[發明專利]彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法

有效

• 申請號: 201911342401.4
• 申請日: 2019-12-23
• 公開（公告）號: CN111080636B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 楊靜日;魏志康
• 申請（專利權）人: 山東安亞金屬科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/187;G06T7/194
• 代理公司: 深圳市蘭鋒盛世知識產權代理有限公司 44504
• 代理人: 羅炳鋒

本發明公開了一種彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法。包括：對彩鋼瓦原始灰度圖像進行二維離散傅里葉變換，得到彩鋼瓦頻譜圖像；計算彩鋼瓦功率譜圖像并進行二值化、形態學膨脹操作；設計遮罩數據，對彩鋼瓦頻譜圖像進行濾波、二維離散傅里葉逆變換；基于背景差分法，得到彩鋼瓦缺陷圖像；對彩鋼瓦缺陷圖像進行閾值化處理，生成標注圖像；對多個彩鋼瓦生成標注圖像，將彩鋼瓦原始灰度圖像與標注圖像作為樣本數據集，訓練語義分割深度卷積神經網絡；將待檢測彩鋼瓦原始灰度圖像輸入訓練好的神經網絡，得到彩鋼瓦缺陷檢測結果并對結果進行篩選。利用本發明，可以在彩鋼瓦表面缺陷檢測場景中，提高彩鋼瓦表面缺陷檢測效率和檢測精度。

技術領域

本發明涉及深度學習、數字圖像處理技術領域，具體涉及一種彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法。

背景技術

隨著我國建筑行業跨越式發展，各種新型建筑材料被應用到建筑當中。彩鋼瓦又稱為彩色壓型瓦，在居民房、倉庫、大跨度結構建筑上得到了廣泛適用，其作為輕型建筑材料，能夠加快工期進度，并且在抗地震災害方面具有極大的優勢。彩鋼瓦強度高，承重效果好，無需梁柱。尤其在大跨度建筑建設中具有其他材料不可比擬的優勢。目前，彩鋼瓦已經在我國得到推廣應用，彩鋼瓦產業已成規模。彩鋼瓦需求量不斷增大，同時給企業生產效率提出了挑戰，質檢階段是產品出廠的必要階段。由于工藝或者工人技術原因，在彩鋼瓦表面會出現缺漆、臟點等現象，缺漆現象不僅給企業帶來質檢壓力，同時也給使用者帶來安全隱患，表面一旦缺漆，隨著雨水沖刷、落葉腐蝕，彩鋼會加速生銹、老化，輕者出現漏水現象，重者可能造成生命、財產損失。

目前我國生產彩鋼瓦企業的質檢方式基本上都是人工質檢，通過頂置光源、人眼觀察的方式來檢測彩鋼瓦表面缺陷。首先人工方式檢測效率非常低下，已經不能滿足我國日益增長的對彩鋼瓦的需求。其次，由于工人個人素質、技術水平等原因，會出現漏檢、誤檢現象，給企業、使用者帶來極大損失。最后，對于面積比較大的彩鋼瓦需要多人協作方式進行質檢工作，造成了極大的人力資源浪費。

因此，現有彩鋼瓦表面檢測技術存在人力成本高、檢測效率低、檢測精度低的問題。

發明內容

本發明提供了一種彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法，該方法利用計算機圖像處理技術、深度學習技術實現了彩鋼瓦表面缺陷檢測，降低人力成本，檢測效率更高，檢測精度更高。

一種彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法，該方法包括：

步驟一，使用相機采集彩鋼瓦原始灰度圖像，對彩鋼瓦原始灰度圖像進行二維離散傅里葉變換，得到彩鋼瓦頻譜圖像；

步驟二，計算彩鋼瓦頻譜圖像對應的功率譜圖像，使用最大類間方差法，對彩鋼瓦功率譜圖像進行二值化；

步驟三，構建形態學結構元素，對二值化的彩鋼瓦功率譜圖像進行形態學膨脹操作；

步驟四，將膨脹的彩鋼瓦功率譜圖像的亮部區域設為1，其余區域設為0，作為遮罩數據，將遮罩數據與彩鋼瓦頻譜圖像點對點相乘，得到濾波后的彩鋼瓦頻譜圖像；

步驟五，對濾波后的彩鋼瓦頻譜圖像進行二維離散傅里葉逆變換，得到重構彩鋼瓦背景圖像；

步驟六，根據彩鋼瓦原始灰度圖像與重構彩鋼瓦背景圖像，基于背景差分法，得到彩鋼瓦缺陷圖像；

步驟七，對彩鋼瓦缺陷圖像進行閾值化處理，對閾值化處理結果進行連通域篩選，篩選結果作為標注圖像；

步驟八，對多個彩鋼瓦進行彩鋼瓦原始灰度圖像采集，并根據步驟一至七獲取標注圖像，將彩鋼瓦原始灰度圖像與標注圖像作為樣本數據集，基于交叉熵損失函數訓練預設語義分割深度卷積神經網絡；

步驟九，將待檢測彩鋼瓦原始灰度圖像輸入訓練好的語義分割深度卷積神經網絡，得到彩鋼瓦缺陷檢測結果；