[發明專利]一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法在審
| 申請號： | 202010158887.2 | 申請日： | 2020-03-09 |
| 公開（公告）號： | CN111476756A | 公開（公告）日： | 2020-07-31 |
| 發明（設計）人： | 段黎明;阮浪;楊珂;朱世濤 | 申請（專利權）人： | 重慶大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/11;G06T7/62 |
| 代理公司： | 重慶縉云專利代理事務所(特殊普通合伙) 50237 | 代理人： | 王翔 |
| 地址： | 400044 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 改進 yolov3 網絡 模型 識別 鑄件 dr 圖像 疏松 缺陷 方法 | ||
1.一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法，其特征在于，主要包括以下步驟：
1)獲取若干鑄件的DR疏松缺陷圖像。
2)對所述DR疏松缺陷圖像進行預處理，并構建疏松缺陷數據集。
3)對所述疏松缺陷數據集進行預處理，增強疏松缺陷數據集的灰度值；
4)利用圖像標注工具的矩形框對疏松缺陷數據集進行標注，獲取每個矩形框所對應缺陷等級、矩形框中心點坐標(X，Y)、矩形框寬度W和矩形框高度H；將標注后的疏松缺陷數據集隨機劃分為疏松缺陷數據訓練集和疏松缺陷數據測試集；
5)建立改進YOLOv3網絡模型，獲取YOLOv3網絡模型的原始權重文件，并設置濾波器filter數量、COCO數據集與VOC數據集檢測等級標簽、迭代次數、學習率和是否采用多尺度訓練策略；
6)利用疏松缺陷數據訓練集對改進YOLOv3網絡模型進行訓練；
7)利用疏松缺陷數據測試集對訓練后的改進YOLOv3網絡模型進行測試，并對改進YOLOv3網絡模型輸出結果進行評估，若評估結果不滿足預設要求，則進入步驟8，反之，則進入步驟9；
8)修改改進YOLOv3網絡模型的參數，并返回步驟6；
9)基于改進YOLOv3網絡模型的訓練過程，對YOLOv3網絡模型原始權重文件進行修改，從而得到改進YOLOv3網絡模型的權重文件；
10)獲取待檢測鑄件的DR圖像，并輸入到改進YOLOv3網絡模型的權重文件中，判斷鑄件的缺陷等級和位置坐標。
2.根據權利要求1或2所述的一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法，其特征在于，所述鑄件為鐵路列車轉向架的鑄鋼搖枕或側架。
3.根據權利要求1所述的一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法，其特征在于，對DR原始缺陷圖像進行預處理的主要步驟如下：
1)將DR原始缺陷圖像統一劃分為N×N尺寸的缺陷圖像；
2)對缺陷圖像進行數據增強；所述數據增強方法包括圖像翻轉、圖像旋轉和鏡像。
4.根據權利要求1所述的一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法，其特征在于，對疏松缺陷數據集進行預處理的方法為：導向濾波器增強算法。
5.根據權利要求1所述的一種基于改進YOLOv3網絡模型識別鑄件DR圖像疏松缺陷的方法，其特征在于，所述缺陷等級數為5。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶大學，未經重慶大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010158887.2/1.html，轉載請聲明來源鉆瓜專利網。
