基于步驟S3計算得到的三重損失網絡更新的總損失不斷更新并優化獲得最優的卷積權值參數和偏置參數；步驟S5、將竹條表面缺陷數據集中的測試圖像通過更新卷積權值參數和偏置參數的三重損失網絡，得到錨點預測矩陣和尺寸預測矩陣，而后即可得到檢測的目標缺陷所屬類別和大小。

技術領域

本發明屬于缺陷檢測領域，具體涉及一種基于三重損失網絡的竹條表面缺陷檢測方法。

背景技術

竹子在世界森林資源中占有相當重要的地位，被譽為“第二森林”。中國是世界上最大的產竹國，竹產業同時也是我國林業產業的重要組成部分，在我國經濟、社會發展中發揮著不可替代的作用。竹坯板是大部分工藝品的成型的第一步，其是由竹子經破片、烘干、碳化等工藝處理后的竹條拼接而成。通常，在拼接之前，竹條需要先進行缺陷檢測，然后根據不同缺陷以及缺陷的嚴重程度，拼接成不同品質的竹坯板。但是，工廠需要消耗大量的財力和人力在竹條的缺陷檢測上，同時檢測人員水平參差不齊導致產品質量無法保證。

為了進行竹條表面缺陷的檢測，需要使用攝像頭拍攝竹條表面圖像，然后利用機器視覺檢測技術自動識別缺陷，達到替代人工的效果。目前，國內在竹條表面缺陷檢測方向已有一些分析和研究。賀峰等^[1]提出一種基于小波多尺度分解的方法實現竹條六種缺陷的檢測，該方法首先通過圖像共生矩陣的逆差矩差分值獲得的最佳小波分解層對竹條紋理進行濾除，然后利用Otsu自動閾值檢測算法完成缺陷檢測。李葉妮等^[2]研究了一種基于灰度共生矩和SVM的竹條瑕疵識別算法，該算法提取圖像的三個紋理特征并采用svm模型對竹條瑕疵類型進行分類識別。

隨著深度學習的發展，許多基于卷積神經網絡的檢測方法開始應用于許多目標檢測領域，但是目前還沒有人將該類方法運用在竹條表面缺陷檢測領域上。在目標檢測領域，RenS等人^[3]的研究成果二階式(Two-Stage)目標檢測方法Faster-RCNN將傳統方法中區域提名(Proposal)、分類、回歸等操作全部采用卷積操作實現，將其可進行端對端訓練，但是其運算速度較慢，達不到實時檢測的需求。RedmonJ等人^[4]提出的一階式(One-Stage)目標檢測算法YOLOv3是在檢測速度和檢測效果之間權衡的一種算法。最新的，DuanK等人[5]提出的CenterNet把目標檢測問題變成了一個標準的關鍵點估計問題，并且不需要非極大值抑制的后處理算法，速度得到了進一步的提升。

相關研究在竹條表面缺陷檢測領域和目標檢測領域都取得了一些成果，但還存在一些問題。當采用傳統的機器視覺檢測算法來檢測竹條缺陷時，由于其涉及較多超參數并且竹條缺陷形態千變萬化，檢測效果不是太理想。目前，還沒人采用基于深度學習的檢測算法來進行竹條表面缺陷。如果將二階式目標檢測的算法運用在該缺陷的檢測，因為該類算法耗時較長，達不到實時檢測的效果。如果使用一階式目標檢測算法，由于該類算法的骨干網絡并不是為竹條缺陷量身設計，會導致檢測精度不夠等問題。

發明內容

本發明的目的在于提供一種基于三重損失網絡的竹條表面缺陷檢測方法，能夠在保持較快檢測速度的同時還能對十幾種竹條的缺陷有較好的檢測效果。

為實現上述目的，本發明的技術方案是：一種基于三重損失網絡的竹條表面缺陷檢測方法，包括如下步驟：

步驟S1、通過安裝在竹條分選機器人上的相機采集竹條表面缺陷數據，形成竹條表面缺陷數據集；

步驟S2、訓練階段：竹條表面缺陷數據集中的圖像I(x)經過三重損失網絡訓練得到錨點預測矩陣、尺寸預測矩陣和熱力圖預測矩陣；